基于卷积神经网络的苹果计数
计算机视觉与模式识别
2022-08-25 v1
摘要
从果园等真实场景图像中估计准确可靠的水果与蔬菜计数是一个具有挑战性的问题,近期受到显著关注。收获前估计水果数量可为物流规划提供有用信息。尽管在水果检测方面已取得可观进展,估计实际计数仍具挑战性。实践中,水果常成簇聚集,因此仅检测水果的方法无法提供估计准确水果计数的通用方案。此外,在园艺研究中,相较于单一的产量估计,更精细的信息(如每簇苹果数量的分布)是所期望的。本工作中,我们将图像中的水果计数表述为多类分类问题,并通过训练卷积神经网络(Convolutional Neural Network)求解。我们首先评估了本方法的逐图像精度,并与一种基于高斯混合模型(Gaussian Mixture Model)的先进方法在四个测试数据集上比较。尽管基于高斯混合模型方法的参数针对各数据集专门调优,我们的网络在四个数据集中的三个上优于它,最高达 94% 精度。接着,我们将该方法用于两个具有真值的数据集的产量估计,取得了 96-97% 的精度。更多细节请见视频:https://www.youtube.com/watch?v=Le0mb5P-SYc。
引用
@article{arxiv.2208.11566,
title = {Apple Counting using Convolutional Neural Networks},
author = {Nicolai Häni and Pravakar Roy and Volkan Isler},
journal= {arXiv preprint arXiv:2208.11566},
year = {2022}
}