딥 러닝을 사용한 성숙도 등급 평가를 위한 야자나무 열매 다발 더미의 주석이 달린 데이터세트

과학 데이터 10권, 기사 번호: 72(2023) 이 기사 인용

2091 액세스

4 알트메트릭

측정항목 세부정보

팜유의 품질은 팜유로 가공되는 과일의 성숙도에 크게 영향을 받습니다. 컴퓨터 비전을 활용하여 팜유 열매의 성숙도를 감지하고 분류하여 품질을 향상시키기 위한 많은 연구가 수행되었습니다. 그러나 이러한 연구의 대부분은 팜유 공장의 실제 조건에 따라 불완전하게 분류된 기름야자 신선한 과일 다발(FFB) 이미지 형태의 데이터 세트를 사용합니다. 따라서 본 연구에서는 팜유 공장의 등급 구간이 직면한 실제 조건에 따라 다양한 범주의 비디오 및 이미지 형식으로 팜유 공장에서 직접 얻은 새로운 완전한 데이터 세트를 소개합니다. 비디오 데이터 세트는 단일 카테고리의 FFB 비디오가 있는 45개의 비디오와 각 비디오에 대해 여러 카테고리가 있는 FFB 컬렉션이 있는 56개의 비디오로 구성됩니다. 동영상은 .mp4 형식의 1280×720 픽셀 크기의 스마트폰을 사용하여 수집됩니다. 또한 이 데이터세트에는 기름야자 열매의 성숙도 수준을 기준으로 설익은 것, 덜 익은 것, 익은 것, 과숙한 것, 빈 다발, 비정상적인 과일 등 6가지 범주로 주석을 달고 라벨을 붙였습니다.

양질의 팜유를 생산하려면 성숙한 팜 열매가 필요합니다. 기름야자 열매 다발(FFB)의 성숙도는 일반적으로 다발에서 떨어지는 느슨한 과일의 수에 따라 결정됩니다1. 또한, 열매의 색깔이 검은색에서 주황색으로 변하는 것에서도 성숙함을 알 수 있습니다. 일반적으로 FFB의 성숙도는 과일 색상을 육안으로 검사하여 결정합니다. 색상 성숙도를 육안으로 검사하는 것은 FFB가 큰 나무 위에 있을 때 몇 가지 단점이 있으며 이는 관찰자의 인식에 따라 달라집니다. 과일이 떨어질 때까지 기다려 익은 정도를 감지하면 작물 손실이 발생할 수 있습니다. 키가 큰 나무의 익은 정도를 감지하면 거리와 조명으로 인해 관찰자가 잘 익은 과일을 확인하기가 어렵습니다. 야자나무 열매 성숙도 감지와 관련된 많은 연구가 컴퓨터 비전 접근법2,3,4,5,6,7,8,9,10,11,12 또는 광 센서 접근법13,14을 사용하여 수행되었습니다. ,15,16,17 그러나 잘 익은 과일의 고르지 못한 색상, 작게 보이는 다발의 기름야자 열매, 일부 열매의 성숙도 수준과 같은 기름야자 열매의 복잡한 특성으로 인해 만족스러운 결과를 얻지 못했습니다. 품종. Table 1은 팜오일 FFB의 성숙도를 분류하고 검출하기 위한 연구 결과를 보여준다. 데이터 세트에는 분류가 불완전하고 FBB 변형이 부족하여 실제 조건과 크게 다른 제한 사항이 있습니다.

컴퓨터 비전을 활용한 연구는 주로 입력된 이미지를 기반으로 과일의 색상을 감지하는 반면, 광센서를 활용한 연구는 기름야자 열매에 방출되는 빛의 스펙트럼 결과를 분석하여 수행됩니다. 대부분의 이전 연구에서는 기름야자 이미지 입력이나 기름야자 열매의 색상 스펙트럼을 사용했는데, 이 입력을 사용하면 감지 프로세스가 더 효율적이기 때문입니다. 입력 이미지와 함께 컴퓨터 비전 접근 방식을 사용하는 여러 이전 연구는 3개 클래스18, 즉 원시, 덜 익은 및 익은 SVM 방법을 사용하여 수행되었습니다. 성숙도 검출을 위한 딥러닝 연구는 단일 이미지 데이터세트와 함께 EfficientNet3을 사용하여 수행되었습니다. 수확 시스템을 위해 3개 클래스 데이터 세트가 포함된 YOLOv4를 사용한 실시간 야자나무 숙성 감지가 제안되었으며19 YOLOv320을 사용하여 수확 과정에서 실시간 숙성 감지에 대한 또 다른 연구가 제안되었습니다. 본 문헌 연구 결과에 따르면, 다양한 카테고리 또는 단일 카테고리의 신선한 기름야자 열매 다발 또는 컬렉션의 이미지 또는 비디오 형태의 기름야자 데이터세트가 없습니다. 이 백서에서는 남부 칼리만탄의 팜유 공장에서 직접 가져온 신선한 기름야자 열매 다발의 컬렉션 또는 더미에서 얻은 이미지 및 비디오 데이터세트를 제공합니다. 등급 구간에서는 기름야자 열매 성숙도를 6단계(미익은 것, 덜 익은 것, 익은 것, 과숙한 것, 빈 다발, 비정상적인 과일)로 설정하여 스마트폰을 사용했습니다(그림 1). YOLOv4를 사용하여 실시간으로 기름야자나무를 탐지하는 연구가 있으며, 사용된 데이터는 잘 익은 등급과 덜 익은 등급의 나무에 아직 붙어 있는 신선한 기름야자나무 열매 다발입니다11. 그러나 이 연구는 팜유 농장에서만 사용할 수 있기 때문에 완전히 적용할 수는 없습니다. 반면 팜유 공장에서 평가를 수행하려면 부적절한 성숙도 수준을 피하기 위해 2개 이상의 클래스가 필요합니다.