科学的レポートにおける視覚的トマト成熟度評価のための新しいフレームワーク: 果実地域における分類の決定を維持する
11月14日に科学レポートに掲載された研究では、視覚的外観からトマトの成熟度を評価するための地域の一貫性の制約学習フレームワークを提案しています。 著者は、中国・ジリンの東北電力大学に拠点を置き、コンピューターサイエンスの学校、図書館、およびその電気工学の学校で、Jianxun Louが対応する著者として構成されています。
視覚的な外観に基づいて正確なトマト成熟度評価は、農業産生の品質管理のために不可欠です, しかし、背景の混乱とあいまいな成熟度キューのために複雑な視覚条件の下で挑戦し続けています. 著者は、既存の方法の多くは、背景の干渉をいくつかの程度抑制することができますが、成熟度上昇した果実領域内で分類決定が形成されることを確認するために明示的なメカニズムが欠けていることに注意してください。
フレームワークは、クラス・アクティベーション・マップ(CAM)と、サリテンベースの空間の優先順位を特徴とする決定関連地域を統合し、トレーニング中にそれらの間に一貫性を強制します。これにより、インプットまたは中間機能表現を変更することなく、分類決定が形成される場所を調整します。
実際のトマトデータセットで実施された実験は、提案されたフレームワークは、複数のバックボーンアーキテクチャで分類性能を一貫して向上させることを示しています。 統計的に重要な利益は、インフェレンス中に追加の計算コストを導入することなく達成されます。
著者は、フレームワークが複雑な農業条件下での視覚的成熟度評価の信頼性を高めるための効果的な方法を提供することを結論付けています。 2026年1月14日、デジタルオブジェクト識別子10.1038/s41598-026-76301-6と2026年11月14日に公開された。
記事は、クリエイティブ・コモンズ・アトリビューション 4.0 国際ライセンスの下でオープンアクセスを公開し、著者は有能な利益を宣言しません。
写真: 图：藤上的番茄植株，果实多尚未成熟、个别开始转红。来源：NPS, Public domain，维基共享资源。 / Photo: Tomato plants on the vine, mostly unripe with a few fruits starting to turn. Credit: NPS, Public domain, via Wikimedia Commons.
