| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2022-03-03 13:00 摘粒支援のためのブドウ果粒検出モデルの構築 ○松本千里・藤村 考（大妻女子大）  LOIS2021-40 |
|
| 抄録 | （和） | シャインマスカットなどの生食用ブドウの摘粒作業を支援するため，カメラ画像からブドウ果粒の計数を自動化することを目的とする．深層学習による果粒の認識には学習用データが必要であるが，生食用ブドウ果粒のデータは公開されていない．そこで本稿では，このためのデータを構築した．また，本データを用いて Mask R CNN と Detectron2 を実装し，従来手法である円検出と比較し評価を行った．実験の結果，深層学習を用いた手法では，円検出に比較して高い検出精度が得られた． |
| （英） | This paper addresses the issue of counting grape berries from camera images to support the process of thinning grapes. In the process of deep learning, labeled data is needed to recognize fruit grains, but no data on table grapes is disclosed. Therefore, we constructed the data for this purpose. In addition, using this data, mask R-CNN and Detectron2 were applied and evaluated in comparison with the conventional circle detection method. As a result of the experiment, the method using deep learning obtained higher detection accuracy than the circle detection. | |
| キーワード | （和） | スマート農業 / 摘粒 / 摘粒支援 / 深層学習 / Mask R-CNN / Detectron2 / / |
| （英） | Smart agriculture / table grape thinning / grape detection / deep learning / Mask R-CNN / Detecton2 / / | |
| 文献情報 | 信学技報, vol. 121, no. 401, LOIS2021-40, pp. 1-6, 2022年3月. | |
| 資料番号 | LOIS2021-40 | |
| 発行日 | 2022-02-24 (LOIS) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | LOIS2021-40 |
|
| 研究会情報 | |
| 研究会 | LOIS |
| 開催期間 | 2022-03-03 - 2022-03-03 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | ライフログ活用技術、オフィスインフォメーションシステム、ライフインテリジェンス、および一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | LOIS |
| 会議コード | 2022-03-LOIS |
| 本文の言語 | 日本語 |
| タイトル（和） | 摘粒支援のためのブドウ果粒検出モデルの構築 |
| サブタイトル（和） | |
| タイトル（英） | Building a Grape Grain Detection Model for Table Grape Thinning |
| サブタイトル（英） | |
| キーワード(1)（和/英） | スマート農業 / Smart agriculture |
| キーワード(2)（和/英） | 摘粒 / table grape thinning |
| キーワード(3)（和/英） | 摘粒支援 / grape detection |
| キーワード(4)（和/英） | 深層学習 / deep learning |
| キーワード(5)（和/英） | Mask R-CNN / Mask R-CNN |
| キーワード(6)（和/英） | Detectron2 / Detecton2 |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 松本 千里 / Chisato Matsumoto / マツモト チサト |
| 第1著者 所属（和/英） | 大妻女子大学 (略称： 大妻女子大) Otsuma Women's University (略称： Otsuma Women's Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 藤村 考 / Ko Fujimura / フジムラ コウ |
| 第2著者 所属（和/英） | 大妻女子大学 (略称： 大妻女子大) Otsuma Women's University (略称： Otsuma Women's Univ.) |
| 第3著者 氏名（和/英/ヨミ） | / / |
| 第3著者 所属（和/英） | (略称： ) (略称： ) |
| 第4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2022-03-03 13:00:00 |
| 発表時間 | 25分 |
| 申込先研究会 | LOIS |
| 資料番号 | LOIS2021-40 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | no.401 |
| ページ範囲 | pp.1-6 |
| ページ数 | 6 |
| 発行日 | 2022-02-24 (LOIS) |
[研究会発表申込システムのトップページに戻る]