반감견학습 및 객체 탐지를 이용한 포도밭 포도 줄기의 의미 분할을 위한 데이터셋 생성

이 기사는 매우 적은 양의 인간 주석 데이터로 포도 줄기의 의미 분할을 위한 새로운 데이터셋을 생성하기 위해 반감견 학습을 사용하는 실험적으로 테스트된 접근 방식을 설명합니다. 이러한 데이터셋의 생성은 포도밭 유지 관리를 위한 자율 로봇 개발에 있어 중요한 단계입니다. 모바일 로봇 플랫폼이 suckering과 같은 포도밭 유지 관리 작업을 수행하기 위해서는 포도 줄기의 의미적으로 분할된 뷰가 필요합니다. 로봇은 포도 줄기의 형태와 위치를 인식하고 그에 따라 움직임과 행동을 조정해야 합니다. 포도 줄기 인식에서 시작하여 의미 분할을 위한 반감견 훈련으로 끝나는 이 과정에서, 일반적으로 시간 소모적이고 비용이 많이 드는 인간 주석의 필요성을 객체(포도 줄기) 탐지를 위한 데이터셋이 존재할 경우 크게 줄일 수 있음을 보여주었습니다. 본 연구에서는 인간이 주석한 300개의 이미지만을 사용하여 약 35,000개의 포도 줄기의 의미 분할 이미지를 생성했습니다. 이 방법은 전체 데이터셋을 수작업으로 주석 처리하는 데 필요한 시간의 약 99%를 제거합니다. 평가된 데이터셋을 바탕으로 우리는 모바일 로봇 애플리케이션에 가장 적합한 다양한 의미 분할 모델 아키텍처를 비교했습니다. 정확성, 속도 및 메모리 요구 사항 간의 균형이 결정되었습니다. 가장 좋은 균형을 가진 모델은 81%의 검증 정확도와 단 5ms의 처리 시간을 기록했습니다. 카르스트에서의 포도밭 실험 중에 얻은 이 연구 결과는 데이터의 지능적인 주석의 가능성을 보여주며, 레이블링에 필요한 시간을 줄여 기계 학습의 추가 혁신을 위한 길을 열어줍니다.