Marbling-Net:一种新的智能框架,用于使用智能手机图像进行猪肉大理石化细分
Shufeng Zhang1, Yuxi Chen1,2, Weizhen Liu1,2
1School of Computer Science and Artificial Intelligence, Wuhan University of Technology, Wuhan 430070, China.
Sensors (Basel, Switzerland)
|June 10, 2023
概括
准确的猪肉粉碎细分对于遗传改进至关重要. 一个新的深度学习模型,Marbling-Net,有效地对猪肉图像中的大理石进行细分,使可靠的质量评估和行业应用成为可能.
科学领域:
- 动物科学动物科学
- 计算机视觉 计算机视觉
- 食品科学 食品科学 食品科学
背景情况:
- 大理石化特征是猪肉质量和遗传改进的关键指标.
- 精确的细分是为准确量化这些特征而必不可少的.
- 大理石的小,分散和可变性使细分任务复杂化.
研究的目的:
- 开发一个深度学习管道,用于准确细分猪肉.
- 创建和发布一个标记的数据集,用于猪肉的细分.
- 为了验证该方法在猪肉质量评估中的可靠性.
主要方法:
- 开发了一个浅层上下文编码器网络 (Marbling-Net).
- 采用了基于补丁的培训和图像提升采样策略.
- 创建了一个新的数据集,PMD2023,包括173个智能手机获取的猪肉LD图像.
主要成果:
- Marbling-Net实现了高细分性能,IOU为76.8%,精度为87.8%,回忆率为86.0%,F1得分为86.9%.
- 该方法的性能优于现有的最先进的方法.
- 计算的玉石化比率与光谱仪测量的玉石化得分 (R2 = 0.884) 和IMF含量 (R2 = 0.733) 显示出强烈的相关性.
结论:
- 拟议的深度学习管道准确地从智能手机图像中对猪肉大理石进行细分.
- 该方法证明了可靠性和在猪肉品质育种中移动部署的潜力.
- 这项技术可以显著有利于肉类行业,因为它可以准确地量化大理石.
