Addressing lighting and bounding box accuracy for the Embedded Automated Generator of Labeled Images (EAGL-I) system
Notice bibliographique
Résumé
The Embedded Automated Generator of Labeled Images (EAGL-I) system is a tool for generating labeled images, particularly for data-driven methods, such as deep learning models. The system has already generated hundreds of thousands of images of weeds and crops. We present modifications made to the original system that are based on the experiences gathered from generating such large-scale datasets. The improvements relate to lighting conditions, ease of use, refined image segmentation, and pathfinding for camera-movements. To address lighting conditions, we made three major changes to the hardware. First, the blue keying fabric was replaced by solid black panels, mitigating reflections and achieving reliable color accuracy; second, sunlight entering the room through a window is diffused and partially blocked by a screen, achieving consistent and uniform lighting of the imaging environment; third, dimmable LED lights are installed allowing us to image with lower ISO and to reduce noise in the resulting images. A YOLO machine learning model was trained to replace the previous methods of estimating bounding boxes around the plants. This new way of creating bounding boxes adapts to different plant architectures, such as grasses or different kind of dicots. Finally, we implemented a version of the A* pathfinding algorithm to define save zones through which the camera will not be moved. Overall, these modifications improved system performance and image quality significantly, while making EAGL-I easier to use. We have extended potential applications of EAGL-I, particularly for plant phenotyping research and in fine-tuning machine learning models for image analysis.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».