基于深度学习的复杂场景番茄分类方法
计算机视觉与模式识别
2024-01-29 v1 计算与语言
摘要
追踪番茄成熟过程耗时且费力。人工智能技术与计算机视觉技术相结合，可以帮助用户优化植物成熟状态监测过程。为此，我们提出了一种基于深度学习的复杂场景番茄成熟度监测方法。其目标是检测成熟番茄并及时收获。该方法分为两部分。首先，场景图像被传输到预处理层。该过程能够检测感兴趣区域（图像中包含番茄的区域）。然后，这些图像被用作成熟度检测层的输入。该层基于深度神经网络学习算法，将输入的番茄缩略图分类为以下五个类别之一：青绿、破色、粉红、浅红、成熟红。实验基于从互联网收集的图像，这些图像通过使用英语、德语、法语和西班牙语等多种语言搜索番茄状态而获得。成熟度检测层在由极端条件下拍摄的番茄图像组成的数据集上的实验结果显示，取得了良好的分类率。
引用
@article{arxiv.2401.15055,
title = {Deep learning-based approach for tomato classification in complex scenes},
author = {Mikael A. Mousse and Bethel C. A. R. K. Atohoun and Cina Motamed},
journal= {arXiv preprint arXiv:2401.15055},
year = {2024}
}