Detection and Tracking Method for Walnuts in a Walnut Sorting Device Based on Improved YOLOv8n+DeepSORT

農業の世界において、ナッツの選別は、スピードと鋭い眼識の両方を要求される作業です。何世紀もの間、農家や加工業者は、良質なクルミと不良品を分けるために、人間の手や単純な機械的なふるいに頼ってきました。これらの伝統的な手法は機能してはいるものの、速度が遅く、殻の奥深くに隠された微細な欠陥を見逃してしまうことがよくあります。硬い外殻の下に何があるのかを、殻を割ることなく見るために、エンジニアはX線イメージングを利用します。病院を訪れたことがある人なら誰もが知っているこの技術は、目に見えない放射線を使用して固形物を透過させ、画面上にその内部密度と構造を明らかにします。このX線画像が現代的なコンピュータビジョンと組み合わされると、ソフトウェアによって解析が可能になり、ソフトウェアはパターンを学習して、ふっくらとした健康な核と、しぼんだ、あるいは空の核を判別できるようになります。しかし、課題は、クルミが連続的で混沌とした流れの中で流れていくコンベアベルトの上で、これを十分に素早く行うことにあります。コンピュータは、各ナッツを特定するだけでなく、その動きを次の瞬間まで追跡し、隣のナッツとぶつかり合いながら移動していても、正しく選別されるようにしなければなりません。

新疆大学の研究者たちは、産業用選別機の中を移動するクルミを監視し、選別するように設計された新しいシステムを開発することで、この特定の問題に取り組んできました。彼らの目標は、X線の詳細な内部構造を見分けるほど鋭く、かつ工場のラインのペースに追いつけるほど速い「デジタルの目」を作り出すことでした。彼らは、まず物体検出のための強力な既存ツールである、ニューラルネットワークとして知られる一種の人工知能から着手し、それをクルミのX線特有の課題に合わせて特別に改良しました。実験では、完璧に詰まったものから完全に空のものまで、数千枚のクルミのX線画像をシステムに投入し、放射線が殻と中の核をどのように透過するかという微妙な違いをソフトウェアに学習させました。

彼らの解決策の核心は、連携して機能する2つの作業部分で構成されています。第一の部分は、X線画像をスキャンしてすべてのクルミを見つけ出し、その品質を判定する検出器です。第二の部分は、ベルトに沿って移動する各クルミを追跡し、機械がどの投入箱に落とすべきかを判断できるように、個別の識別番号を割り当てるトラッカーです。研究者たちは、これらのツールの標準的なバージョンでは不十分であることを発見しました。クルミのX線画像はコントラストが低いことが多く、内部の詳細がぼやけて見えるため、標準的なソフトウェアでは、ナッツが速く動きすぎたり、他のナッツに近づきすぎたりすると、追跡を見失ってしまうことがあったのです。これを修正するために、チームは検出ソフトウェアに対して3つの具体的な改良を行いました。まず、コンピュータがクルミの内部の散在する重要な詳細に集中し、邪魔な背景を無視できるようにする、新しいアテンション・メカニズム（注意機構）を追加しました。次に、画像の拡大を行う標準的なステップを、滑らかなエッジや質感を保持するよりダイナミックな手法に置き換え、画像がブロック状になったり歪んだりするのを防ぎました。最後に、異なる層の情報を組み合わせるシステムのプロセスを合理化し、精度を損なうことなくプロセス全体を高速化するために不要な計算を排除しました。

トラッキング（追跡）コンポーネントについては、研究者たちは、異なるフレーム内の2つのクルミの画像が同じ物体に属すると判断する方法を変更しました。単に形状がどれだけ重なっているかに頼るのではなく、形状の中心間の距離も考慮に入れる手法を導入しました。この小さな調整は、クルミが密集していたり、一部が隠れていたりする場合に極めて重要であり、システムが個々のナッツに対して安定したロックを維持し、誤ってアイデンティティを入れ替えたり、追跡を見失ったりすることを防ぐのに役立ちました。改良されたシステムをオリジナル版と比較したところ、結果は明白でした。新しい検出器は、より高い精度でクルミを特定し、微細な欠陥をより多く捉え、誤検知を減らしました。また、毎秒412フレームの速度で画像を処理し、これは実際の生産ラインの急速な流れを扱うのに十分な速度です。トラッキングシステムも改善され、コンピュータがターゲットを見失ったり、一つのナッツを別のものと混同したりするエラーが減少しました。

この研究は、これらのデジタルツールをX線イメージングの物理特性とコンベアベルト上のクルミの挙動に合わせて注意深くチューニングすることで、長らく人間の判断に頼ってきた作業を自動化できることを示しています。改良されたシステムは、単にナッツを見つけるだけでなく、伝統的な機械には到達できないレベルの精度で、その動きと内部の品質を理解します。この研究は、スピードと品質が等しく重要なナッツ加工業界への進むべき道を示唆しています。これらの高度なアルゴリズムが、工場のフロアという雑多な現実世界の条件に対処できるよう適応できることを証明することで、研究者たちは、より効率的で信頼性の高い、クルミ（およびおそらく他の同様の作物）の自動選別のための設計図を提供しました。これらの知見は、農業における選別の未来が、単に速い機械にあるのではなく、人間の目が逃してしまうものを見、人間の手が忘れてしまうものを記憶できる、よりスマートなソフトウェアにあることを示しています。