Object Detection and Weakly Supervised Semantic Segmentation for Grape Detection

Abstract

La recerca en intel·ligència artificial ha experimentat un creixement exponencial durant la última dècada. Degut a la rapidesa d'aquest creixement, moltes indústries no han tingut temps d'adaptar les seves metodologies més tradicionals als avantatges que la IA proporciona. Molts sectors, com el de la construcció i l'agricultura, estan posicionant-se a poc a poc cap a un punt de vista més tecnològic pel que fa a la presa de decisions. Per tal d'ajudar aquestes indústries, projectes públics com l'AI4Agriculture estan surgint. AI4Agriculture és un projecte Europeu que proporciona eines basades en IA al sector agrícola. El projecte descrit en aquest document presenta tècniques modernes de visió per computador per detectar raïm en imatges de vinyes. Els resultats de l'algorisme formaran part d'un procés, juntament amb dades meteorològiques i multiespectrals, per quantificar la qualitat i quantitat de la producció. A més a més, amb l'ajuda dels algorismes desenvolupats en aquest projecte, proporcionarem eines i anàlisi per a l'anotació i neteja d'aquesta base de dades, que ha estat creada especificament per aquest projecte.

Artificial Intelligence research has been exponentially growing during the last decade. Due to this fast growth, many industries have not had time to adapt their traditional methodologies to the advantages that AI algorithms provide. Many sectors, such as construction and agriculture, are slowly moving towards a more technological approach of decision making. In order to help these industries, public projects like AI4Agriculture are arising. AI4Agriculture is an European project that provides AI solutions to the agriculture sector. The project described in this document presents modern computer vision techniques to detect grape racemes from vineyard images. The results of the algorithms made in this project will be part of a pipeline, along with meteorologic and multispectral data, to quantify the quality and quantity of the yield. Furthermore, with the help of the algorithms developed in this work, we will provide insights towards the cleaning and annotation of a novel dataset built specifically for this project.