Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
エッジ検出を用いた小ねぎ分岐部の検出
Search
Takuto ANDO
January 11, 2025
Research
0
36
エッジ検出を用いた小ねぎ分岐部の検出
Takuto ANDO
January 11, 2025
Tweet
Share
More Decks by Takuto ANDO
See All by Takuto ANDO
DPUを用いたマルチタスクDNN表情認識システムのFPGA実装
takuto_andtt
0
88
Facial Expression Recognition System Using DNN Accelerator with Multi-threading on FPGA
takuto_andtt
0
11
小ねぎ調製位置検出のためのインスタンスセグメンテーション
takuto_andtt
0
65
Other Decks in Research
See All in Research
Practical The One Person Framework
asonas
1
2.1k
Human-Informed Machine Learning Models and Interactions
hiromu1996
2
570
eAI (Engineerable AI) プロジェクトの全体像 / Overview of eAI Project
ishikawafyu
0
370
Weekly AI Agents News! 10月号 論文のアーカイブ
masatoto
1
500
2024/10/30 産総研AIセミナー発表資料
keisuke198619
1
450
Evaluating Tool-Augmented Agents in Remote Sensing Platforms
satai
2
150
CUNY DHI_Lightning Talks_2024
digitalfellow
0
440
Elix, CBI2024, スポンサードセッション, Molecular Glue研究の展望:近年の進展とAI活用の可能性
elix
0
130
CoRL2024サーベイ
rpc
1
1.5k
2038年問題が思ったよりヤバい。検出ツールを作って脅威性評価してみた論文 | Kansai Open Forum 2024
ran350
8
3.8k
Weekly AI Agents News! 1月号 アーカイブ
masatoto
1
160
チュートリアル:Mamba, Vision Mamba (Vim)
hf149
6
2.1k
Featured
See All Featured
Into the Great Unknown - MozCon
thekraken
35
1.6k
Refactoring Trust on Your Teams (GOTO; Chicago 2020)
rmw
33
2.8k
Making the Leap to Tech Lead
cromwellryan
133
9.1k
Building Applications with DynamoDB
mza
93
6.2k
Fashionably flexible responsive web design (full day workshop)
malarkey
406
66k
How STYLIGHT went responsive
nonsquared
98
5.4k
Building Adaptive Systems
keathley
40
2.4k
How to Think Like a Performance Engineer
csswizardry
22
1.3k
Making Projects Easy
brettharned
116
6k
A better future with KSS
kneath
238
17k
Reflections from 52 weeks, 52 projects
jeffersonlam
348
20k
GraphQLの誤解/rethinking-graphql
sonatard
68
10k
Transcript
エッジ検出を用いた こねぎ分岐部の抽出 井上研究室 情報工学科 5年 5番 安藤拓翔
1. 背景と目的 • 現行のこねぎの皮むき機は精度が低い • 皮むき機で取り除けなかった葉は人手で除去 → 多大な人件費を要する 本研究の背景 現行の皮むき機
1/23
1. 背景と目的 こねぎの皮むき ノズル • ノズルによる高水圧・エアーで不要な葉を除去 • 最上部の分岐部の直下に最上部のノズルを配置 イメージ図 上部
下部 2/23
1. 背景と目的 こねぎ外葉における最上位分岐部位置の検出手法を検討し, その有効性を検証すること. 本研究の目的 3/23
2.仮説と分岐部の検出手法 • 外葉における分岐部には特有の斜線のような繊維が存在 • 分岐部斜線を抽出することで分岐部位置を検出可能と仮定 仮説:分岐部斜線の抽出で分岐部検出可能 分岐部斜線 エッジ検出を用いた 分岐部斜線検出システムを開発 4/23
3.関連研究 • コンクリート壁面のひび割れを抽出 • エッジ情報(連結情報)を用いた検出アルゴリズムを提案 関連研究:エッジ検出によるひび割れ抽出[1] [1]石川 裕治, 布留川 信悟,
宮崎 早苗, "デジタルカメラ画像からの不規則線分抽 出手法の一検討,第67回全国大会講演論文集, pp.27-28, 2005. 原画像 ひび割れ二値化画像 5/23
3.関連研究 • こねぎ実画像はコンクリート壁面よりノイズ要因が多い • 分岐部斜線はひび割れより輝度差が小さい 本研究の立ち位置 こねぎ分岐部斜線に対して 耐ノイズ性能と抽出精度が高い検出アルゴリズムを考案 本手法では 分岐部斜線
6/23
4. 分岐部斜線抽出システム 1 マスク処理と分岐部位置推定領域の抽出 2 Sobelフィルタによるエッジ検出 3 エッジ特徴量によるノイズと分岐部斜線の分類 システムのアルゴリズム 4
最上部エッジの出力 7/23
4. 分岐部斜線抽出システム 1.マスク処理と分岐部位置推定領域の抽出 • エッジ検出時にノイズ要因になる領域を除去 • 壁面の汚れ,葉の輪郭,葉の表面の傷など 壁面の汚れ 葉の輪郭 葉の表面の傷
8/23
4. 分岐部斜線抽出システム 1.マスク処理と分岐部位置推定領域の抽出 • 壁面の汚れ 根 葉の表面の傷 緑色領域抽出マスク • 葉の輪郭
葉の輪郭マスク 緑色領域抽出 葉の輪郭 入力画像 マスク適応後画像 マスク処理 ⇒ ⇒ 9/23
4. 分岐部斜線抽出システム 1.マスク処理と分岐部位置推定領域の抽出 • 最上部分岐部の位置は個体によって大差ない • 最上部分岐部が位置する可能性がある領域を抽出 分岐部は無いと推定 10/23
4. 分岐部斜線抽出システム 2. Sobelフィルタによるエッジ検出 • 縦方向のSobelフィルタを適応(縦方向の微分フィルタ) 縦方向のみ 検出対象 横方向の輝度差が小さな分岐部斜線の検出に対して頑健 検出して二値化
11/23
4. 分岐部斜線抽出システム • エッジ分類のためラベリングを実施 ラベリング処理(8連結) 3.エッジ特徴量によるノイズと分岐部斜線の分類 12/23
①面積 ②周囲長 ③エッジの角度 4. 分岐部斜線抽出システム • ラベル付けされた各エッジの特徴量を抽出 • 各エッジの2次元座標データから抽出 分岐部斜線エッジと
ノイズエッジの分類に用いる エッジ特徴量 3.エッジ特徴量によるノイズと分岐部斜線の分類 13/23
4. 分岐部斜線抽出システム エッジ特徴量による分類と除去 ➢ 面積と周囲長 • 分岐部斜線は一定の周囲長と面積 • 閾値を設定してノイズエッジを除去 30px
< 面積 < 300px かつ 30px < 周囲長 か? エッジ ノイズとして除去 No 分類条件 Yesであれば残す 3.エッジ特徴量によるノイズと分岐部斜線の分類 14/23
4. 分岐部斜線抽出システム エッジ特徴量による分類と除去 ➢ エッジの角度 • 繊維斜線(ノイズ)は形状が分岐部斜線と類似 • 大半の繊維斜線はエッジの角度で区別可能 面積と周囲長でのノイズ除去後
角度の例 3.エッジ特徴量によるノイズと分岐部斜線の分類 繊維斜線(ノイズ) 分岐部斜線 15/23
4. 分岐部斜線抽出システム エッジ特徴量による分類と除去 ➢ エッジの角度 35° < 角度 < 75°
か? エッジ ノイズとして除去 No 分類条件 Yesであれば 分岐部斜線として出力 • 35°未満の分岐部斜線は希少 • 75°以上の分岐部斜線は縦方向のSobelフィルタで検出困難 3.エッジ特徴量によるノイズと分岐部斜線の分類 16/23
4. 分岐部斜線抽出システム 4.最上部エッジの位置出力 • ノイズ除去後に残るエッジは分岐部斜線 • 最上部のエッジを出力 最上部のエッジ 17/23
5. 実験と結果 実験目的 分岐部斜線検出における本手法の有効性の評価 18/23
4. 実験と結果 実験方法 • こねぎ175本に対して実施 • 最上部のエッジの位置と事前に目測で入力した 分岐部の位置(正解位置)との誤差を出力 • 誤差1.0cm未満であれば検出成功
上下誤差 1.0cm 正解位置 19/23
4. 実験と結果 結果 • 検出成功率 92% • 本手法の分岐部斜線検出に対する有効性が示された 20/23
4. 実験と結果 分類処理の効果 • 分類処理(ノイズ除去)なしでの精度は30%程度 • エッジ特徴量を組み合わせると精度向上 分類項目 割合 分類処理なし
28% 面積 68% 周囲長 71% 面積と周囲長 84% 面積と周囲長とエッジの角度(本手法) 92% 21/23
4. 実験と結果 検出失敗例 • 分岐部斜線が外葉に隠れていると検出不可 • 分岐部斜線が葉の表面と輝度差が小さい(薄い)と検出困難 葉に分岐部斜線が隠れている 22/23
5. まとめ • エッジ検出とエッジ特徴量による分類を用いた アルゴリズムを提案 • 面積,周囲長,エッジの角度が分岐部斜線の 特徴量として有効 • 分岐部斜線検出の手法として有効性を示すことができた
今後の課題 アルゴリズム見直しによる分岐部斜線検出の精度の向上 23/23