메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
고광은 (Korea Institute of Industrial Technology) 양상환 (Korea Institute of Industrial Technology) 장인훈 (Korea Institute of Industrial Technology)
저널정보
제어로봇시스템학회 제어로봇시스템학회 논문지 제어로봇시스템학회 논문지 제24권 제11호
발행연도
2018.11
수록면
999 - 1,004 (6page)
DOI
10.5302/J.ICROS.2018.18.0166

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
It is important to maintain the quality of tomatoes in the market distribution process after harvest. This requires classification of the harvested into ripeness stages. This paper describes a real-time tomato ripeness classification system based on a deep learning model of single stage detection. The applied deep learning model follows the architecture of a convolutional neural network of a single stream, which demonstrates the fastest and most accurate performance in the object detection field. To validate the proposed method, a large-scale data set of 4,182 high resolution images was collected and used to train and test the deep learning model. The ripeness classification was performed was performed at a maximum computation speed of 97fps and with an average accuracy of 91.3%. This result indicates that the performance of the proposed system attained the level required for commercialization and application in the real work environment.
#tomato ropeness clssification #Deep learning #single stage detector #convolutional neural network

목차

Abstract
Ⅰ. 서론
Ⅱ. 관련연구
Ⅲ. 토마토 숙도 분류 시스템
Ⅳ. 실험 및 결과 분석
Ⅴ. 결론
REFERENCES

참고문헌 (27)

참고문헌 신청
Y. Dumas, M. Dadomo, G. Di Lucca, and P. Grolier, “Effects of environmental factors and agricultural techniques on antioxidantcontent of tomatoes,” Journal of the Science of Food and Agriculture, vol. 83, no. 5, pp. 369-382, 2003. A. Radzevi?ius, R. Karkleliene, P. Viskelis, C. Bobinas, R. Bobinaite, and S. Sakalauskiene, “Tomato (Lycoper-sicon esculentum Mill.) fruit quality and physiological parameters at different ripening stages of Lithuanian cultivars,” Agronomy Research, vol. 7, no. Special Issue II, pp. 712-718, 2009. H. Gautier, V. Diakou-Verdin, C. Benard, M. Reich, M. Buret, F. Bourgaud, J. L. Poessel, C. Caris-Veyrat, and M. Genard, “How Does Tomato Quality (Sugar, Acid, and Nutritional Quality) Vary with Ripening Stage, Temperature, and Irradiance?,” Journal of Agricultural and Food Chemistry, vol. 56, no. 4, pp. 1241-1250, 2008. H. J. Klee and J. J. Giovannoni, “Genetics and Control of Tomato Fruit Ripening and Quality Attributes,” Annual Review of Genetics, vol. 45, no. 1, pp. 41-59, 2011. F. A. Hoeberichts, L. H. W, V. Der Plas, and E. J. Woltering, “Ethylene perception is required for the expression of tomato ripening-related genes and asso-ciated physiological changes even at advanced stages of ripening,” Postharvest Biology and Technology, vol. 26, no. 2, pp. 125-133, 2002.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

토마토 수확 로봇을 위한 딥러닝 기반 토마토 인식 및 매니퓰레이터 제어 시스템 개발
김정인 ,  김정은 ,  손형일 제어로봇시스템학회 국내학술대회 논문집 2020 .07
작물객체 6D 포즈 추정 기반 토마토 수확로봇 매니퓰레이션 기술 개발
표혜란 ,  김준영 ,  고광은 외 1명 제어로봇시스템학회 국내학술대회 논문집 2021 .06
자연광 조건에서 숙도별 토마토 추적이 가능한 Instance Segmentation 기반 인식시스템
이우영 ,  고광은 ,  강재현 외 2명 제어로봇시스템학회 논문지 2020 .11
미니트램의 자율 주행을 위한 시스템 개발
김태진 ,  오현찬 ,  심현철 제어로봇시스템학회 논문지 2019 .06
마늘의 기능성 품질과 토양 성분 간의 관계
이윤경 ,  신현만 ,  우관식 외 3명 한국식품과학회지 2008 .02

최근 본 자료

전체보기

댓글(0)

0