과일 및 채소 품질 평가를 위한 전이 학습의 적용

이 논문에서는 과일 및 채소 품질 평가에서 전이 학습 개념을 활용합니다. 전이 학습 개념은 대규모 데이터셋 없이 새로운 문제를 해결하기 위해 사전 학습된 합성곱 신경망을 재사용하는 아이디어를 적용합니다. AlexNet, GoogleNet, ResNet18, ResNet50, ResNet101, Vgg16, Vgg19, 그리고 NasNetMobile 등 8개의 사전 학습된 딥러닝 모델을 조정하여 과일 및 채소의 품질을 평가합니다. 각 조정된 모델의 훈련 및 검증 성능을 평가하기 위해 12개의 과일 및 채소 샘플로 구성된 이미지 데이터셋을 수집했습니다. 데이터셋은 5주에 걸쳐 구축되었습니다. 매주 70장의 이미지를 수집하여 5주 동안 총 이미지 수는 350장이며, 데이터셋의 총 이미지는 (12*350) 4200장입니다. 데이터셋의 전체 클래스 수는 (12*5) 60 클래스입니다. 모델의 평가는 이 데이터셋과 증강된 버전을 기준으로 진행되었습니다. 모델의 결과에 따르면, Vgg19 모델이 원본 데이터셋에서 91.50%의 정확도로 가장 높은 검증 정확도를 기록했으며, ResNet18 모델이 증강된 데이터셋에서 91.37%의 정확도로 가장 높은 검증 정확도를 기록했습니다.