Study and classification of plum varieties using image analysis and deep learning techniques

Abstract

En la actualidad, gran parte de la valoración de frutas antes de la cosecha aún se realiza mediante la inspección visual de los agricultores o técnicos que examinan las piezas de fruta. Sin embargo, este proceso tiene grandes limitaciones, ya que las decisiones son altamente subjetivas y un análisis exhaustivo de toda la producción, o incluso una parte significativa de ella, resulta inaccesible. Por lo tanto, las técnicas de visión por computadora y aprendizaje automático se están introduciendo cada vez más en este proceso. En este trabajo, abordamos el problema de identificar automáticamente variedades de ciruelas en etapas tempranas de madurez, lo cual incluso resulta difícil para el experto humano. Para enfrentar esa identificación, proponemos un procedimiento de dos pasos. En primer lugar, se procesan las imágenes capturadas para identificar la región donde aparece la ciruela. En segundo lugar, determinamos la variedad de ciruela utilizando una red neuronal convolucional profunda. Los resultados experimentales muestran que el sistema propuesto logra un comportamiento notable, con valores de precisión que oscilan entre el 91% y el 97%.

Currently much of the pre-harvest fruit valuation is still done by farmers or technicians that visually inspect the pieces of fruit. However, this process has great limitations since their decisions have high subjectivity and a thorough analysis of the whole production, or even a significant part of it, is unapproachable. Therefore, computer vision and machine learning techniques are increasingly being introduced into this process. In this work, we deal with the problem of automatically identifying plum varieties at early maturity stages, which is even difficult for the human expert. To face that identification, we propose a two-step procedure. Firstly, captured images are processed to identify the region where the plum appears. Secondly, we determine the plum variety using a deep convolutional neural network. Experimental results show that the proposed system achieves a remarkable behavior, with accuracy values that range from 91 to 97%.