Set di dati annotati di pile di grappoli di frutti di palma da olio per la classificazione della maturità utilizzando il deep learning

Dati scientifici volume 10, numero articolo: 72 (2023) Citare questo articolo

2091 accessi

4 Altmetrico

Dettagli sulle metriche

La qualità dell'olio di palma è fortemente influenzata dal livello di maturità del frutto da trasformare in olio di palma. Sono stati condotti molti studi per rilevare e classificare il livello di maturità dei frutti della palma da olio per migliorarne la qualità con l'uso della visione artificiale. Tuttavia, la maggior parte di questi studi utilizza set di dati sotto forma di immagini di grappoli di frutti freschi di palma da olio (FFB) con categorizzazione incompleta in base alle condizioni reali nei frantoi di olio di palma. Pertanto, questo studio introduce un nuovo set di dati completo ottenuto direttamente dai frantoi di olio di palma sotto forma di video e immagini con diverse categorie in base alle condizioni reali affrontate dalla sezione di classificazione del frantoio di olio di palma. Il set di dati video è composto da 45 video con un'unica categoria di video FFB e 56 video con una raccolta di FFB con più categorie per ciascun video. I video vengono raccolti utilizzando uno smartphone con una dimensione di 1280 × 720 pixel con formato .mp4. Inoltre, questo set di dati è stato anche annotato ed etichettato in base al livello di maturità dei frutti di palma da olio con 6 categorie, che sono acerbi, poco maturi, maturi, troppo maturi, grappoli vuoti e frutti anomali.

Per produrre olio di palma di qualità sono necessari frutti di palma maturi. La maturità dei grappoli di frutti di palma da olio (FFB) è solitamente determinata dal numero di frutti sfusi che cadono dal grappolo1. Inoltre la maturità si vede anche dal colore del frutto che va dal nero all'arancione. Di solito, la determinazione della maturità del FFB viene effettuata mediante ispezione visiva del colore del frutto. L'ispezione visiva della maturazione del colore presenta diversi svantaggi quando il FFB si trova su un albero alto e dipende dalla percezione dell'osservatore. Il rilevamento della maturazione aspettando che i frutti cadano può causare perdite di raccolto. Il rilevamento della maturazione negli alberi ad alto fusto rende difficile per gli osservatori accertare il frutto maturo a causa della distanza e dell'illuminazione. Sono stati condotti molti studi relativi al rilevamento della maturazione dei frutti della palma da olio, sia con un approccio di visione artificiale2,3,4,5,6,7,8,9,10,11,12 sia con un approccio con sensore di luce13,14 ,15,16,17, ma non hanno ottenuto risultati soddisfacenti a causa delle caratteristiche complesse dei frutti della palma da olio, come il colore non uniforme dei frutti maturi, i grappoli dei frutti della palma da olio che sembrano piccoli e i diversi livelli di maturità dei frutti in alcuni varietà. La tabella 1 mostra i risultati di uno studio per classificare e rilevare il livello di maturità dei FFB di palma da olio. Il set di dati presenta limitazioni come la categorizzazione incompleta e la mancanza di variazioni FBB, che lo rendono sostanzialmente diverso dalle condizioni del mondo reale.

La ricerca che utilizza la visione artificiale viene solitamente eseguita in base all'immagine di input per rilevare il colore del frutto, mentre la ricerca con un sensore di luce viene eseguita analizzando i risultati dello spettro della luce emessa sul frutto della palma da olio. La maggior parte degli studi precedenti utilizzava l’input dell’immagine della palma da olio o lo spettro dei colori del frutto della palma da olio perché con questo input il processo di rilevamento è più efficiente. Diversi studi precedenti che utilizzano un approccio di visione artificiale con un'immagine di input sono stati condotti utilizzando il metodo SVM con 3 classi18, vale a dire crudo, poco maturo e maturo. La ricerca con deep learning per il rilevamento della maturazione è stata condotta utilizzando EfficientNet3 con set di dati a immagine singola. È stato proposto19 il rilevamento della maturazione della palma da olio in tempo reale utilizzando YOLOv4 con un set di dati di 3 classi per il sistema di raccolta ed è stata proposta un'altra ricerca sul rilevamento della maturazione in tempo reale durante il processo di raccolta utilizzando YOLOv320. Sulla base dei risultati di questo studio della letteratura, non esistono set di dati sulla palma da olio sotto forma di immagini o video di raccolte o pile di grappoli di frutta fresca di palma da olio con varie categorie o singole categorie. Questo articolo fornisce set di dati di immagini e video provenienti da raccolte o pile di grappoli di frutta fresca di palma da olio prelevati direttamente dai frantoi di olio di palma nel Kalimantan meridionale. Nella sezione di classificazione, sono stati utilizzati smartphone con 6 livelli di maturità dei frutti di palma da olio, che sono acerbi, poco maturi, maturi, troppo maturi, grappoli vuoti e frutti anomali (Fig. 1). Esistono ricerche per rilevare la palma da olio in tempo reale utilizzando YOLOv4, i dati utilizzati riguardano grappoli di frutta fresca di palma da olio ancora attaccati ad alberi con classi mature e acerbe11. Tuttavia, questa ricerca non è pienamente applicabile perché può essere utilizzata solo nelle piantagioni di palma da olio, mentre per condurre una valutazione presso un frantoio di palma sono necessarie più di 2 classi per evitare livelli di maturità inappropriati.