Apple flower detection using deep convolutional networks

برای بهینه سازی تولید میوه، بخشی از گل و درختان سیب باید در اوایل فصل رشد حذف شوند. نسبت به برداشت توسط شدت شکوفه، به عنوان مثال، تعداد گل در باغچه تعیین می شود. چندین سیستم بینایی کامپیوتری اتوماتیک برای پیش بینی میزان شدت شکوفایی پیشنهاد شده است، اما عملکرد کلی آنها حتی در محیط های نسبتا کنترل شده هنوز هم رضایتبخش است. با هدف طراحی یک تکنیک برای تعیین هویت گل که به شدت درهم تلطیف و تغییرات در نور می باشد، این مقاله یک روش ارائه می دهد که در آن یک شبکه عصبی کانولوشون قبل از آموزش مورد توجه قرار گرفته و مخصوصا به گل ها حساس می شود. نتایج تجربی در یک مجموعه داده چالش برانگیز نشان می دهد که روش ما به طور قابل توجهی بهتر از سه روش است که نشان دهنده وضعیت هنر در تشخیص گل با نرخ یادآوری و دقت بیش از 90٪ است. علاوه بر این، ارزیابی عملکرد در سه مجموعه داده های قبلی که قبلا توسط شبکه مشاهده نشد و شامل گونه های مختلف گل و تحت شرایط مختلف بود، نشان می دهد که روش پیشنهادی از نظر قابلیت تعمیم بسیار فراتر از روش های پایه است.