| 講演抄録／キーワード |
| 講演名 |
2026-10-08 13:45
深層学習を用いた洋ナシ果実の等級判定支援システムの構築
○小沼周太朗・山﨑達也（新潟大） |
| 抄録 |
（和） |
洋ナシ栽培では，出荷時に外観の汚損や形状に基づく等級判定が必要となる場合がある．特に小規模農家においては，短期間に数万個の果実を個別判定する必要があり，作業者の大きな負担となっている．本研究では，この作業を自動化し負担軽減を図るため，洋ナシ果実の等級判定システムを提案する．提案システムでは，従来対象とされていた外観汚損に加え，形状評価において重要となる「すじ」に着目する．本システムは，3台のカメラで果実の側面を撮影し，深層学習を用いて果実領域，外観汚損，及びすじを検出する．更に，外観汚損の面積割合，すじの深さ，及びすじ長比を算出し，出荷規格に基づいた等級判定を行う．農家で栽培された洋ナシ100個を用いて評価した結果，等級判定精度83.0％，果実1個当たりの平均処理時間0.757秒を達成し，実用的な処理速度による自動判定を実現した． |
| （英） |
Pear grading based on external defects and shape can impose a substantial workload on small-scale farmers, who must individually inspect tens of thousands of fruits within a short shipping period. This study proposes an automated grading support system to reduce this burden. The system captures the sides of each pear using three cameras and applies deep learning to detect the fruit region, external defects, and furrows. It then calculates the defect area ratio, furrow depth, and furrow length ratio and determines the grade according to shipping standards. In an evaluation using images of 100 farm-grown pears, the system achieved a grading accuracy of 83.0% and an average processing time of 0.757 s per fruit, demonstrating automatic grading at a practical processing speed. |
| キーワード |
（和） |
洋ナシ / 等級判定 / 深層学習 / 外観汚損 / すじ / / / |
| （英） |
Pear / Grading / Deep Learning / External Defects, / Furrow / / / |
| 文献情報 |
映情学技報 |
| 資料番号 |
|
| 発行日 |
|
| ISSN |
Online edition: ISSN 2424-1970 |
| PDFダウンロード |
|