基于深度学习的开心果检测与计数
摘要
开心果是营养丰富的坚果，根据外壳形状被分为两类：开口和闭口。开口开心果在价格、价值和需求上均高于闭口开心果。由于这些差异，精确统计每种类型的数量对生产公司而言意义重大。本文旨在提出一种利用计算机视觉统计不同类型开心果的新系统。我们引入并共享了一个新的开心果数据集，包含六个总时长 167 秒的视频和 3927 个标注的开心果。与许多其他工作不同，我们的模型是在视频中而非图像中对开心果进行计数。视频中的目标计数需要在视频帧之间分配每个目标，使得每个目标只被计数一次。我们工作中的两个主要挑战是开心果的遮挡以及开心果在不同帧中的形变，因为在传送线上移动和滚动的开口开心果在某些帧中可能表现为闭口，而在其他帧中表现为开口。我们的新模型首先使用我们的数据集在 RetinaNet 目标检测器网络上进行训练，以检测视频帧中不同类型的开心果。在收集检测结果后，我们将其应用于基于新跟踪器的新计数算法，以高精度将开心果分配在连续帧中。我们的模型能够将转动并改变外观（例如，看起来像闭口的开口开心果）的开心果分配给彼此，从而不会错误计数。我们的算法运行速度极快，并取得了良好的计数结果。我们的算法在六个视频（9486 帧）上计算的准确率为 94.75%。
引用
@article{arxiv.2005.03990,
title = {Detecting and Counting Pistachios based on Deep Learning},
author = {Mohammad Rahimzadeh and Abolfazl Attar},
journal= {arXiv preprint arXiv:2005.03990},
year = {2021}
}
备注
This is a preprint of an article published in the Iran Journal of Computer Science. The final authenticated version is available online at https://doi.org/10.1007/s42044-021-00090-6. The dataset and the code are available at: https://github.com/mr7495/Pesteh-Set https://github.com/mr7495/Pistachio-Counting