Papers with Code · CC BY-SA 4.0

Hyperspectral Image-Based Fruit Ripeness Prediction

Classification › Hyperspectral Image-Based Fruit Ripeness Prediction 3 평가 기록 1 datasets

Fruit ripeness prediction (FRP) is a classification-based agricultural computer vision task that aims to determine the maturity level of fruits from images. The objective is to assess the degree of ripeness by identifying and distinguishing between various stages (e.g., unripe, ripe, and overripe).

개요는 각 항목의 일부입니다. 위 탭에서 전체 기록을 페이지별로 탐색할 수 있습니다.

벤치마크

Papers with Code 아카이브의 데이터셋별 기록 예시입니다. 평가 조건과 지표 방향이 검증되지 않아 순위를 의미하지 않습니다.

Dataset기록된 모델 예시MetricPaperCode

DeepHS Fruit v2

Fruit-HSNet

Overall Classification Accuracy: 70.73 %

논문 -

데이터셋

1개

DeepHS Fruit v2

논문

Fruit-HSNet: A Machine Learning Approach for Hyperspectral Image-Based Fruit Ripeness Prediction

2025-02-28 이 페이지의 평가 1건

Overall Classification Accuracy: 70.73 %

Measuring the Ripeness of Fruit with Hyperspectral Imaging and Deep Learning

2104.09808 2021-04-20 이 페이지의 평가 1건

Overall Classification Accuracy: 58.28 %

Wavelength-aware 2D Convolutions for Hyperspectral Imaging

2209.03136 2022-09-05 이 페이지의 평가 1건

Overall Classification Accuracy: 57.57 %

라이브러리

Papers with Code 리더보드 row에 연결된 구현 저장소입니다.

github.com/cogsys-tuebingen/deephs_fruit 1 논문

github.com/cogsys-tuebingen/hyve_conv 1 논문