SaffNet:使用统计图像特征进行香造假预测的集合式方法.
Junaid Amin1, Arvind Selwal1, Ambreen Sabha1
1Department of Computer Science and Information Technology, Central University of Jammu, Samba 181143, J&K, Jammu, India.
Multimedia tools and applications
|June 26, 2023
概括
一个新的saffron预测模型 (saffnet) 准确地检测使用统计图像特征在克什米尔沙夫兰中的改. 这种新的方法克服了数据稀缺性,并改善了可靠的香料认证的概括性.
科学领域:
- 农业科学 农业科学
- 计算机科学 计算机科学
- 食品科学 食品科学 食品科学
背景情况:
- 由于其高成本和有限的可用性,沙夫兰改是一个重大问题,使视觉歧视具有挑战性.
- 现有的沙夫兰改预测系统 (SAPS) 面临着泛化和数据库稀缺性的局限性,特别是对于像克什米尔沙夫兰这样的特定区域品种.
研究的目的:
- 开发一种基于组合的新型模型,SaffNet,用于准确预测克什米尔沙夫兰的改.
- 通过创建一个新的数据集,应对克什米尔番茄的有限基准数据集的挑战.
主要方法:
- 创建了一个新的沙夫兰数据集 (Saff-Kash),包括真实和伪造的克什米尔沙夫兰样本.
- 统计图像特征被提取和预处理.
- 一个基于集合的模型,SaffNet,利用梯度增强,被设计和评估.
主要成果:
- 萨夫网模型在检测沙夫兰改方面取得了98%的整体准确性.
- 萨夫网的表现优于支持矢量机 (SVM),决策树和K-近邻 (KNN) 等个别分类器.
- 在SaffNet中的梯度增强组合展示了高效的训练时间 (7.7 ms).
结论:
- 拟议的SaffNet模型有效地检测了克什米尔沙夫兰的改,提供了一个可靠的解决方案.
- 萨夫卡什数据集的创建解决了对区域萨夫兰分析的关键需求.
- SaffNet的整体方法增强了预测准确性和一般化能力,以验证saffron的身份.
