딥러닝 기반 과일 선별 시스템 (Fruit Classification System Using Deep Learning)

서지정보

· 발행기관 : 한국지식정보기술학회
· 수록지 정보 : 한국지식정보기술학회 논문지 / 13권 / 5호 / 589 ~ 595페이지
· 저자명 : 정수호, 이명훈, 여현

초록

인공지능 기술 중 딥러닝 기술은 이미지 인식분야에서 좋은 성과를 보이고 있다. 본 논문에서는 이러한 딥러닝 기술을 활용하는 텐서플로우 기반 모델인 Inception-v3모델을 재학습한 학습모델을 사용하여 과일의 특징에 따라 4가지로 분류하는 과일 선별 시스템을 구축한다. 이를 위해 4가지 클래스의 사과 이미지 데이터 1,280개를 바탕으로 학습 반복횟수를 500번 진행한 학습모델을 설계하였으며, 사용자가 직접 촬영한 과일 이미지 데이터를 바탕으로 모델 평가 실험을 진행하였다. 실험은 정확한 모델 평가를 위해 세 가지 방향에서 촬영한 이미지를 기준으로 진행하였다. 실험 결과 학습모델의 정확도는 90% 이상으로 정확하게 나타났지만 한 가지 과일에서 방향에 따라 다른 분류 결과를 보였기 때문에 향후 이미지 방향에 따른 분류 알고리즘의 필요성을 제시하였다. 이러한 딥러닝 기반 과일 선별 시스템을 농가에 활용한다면 농가 노동력 부족으로 인한 과일 품질 분류기가 필수가 되어있는 현실에서 저비용으로 높은 정확도의 과일 품질 선별 시스템의 구축이 가능할 것이다.

영어초록

Deep learning technology among artificial intelligence technologies has shown good results in image recognition field. In this paper, we use a learning model that is based on a Tensorflow based model that utilizes this deep learning technique and that has been repaired by Inception-v3 model. Based on the characteristics of the fruit, we construct a fruit classification system that classifies into four categories : Healthy apple, Damaged apple, Diseased apple and Discolored apple. To do this, we designed a learning model in which the number of learning iterations was 500 times based on 1,280 apple image data of four kinds and conducted a model evaluation experiment based on the fruit image data taken by the user. Experiments were based on images taken in three directions for accurate model evaluation. Experimental results show that the accuracy of the learning model is more than 90%. However, since fruit showed different classification results according to direction, it suggested the necessity of classification algorithm according to image direction in the future. If such a deep learning based fruit classification system is applied to farmers, fruit quality classifiers due to farm labor shortage are essential, and it will be possible to construct a fruit quality screening system with high accuracy and low cost.

참고자료

· 없음