Search

Automatic and accurate detection of fruit in greenhouse is challenging due to complicated environment conditions. Leaves or branches occlusion, illumination variation, overlap and cluster between fruits make the fruit detection accuracy to decrease. To address this issue, an accurate and robust fruit-detection algorithm was proposed for tomato detection based on an improved YOLOv4-tiny model. First, an improved backbone network was used to enhance feature extraction and reduce overall computational complexity. To obtain the improved backbone network, the BottleneckCSP modules of the original YOLOv4-tiny backbone were replaced by a Bottleneck module and a reduced version of BottleneckCSP module. Then, a tiny version of CSP-Spatial Pyramid Pooling (CSP-SPP) was attached to the new backbone network to improve the receptive field. Finally, a Content Aware Reassembly of Features (CARAFE) module was used in the neck instead of the traditional up-sampling operator to obtain a better feature map with high resolution. These modifications improved the original YOLOv4-tiny and helped the new model to be more efficient and accurate. The experimental results showed that the precision, recall, F1 score, and the mean average precision (mAP) with Intersection over Union (IoU) of 0.5 to 0.95 were 96.3%, 95%, 95.6%, and 82.8% for the improved YOLOv4-tiny model, respectively. The detection time was 1.9 ms per image. The overall detection performance of the improved YOLOv4-tiny was better than that of state-of-the-art detection methods and met the requirements of tomato detection in real time.

해당 연구는 극장용 애니메이션을 서사를 중심으로 갈등을 분석하기 위해 영상에서 갈등을 분류하는 객관적이고 타당한 방법이 필요함을 인식하면서 시작되었다. 아울러 갈등을 효과적으로 비주얼 스토리텔링 하는 요소로 주인공의 정서에 주목하고, 갈등에서 나타나는 주인공의 정서를 연구하려 한다. 연구의 목적은 갈등강도와 갈등에 나타나는 정서를 분석하는 것이다. 연구결과 및 내용은 다음과 같다. 첫째, 서사의 이론적 고찰을 통해 극적전환점을 찾아 내고, 갈등 분류 모델(Conflict 6B Model)을 제안하였다. 둘째, 갈등 분류 모델을 이용하여 이론에 기반한 갈등 샷(shot) DB를 추출하였다. 셋째, 내적, 초개인적 갈등에서 강도와 정서를 찾아내었다. 넷째, 내적, 초개인적 갈등에서 강도와 정서의 전문가 실험 및 검증을 실시하였다. 본 연구는 애니메이션에서 갈등에 대한 주인공 정서의 서사적, 시각적, 심리학적인 다학제적 연구로 추출된 메타데이터(Metadata)는 애니메이션 서사에서 갈등의 비데오 인덱싱(Video Indexing)에 적용 될 것으로 기대한다.