Визначення гіперпараметрів CNN для класифікації якості тютюнового листя на комп'ютері Nvidia Jetson Nano
DOI:
https://doi.org/10.15587/1729-4061.2023.289017Ключові слова:
швидка класифікація тютюнового листя, згорткова нейронна мережа, Nvidia Jetson NanoАнотація
На даний момент спостерігаються деякі неточності при ручній класифікації для відбору тютюнового листя за якістю, що зумовлені такими факторами, як втома людини або погане освітлення. Це призводить до необхідності використання іншого, більш послідовного, швидкого та надійного методу.
Дане дослідження є реалізацією CNN (згорткової нейронної мережі) для класифікації свіжого тютюнового листя за ступенем зрілості. Основною метою є розробка ефективної моделі CNN, що дозволяє автоматизувати класифікацію тютюнового листя за трьома критеріями зрілості: незрілі, зрілі та старі.
Ця методологія складається з кількох ключових факторів, включаючи стратегії визначення колірного порогу для видалення фонового шуму, базові підходи до обробки зображень, систематизований скринінг різних розмірів вхідних даних та моделей CNN для покращення результатів.
Результат дослідження доводить, що після 200 сеансів навчання точність розробленої моделі CNN становить 97,9 %. Модель навчена на наборі даних, що містить 1249 фотографій свіжого листя, із збалансованим співвідношенням 80:10:10 для навчальних, перевірочних та тестових даних. У дослідженні наголошується, що модель CNN успішно підтримує розпізнавання тютюнового листя на одноплатному комп'ютері Jetson Nano з графічним процесором (GPU).
Дослідження виходить за рамки простого теоретичного внеску в практичне застосування при сортуванні тютюнового листа Gagang Rejeb Sidi, сорту тютюну найвищої якості в Південному Малангу, Східна Ява, Індонезія. Класифікація з використанням веб-камери в якості пристрою введення показує найшвидший час обробки 203,17 мс, а максимальний – 1363 мс.
Даний алгоритм моделі CNN буде застосований у апараті для відбору тютюнового листя, що має високошвидкісний конвеєр та трипозиційний селекторний важіль. Апарат буде експлуатуватися поблизу поля у післязбиральний час при рівномірному освітленні.
В цілому, результат даного дослідження дуже важливий з точки зору швидкості і точності для розуміння товарної класифікації. Це відкриває новий погляд на прискорення процесу класифікації та покращення якості індонезійського тютюну
Спонсор дослідження
- State Polytechnic of Malang
Посилання
- Susanti, A., Waryanto, B. (Eds.) (2018). Agricultural Statistic 2018. Ministry of Agriculture Republic of Indonesia. Center for Agriculture Data and Information System.
- Sari, Y., Pramunendar, R. A. (2017). Classification Quality of Tobacco Leaves as Cigarette Raw Material Based on Artificial Neural Networks. International Journal of Computer Trends and Technology, 50 (3), 147–150. doi: https://doi.org/10.14445/22312803/ijctt-v50p126
- McMurtrey, J. E. (2023). tobacco. Encyclopedia Britannica. Available at: https://www.britannica.com/plant/common-tobacco
- Song, A.-P., Hu, Q., Ding, X.-H., Di, X.-Y., Song, Z.-H. (2020). Similar Face Recognition Using the IE-CNN Model. IEEE Access, 8, 45244–45253. doi: https://doi.org/10.1109/access.2020.2978938
- Harivanto, Sudiro, S. A., Kusuma, T. M., Madenda, S., Rere, L. M. R. (2020). Detection of Fingerprint Authenticity Based on Deep Learning Using Image Pixel Value. 2020 Fifth International Conference on Informatics and Computing (ICIC). doi: https://doi.org/10.1109/icic50835.2020.9288589
- Suardi, C., Handayani, A. N., Asmara, R. A., Wibawa, A. P., Hayati, L. N., Azis, H. (2021). Design of Sign Language Recognition Using E-CNN. 2021 3rd East Indonesia Conference on Computer and Information Technology (EIConCIT). doi: https://doi.org/10.1109/eiconcit50028.2021.9431877
- Liu, J., Shen, J., Shen, Z., Liu, R. (2012). Grading tobacco leaves based on image processing and generalized regression neural network. 2012 IEEE International Conference on Intelligent Control, Automatic Detection and High-End Equipment. doi: https://doi.org/10.1109/icade.2012.6330105
- Mustaffa, I. B., Khairul, S. F. B. M. (2017). Identification of fruit size and maturity through fruit images using OpenCV-Python and Rasberry Pi. 2017 International Conference on Robotics, Automation and Sciences (ICORAS). doi: https://doi.org/10.1109/icoras.2017.8308068
- Luo, H., Zhang, C. (2018). Features Representation for Flue-cured Tobacco Grading Based on Transfer Learning to Hard Sample. 2018 14th IEEE International Conference on Signal Processing (ICSP). doi: https://doi.org/10.1109/icsp.2018.8652385
- Suzen, A. A., Duman, B., Sen, B. (2020). Benchmark Analysis of Jetson TX2, Jetson Nano and Raspberry PI using Deep-CNN. 2020 International Congress on Human-Computer Interaction, Optimization and Robotic Applications (HORA). doi: https://doi.org/10.1109/hora49412.2020.9152915
- Valueva, M. V., Nagornov, N. N., Lyakhov, P. A., Valuev, G. V., Chervyakov, N. I. (2020). Application of the residue number system to reduce hardware costs of the convolutional neural network implementation. Mathematics and Computers in Simulation, 177, 232–243. doi: https://doi.org/10.1016/j.matcom.2020.04.031
- Pandian, J., Kumar, V., Geman, O., Hnatiuc, M., Arif, M., Kanchanadevi, K. (2022). Plant Disease Detection Using Deep Convolutional Neural Network. Applied Sciences, 12 (14), 6982. doi: https://doi.org/10.3390/app12146982
- Lu, M., Wang, C., Wu, W., Zhu, D., Zhou, Q., Wang, Z. et al. (2023). Intelligent Grading of Tobacco Leaves Using an Improved Bilinear Convolutional Neural Network. IEEE Access, 11, 68153–68170. doi: https://doi.org/10.1109/access.2023.3292340
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2023 Budhy Setiawan, Indrazno Siradjuddin, Arwin Datumaya Wahyudi Sumari, Widjanarko, Eka Mandyatma, David Fydo Putradi
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.
Ліцензійний договір – це документ, в якому автор гарантує, що володіє усіма авторськими правами на твір (рукопис, статтю, тощо).
Автори, підписуючи Ліцензійний договір з ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР», мають усі права на подальше використання свого твору за умови посилання на наше видання, в якому твір опублікований. Відповідно до умов Ліцензійного договору, Видавець ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР» не забирає ваші авторські права та отримує від авторів дозвіл на використання та розповсюдження публікації через світові наукові ресурси (власні електронні ресурси, наукометричні бази даних, репозитарії, бібліотеки тощо).
За відсутності підписаного Ліцензійного договору або за відсутністю вказаних в цьому договорі ідентифікаторів, що дають змогу ідентифікувати особу автора, редакція не має права працювати з рукописом.
Важливо пам’ятати, що існує і інший тип угоди між авторами та видавцями – коли авторські права передаються від авторів до видавця. В такому разі автори втрачають права власності на свій твір та не можуть його використовувати в будь-який спосіб.
