面向基于图像的水果品质评估的便利化机器学习
计算机视觉与模式识别
2023-01-11 v4
摘要
基于图像的机器学习模型可用于提升农产品分选与分级的效率。在许多地区，由于采后供应链缺乏集中化与自动化，此类系统的部署十分困难。相关方往往规模过小而难以专攻机器学习，且缺乏大型训练数据集。我们提出一种基于预训练Vision Transformers的图像机器学习流程。它比当前训练卷积神经网络（CNNs）的标准方法更易实施，因为我们无需（重新）训练深度神经网络。我们基于苹果缺陷检测与香蕉成熟度估计两个数据集评估该方法。我们的模型取得了具竞争力的分类准确率，与性能最优的CNN相差不超过1个百分点。同时，其达到90%准确率所需的训练样本量少三倍。
引用
@article{arxiv.2207.04523,
title = {Facilitated machine learning for image-based fruit quality assessment},
author = {Manuel Knott and Fernando Perez-Cruz and Thijs Defraeye},
journal= {arXiv preprint arXiv:2207.04523},
year = {2023}
}