Palavras-chave
Deep learning
Embrapa WGISD dataset
Como Citar
Resumo
We investigate deep neural networks applied to fruit detection in viticulture. We also developed the Embrapa WGISD dataset, composed of images collected in April 2017/2018 at the Guaspari Winery. Annotated manually, the dataset has 5 different varieties of grape: Syrah, Chardonnay, Cabernet Franc, Cabernet Sauvignon, and Sauvignon Blanc, totaling 4419 samples of grape bunches. We trained YOLOv2 and YOLOv3 to detect and locate the bunches in the images. YOLOv2 achieved up to 88% accuracy and YOLOv3 92% accuracy. Qualitative tests demonstrated that the YOLOv2 network generalizes better for the dataset used, and the YOLOv3 network provides a better-adjusted location.
Referências
Dos Santos et al., “Detecção automática de uvas e folhas em viticultura com uma rede neural YOLOv2”. In: Embrapa Informática Agropecuária – Artigo em anais de congresso, 2018.
Redmon, J.; Farhadi, A., “YOLO9000: better, faster, stronger”. In: Computer Vision and Pattern Recognition. 2017. p. 7263-7271.
Redmon, J.; Farhadi, A., “YOLOv3: An incremental improvement”. arXiv:1804.02767, 2018.
Todos os trabalhos são de acesso livre, sendo que a detenção dos direitos concedidos aos trabalhos são de propriedade da Revista dos Trabalhos de Iniciação Científica da UNICAMP.