[論文レビュー] Image-Based Classification of Olive Species Specific to Turkiye with Deep Neural Networks

İrfan Atabaş, Hatice Karatas|arXiv (Cornell University)|Feb 26, 2026

Smart Agriculture and AI被引用数 0

ひとこと要約

本研究はステレオ画像データと転移学習済みCNN（MobileNetV2，EfficientNetB0）を用いてTurkiyeの5種オリーブを分類し、EfficientNetB0が94.5％の精度を達成。

ABSTRACT

In this study, image processing and deep learning methodologies were employed to automatically classify local olive species cultivated in Turkiye. A stereo camera was utilized to capture images of five distinct olive species, which were then preprocessed to ensure their suitability for analysis. Convolutional Neural Network (CNN) architectures, specifically MobileNetV2 and EfficientNetB0, were employed for image classification. These models were optimized through a transfer learning approach. The training and testing results indicated that the EfficientNetB0 model exhibited the optimal performance, with an accuracy of 94.5%. The findings demonstrate that deep learning-based systems offer an effective solution for classifying olive species with high accuracy. The developed method has significant potential for application in areas such as automatic identification and quality control of agricultural products.

研究の動機と目的

• Turkiyeで栽培される局所的なオリーブ種の自動識別を動機づける。
• ディープラーニングを用いた種分類のための画像ベースのパイプラインを開発する。
• 最も性能の高いモデルを特定するために複数のCNNアーキテクチャを評価する。
• この農業画像タスクにおける転移学習の有効性を評価する。

提案手法

• ステレオカメラを用いて5種のオリーブ種の画像を取得する。
• CNN解析に適した前処理を行う。
• 転移学習を用いてMobileNetV2とEfficientNetB0のアーキテクチャを訓練・比較する。
• 精度を決定するためにホールドアウトのテストセットでモデルを評価する。
• 精度とロバスト性に基づいて最も性能の高いモデルを特定する。

実験結果

リサーチクエスチョン

• RQ1 画像データを用いてTurkiyeの5種オリーブを深層学習モデルで正確に分類できるか。
• RQ2 このタスクでどのCNNアーキテクチャ（MobileNetV2対EfficientNetB0）がより高い分類精度を示すか。
• RQ3 テストセットで達成される最も性能の高いモデルの精度はどれくらいか。
• RQ4 転移学習はこのオリーブ種分類問題の性能向上に寄与するか。

主な発見

• EfficientNetB0は検討されたモデルの中で最高の精度を達成し、94.5％である。
• MobileNetV2とEfficientNetB0の両方について、このタスクに対して転移学習を検討した。
• CNNベースの分類に適したデータを得るためにステレオ撮影を使用した。
• 前処理手順により画像は深層学習解析に適したものとなった。