Rilevatore di dimensioni di mele personalizzato | Spectre Computer Vision

Dopo aver dimostrato che le mele potevano essere rilevate con successo utilizzando un set di dati pre-addestrato e aver acquisito dati personalizzati sufficienti, è stato costruito un secondo rilevatore di oggetti. Invece di fare previsioni basate sul modello pre-addestrato, è stato sviluppato un modello personalizzato utilizzando le immagini dei contenitori di mele scattate nella regione di Nelson.

Delle 3000 immagini del contenitore di mele, dieci sono state inizialmente selezionate per formare un sottoinsieme di addestramento. le immagini sono state selezionate manualmente per coprire una gamma di condizioni, includendo quante più variazioni di illuminazione/tempo, angolazione della telecamera e scala.

Circa 1000 etichette di annotazione individuali per le mele sono state poi realizzate sulle dieci immagini iniziali

Contenitore per mele con etichette manuali disegnate

Con il sottoinsieme di addestramento personalizzato correttamente etichettato, il modello pre-addestrato è stato riaddestratoQuesto si chiama trasferimento dell'apprendimentoIl vantaggio principale è che per riaddestrare un modello pre-addestrato è necessario solo un piccolo sottoinsieme di addestramento personalizzato (nel nostro caso 10 immagini).

Rilevamento di mele con un modello personalizzato basato su un modello pre-addestrato (esempio di output 1)

Una volta sviluppato il modello, sono state selezionate nuove immagini per ulteriori test di rilevamento. Le immagini seguenti mostrano il rilevamento automatico del modello riaddestrato con maschere e riquadri di delimitazione applicati alle singole mele. vengono utilizzati vari colori per aiutare a visualizzare le diverse mele rilevato e non rappresenta in alcun modo le dimensioni o la qualità.

Rilevamento di mele con un modello personalizzato basato su un modello pre-addestrato (esempio di output 2)