과학 보고서의 Visual Tomato Maturity 평가를위한 새로운 프레임 워크 : 과일 지역 내부의 분류 결정 유지
11월 14일 과학 보고서에 발표 된 연구는 시각적 인 외관에서 토마토 성숙을 평가하기위한 지역 책임 제약 학습 프레임 워크를 제안합니다. 이 저자는 Jilin의 동북 전력 대학, 중국, 컴퓨터 과학의 학교, 그것의 도서관 및 Jianxun Lou와 같은 Jianxun Lou와 함께 전기 공학의 학교를 기반으로합니다.
시각적 외관을 기반으로 한 정확한 토마토 성숙 평가는 농업 생산의 품질 관리에 필수적이지만 배경 clutter 및 주변 성숙도 cues 때문에 복잡한 시각 조건에서 도전합니다. 이 저자는 많은 기존 방법이 배경 간섭을 거의 억제 할 수 있음을 주목하지만, 분류 결정이 성숙 과일 영역 내에서 형성되도록 명시 적 메커니즘 부족.
프레임 워크는 클래스 활성화 맵 (CAM)에 의해 특징 결정적인 영역 통합 및 훈련 중에 일관성을 시행하고, 입력 또는 중간 기능 표현을 수정하지 않고 분류 결정이 형성되는 곳을 규제합니다.
Experiments는 실제 토마토 데이터 세트에서 수행되었으며 제안 된 프레임 워크는 여러 백본 아키텍처에서 분류 성능을 지속적으로 향상시킵니다. 통계적으로 중요한 이익은 inference 도중 추가적인 계산 비용을 소개하지 않고 달성됩니다.
UXPA(사용자경험전문가협회)는 제품 및 서비스 UX를 리서치, 디자인, 평가하는 인력을 지원한다. 이 문서는 1 월 14, 2026, 10 월 12, 2026에 허용, 디지털 개체 식별자 10.1038 / s41598-026-76301-6와 11 월 14, 2026에 게시.
이 문서는 Creative Commons Attribution 4.0 International License 하에 오픈 액세스 및 저자는 이해를 선언하지 않습니다.
사진: 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.
