Detector de tamaño de manzana personalizado | Spectre Computer Vision

Una vez que demostramos que las manzanas podían detectarse correctamente utilizando un conjunto de datos preentrenado y adquirimos suficientes datos personalizados, se construyó un segundo detector de objetos. En lugar de realizar predicciones basadas en el modelo preentrenado, Se desarrolló un modelo personalizado utilizando imágenes de contenedores de manzanas tomadas en la región de Nelson.

De las 3000 imágenes de contenedores de manzanas, diez fueron seleccionadas inicialmente para formar un subconjunto de entrenamiento. Las imágenes fueron seleccionadas a mano para cubrir una variedad de condiciones e incluir tantas variaciones de iluminación/clima, ángulo de la cámara y escala..

Aproximadamente 1000 etiquetas de anotación individuales de manzana Luego se realizaron a través de las diez imágenes iniciales

Contenedor de manzanas con etiquetas manuales dibujadas

Con el subconjunto de entrenamiento personalizado etiquetado correctamente, El modelo preentrenado fue reentrenadoEsto se llama aprendizaje por transferenciaEl principal beneficio es que para volver a entrenar un modelo previamente entrenado solo se necesita un pequeño subconjunto de entrenamiento personalizado (en nuestro caso, 10 imágenes).

Detección de manzanas con un modelo personalizado basado en un modelo entrenado previamente (ejemplo de salida 1)

Una vez desarrollado el modelo, se seleccionaron nuevas imágenes para realizar pruebas de detección adicionales. Las imágenes a continuación muestran la detección automatizada del modelo reentrenado con máscaras y cuadros delimitadores ajustados sobre cada manzana. Se utilizan varios colores para ayudar a visualizar las diferentes manzanas. detectado y No representa tamaño ni calidad de ninguna manera.

Detección de manzanas con un modelo personalizado basado en un modelo entrenado previamente (ejemplo de salida 2)