Key points are not available for this paper at this time.
이 논문은 과일 세분화를 자동화하기 위한 다중 클래스 이미지 세분화 접근법을 제시합니다. 조건부 무작위 필드와 결합된 특징 학습 알고리즘이 다중 스펙트럼 이미지 데이터에 적용됩니다. 농업 시나리오에서 사용되는 현재의 분류 방법은 수작업으로 제작된 응용 기반 특징을 사용하는 경향이 있습니다. 반대로, 우리의 접근법은 비지도 특징 학습을 사용하여 데이터에서 가장 관련성이 높은 특징을 자동으로 포착합니다. 이 속성은 우리 접근법이 캐노피 나무의 변동성에 대해 견고하게 만들어주며, 따라서 다양한 영역에 적용될 잠재력을 가집니다. 제안된 알고리즘은 로봇 농업 감시 임무를 위한 과일 세분화 문제에 적용되며, 높은 정확도와 과일 변동성에 대한 견고성을 갖춘 수확량 추정을 목표로 합니다. 아몬드 농장에서 수집된 데이터를 이용한 실험 결과가 제시됩니다. 세분화는 다중 스펙트럼(컬러 및 적외선) 데이터에서 추출된 특징으로 수행됩니다. 우리는 88%의 글로벌 분류 정확도를 달성합니다.
Hung et al. (Fri,)이 이 질문을 연구했습니다.