基于计算机视觉的香蕉亚族分类与品质预测
计算机视觉与模式识别
2022-04-07 v1 人工智能
摘要
印度是世界第二大水果和蔬菜生产国，也是香蕉、木瓜和芒果等水果的最大消费国之一，通过 BigBasket、Grofers 和 Amazon Fresh 等零售和电商巨头进行消费。然而，供应链和零售店中的技术采用率仍然较低，采用基于计算机视觉的技术进行水果识别和分类具有巨大潜力。我们选择香蕉作为对象，构建了一个基于计算机视觉的模型来执行以下三个用例： 从给定图像中识别香蕉； 确定香蕉的亚族或品种； 确定香蕉的品质。使用计算机视觉模型成功执行这些用例，将极大地有助于实现整体库存管理自动化、质量控制以及快速高效的称重和计费，而这些目前都需要大量人工操作。在这项工作中，我们提出了一种机器学习流水线，结合了 CNN、迁移学习和数据增强的思想，以改进香蕉亚族和品质的图像分类。我们构建了一个基础 CNN，随后使用包含 3064 张图像的自建和公开数据集组合，微调了 MobileNet 香蕉分类模型。结果显示，亚族/品种分类和品质测试分类的总体准确率分别达到了 93.4% 和 100%。
引用
@article{arxiv.2204.02581,
title = {Banana Sub-Family Classification and Quality Prediction using Computer Vision},
author = {Narayana Darapaneni and Arjun Tanndalam and Mohit Gupta and Neeta Taneja and Prabu Purushothaman and Swati Eswar and Anwesh Reddy Paduri and Thangaselvi Arichandrapandian},
journal= {arXiv preprint arXiv:2204.02581},
year = {2022}
}