[Разработка мобильных приложений, Смартфоны, Научно-популярное] Приложение для смартфона прогнозирует урожайность винограда машинным зрением
Автор
Сообщение
news_bot ®
Стаж: 6 лет 3 месяца
Сообщений: 27286
Команда исследователей из инженеров Корнелльского университета разработала дешёвое и простое приложение для раннего прогнозирования урожайности винограда. Приложение работает на основе методов машинного обучения и оптического отслеживания. 
Традиционно урожайность винограда считают вручную. Рабочие подсчитывают количество виноградных гроздей на выделенной территории. После собранные данные делят на число просчитанных кустов и получают среднее количество гроздей на куст. Это число умножают на общее количество кустов и получают среднее число гроздей на участке. Метод ручного подсчёта неточный. Частота ошибок составляет до 23,5 % от объёма урожая. Кроме того, рабочие считают количество гроздьев на кустах неточно. Например, в ходе эксперимента исследователи обнаружили, что на кустах из четырех виноградных лоз на 320 гроздьев рабочие насчитывают от 237 до 309 гроздьев. Для решения проблем с оценкой и прогнозированием урожая винограда команда инженеров и ботаников создала приложение для смартфона, основанное на методах машинного обучения и оптического отслеживания. Для разработанного метода потребуется смартфон с приложением и трактор или робот, чтобы ездить между кустами. Свёрточная нейронная сеть на основе алгоритма Faster R-CNN ищет грозди винограда. Далее обнаруженные объекты отслеживаются от кадра к кадру для предотвращения повторений. 
(А) Схематическое изображение установки для автоматического подсчета кустов и побегов на виноградниках. (B) Кадр из записанного видео с примерами гроздьев и побегов, выделенными прямоугольниками. Faster R-CNN обучали при помощи модели TensorFlow1, обученной до этого на наборе данных COCO. Предварительное обучение модели увеличило итоговую скорость обнаружения. Система изучила 611 изображений с 4580 гроздьями и 1158 изображений с 6746 побегами. Чтобы программа могла различать сорта винограда, в течение двух лет её обучали на изображениях виноградных лоз с двух виноградников. Гроздья и побеги отмечали вручную в два этапа. Ограничивающие прямоугольники выбраны так, чтобы минимально охватить видимую часть грозди и самый большой белый лист вверху побега. Данные собирались в течение двух лет разными людьми, которые по-разному располагали камеру при проезде между кустами. Ярлыки изображений создавали через программу на Python с открытым исходным кодом LabelImg2. Обучение сети заняло 5,5 часов на рабочей станции с восьмиядерным Xeon с Nvidia GeForce GTX 1080.Созданный автоматический метод подсчёта через приложение лучше справляется с нахождением побегов и гроздьев, чем ручной. Частота ошибок в среднем составляет 4,9 %, максимум ошибок — не выше 12,5 %. Чтобы добиться такой же точности, рабочим необходимо вручную посчитать 70 % всего виноградника. Исследователи связывают часть ошибок с качеством видеосъёмки и постановкой кадра.Созданная программа стала самым дешёвым и доступным способом подсчёта и прогнозирования урожайности. Приложение фиксирует не только крупные чёрные и красные грозди, но и зелёные, которые только начали свой рост. Дальнейшее обучение позволит распознавать больше сортов и повышать точность подсчётов. В настоящее время исследователи занимаются вопросами лицензирования и распространения технологии на мелких и крупных хозяйствах. Результаты исследования опубликованы в статье «Low-Cost, Computer Vision-Based, Prebloom Cluster Count Prediction in Vineyards»в журнале Frontiers in Agronomy Doi.org/10.3389/fagro.2021.648080.
===========
Источник:
habr.com
===========
Похожие новости:
- [Научно-популярное] Раскрыта новая роль сальп в океанской пищевой цепочке
- [Научно-популярное, Астрономия] ALMA обнаружила самую древнюю спиральную галактику
- [Разработка мобильных приложений, Разработка под Android, Дизайн мобильных приложений, Монетизация мобильных приложений] Google I/O 2021: что нового для Android-разработчиков
- [Научно-популярное, Биотехнологии, Здоровье] Дыхательная недостаточность: кишечник в помощь легким
- [Научно-популярное, Социальные сети и сообщества, Здоровье] Три доказательства некорректности тезиса врождённости гомосексуализма
- [Научно-популярное] Странная межзвездная комета намекает на наличие системы, похожей на нашу
- [Научно-популярное] В Курчатовском институте запустили новую экспериментальную модель реактора токамак Т-15МД
- [Java, Разработка мобильных приложений, Kotlin] «Почему Kotlin хуже, чем Java?» (перевод)
- [Программирование, Разработка мобильных приложений, Разработка под Android] Google I/O: что нового представили Android-разработчикам (перевод)
- [Научно-популярное, 3D-принтеры, Мозг, Здоровье] Роботизированный палец меняет представления мозга о руке
Теги для поиска: #_razrabotka_mobilnyh_prilozhenij (Разработка мобильных приложений), #_smartfony (Смартфоны), #_nauchnopopuljarnoe (Научно-популярное), #_prilozhenija (приложения), #_mobilnye_prilozhenija (мобильные приложения), #_selskoe_hozjajstvo (сельское хозяйство), #_vinogradniki (виноградники), #_vinograd (виноград), #_smartfony (смартфоны), #_botanika (ботаника), #_razrabotka_prilozhenij (разработка приложений), #_razrabotka_mobilnyh_prilozhenij (
Разработка мобильных приложений
), #_smartfony (
Смартфоны
), #_nauchnopopuljarnoe (
Научно-популярное
)
Вы не можете начинать темы
Вы не можете отвечать на сообщения
Вы не можете редактировать свои сообщения
Вы не можете удалять свои сообщения
Вы не можете голосовать в опросах
Вы не можете прикреплять файлы к сообщениям
Вы не можете скачивать файлы
Текущее время: 20-Май 02:10
Часовой пояс: UTC + 5
| Автор | Сообщение |
|---|---|
|
news_bot ®
Стаж: 6 лет 3 месяца |
|
|
Команда исследователей из инженеров Корнелльского университета разработала дешёвое и простое приложение для раннего прогнозирования урожайности винограда. Приложение работает на основе методов машинного обучения и оптического отслеживания.  Традиционно урожайность винограда считают вручную. Рабочие подсчитывают количество виноградных гроздей на выделенной территории. После собранные данные делят на число просчитанных кустов и получают среднее количество гроздей на куст. Это число умножают на общее количество кустов и получают среднее число гроздей на участке. Метод ручного подсчёта неточный. Частота ошибок составляет до 23,5 % от объёма урожая. Кроме того, рабочие считают количество гроздьев на кустах неточно. Например, в ходе эксперимента исследователи обнаружили, что на кустах из четырех виноградных лоз на 320 гроздьев рабочие насчитывают от 237 до 309 гроздьев. Для решения проблем с оценкой и прогнозированием урожая винограда команда инженеров и ботаников создала приложение для смартфона, основанное на методах машинного обучения и оптического отслеживания. Для разработанного метода потребуется смартфон с приложением и трактор или робот, чтобы ездить между кустами. Свёрточная нейронная сеть на основе алгоритма Faster R-CNN ищет грозди винограда. Далее обнаруженные объекты отслеживаются от кадра к кадру для предотвращения повторений.  (А) Схематическое изображение установки для автоматического подсчета кустов и побегов на виноградниках. (B) Кадр из записанного видео с примерами гроздьев и побегов, выделенными прямоугольниками. Faster R-CNN обучали при помощи модели TensorFlow1, обученной до этого на наборе данных COCO. Предварительное обучение модели увеличило итоговую скорость обнаружения. Система изучила 611 изображений с 4580 гроздьями и 1158 изображений с 6746 побегами. Чтобы программа могла различать сорта винограда, в течение двух лет её обучали на изображениях виноградных лоз с двух виноградников. Гроздья и побеги отмечали вручную в два этапа. Ограничивающие прямоугольники выбраны так, чтобы минимально охватить видимую часть грозди и самый большой белый лист вверху побега. Данные собирались в течение двух лет разными людьми, которые по-разному располагали камеру при проезде между кустами. Ярлыки изображений создавали через программу на Python с открытым исходным кодом LabelImg2. Обучение сети заняло 5,5 часов на рабочей станции с восьмиядерным Xeon с Nvidia GeForce GTX 1080.Созданный автоматический метод подсчёта через приложение лучше справляется с нахождением побегов и гроздьев, чем ручной. Частота ошибок в среднем составляет 4,9 %, максимум ошибок — не выше 12,5 %. Чтобы добиться такой же точности, рабочим необходимо вручную посчитать 70 % всего виноградника. Исследователи связывают часть ошибок с качеством видеосъёмки и постановкой кадра.Созданная программа стала самым дешёвым и доступным способом подсчёта и прогнозирования урожайности. Приложение фиксирует не только крупные чёрные и красные грозди, но и зелёные, которые только начали свой рост. Дальнейшее обучение позволит распознавать больше сортов и повышать точность подсчётов. В настоящее время исследователи занимаются вопросами лицензирования и распространения технологии на мелких и крупных хозяйствах. Результаты исследования опубликованы в статье «Low-Cost, Computer Vision-Based, Prebloom Cluster Count Prediction in Vineyards»в журнале Frontiers in Agronomy Doi.org/10.3389/fagro.2021.648080. =========== Источник: habr.com =========== Похожие новости:
Разработка мобильных приложений ), #_smartfony ( Смартфоны ), #_nauchnopopuljarnoe ( Научно-популярное ) |
|
Вы не можете начинать темы
Вы не можете отвечать на сообщения
Вы не можете редактировать свои сообщения
Вы не можете удалять свои сообщения
Вы не можете голосовать в опросах
Вы не можете прикреплять файлы к сообщениям
Вы не можете скачивать файлы
Вы не можете отвечать на сообщения
Вы не можете редактировать свои сообщения
Вы не можете удалять свои сообщения
Вы не можете голосовать в опросах
Вы не можете прикреплять файлы к сообщениям
Вы не можете скачивать файлы
Текущее время: 20-Май 02:10
Часовой пояс: UTC + 5