YOLOv11-PFTモデルを用いた茶の微量不純物の非破壊検出

科学分野:

• 食品科学技術
• コンピュータサイエンス
• 人工知能

背景:

• 微細な不純物は茶の品質にとって大きな課題であり、現在の検出方法では不十分です。
• 既存の技術では、製品の完全性と消費者の安全を損なう、視覚下の汚染物質を特定できません。

研究 の 目的:

• 茶の微細な汚染物質を正確かつ効率的に検出するための高度なディープラーニングモデルを開発すること。
• 茶産業における自動食品安全および品質管理のための軽量で高性能なソリューションを作成すること。

主な方法:

• Powerful-IoU損失、FasterNet、およびトリプルアテンションモジュールを統合した新しいディープラーニングアーキテクチャであるYOLOv11-PFTの開発。
• 微細な汚染物質の同定のための特徴抽出、検出精度、およびモデル効率の向上。

主要な成果:

• YOLOv11-PFTは、茶の微細な汚染物質の検出精度で99.16%を達成しました。
• このモデルは、高い性能指標（精度、再現率、F1スコア、mAPは98.7〜99.2%近く）、低い計算コスト（5.5 GFLOPs）、高い推論速度（340.6 FPS）、およびコンパクトなモデルサイズ（5.0 MB）を示しました。
• 精度で7つのベンチマークモデルを上回りました。

結論:

• YOLOv11-PFTは、茶の微細な汚染物質検出のための堅牢で効率的なソリューションを提供します。
• このモデルは、食品安全の自動化、インテリジェントな品質管理、および農業設定でのエッジデバイスへの展開の可能性をサポートします。