热成像和CCD成像技术的协同应用以检测基于数据级融合和深度残留网络的羊肉造
Shichang Wang1, Rongguang Zhu2, Zhongtao Huang1
1College of Mechanical and Electrical Engineering, Shihezi University, Shihezi 832003, Xinjiang, China.
Meat science
|July 19, 2023
概括
通过将热和CCD成像与深度残留网络相结合,可以准确检测羊肉改. 这种新的方法通过改善伪造肉制品的检测来提高食品安全.
科学领域:
- 食品科学 食品科学 食品科学
- 分析化学 分析化学
- 计算机视觉 计算机视觉
背景情况:
- 单次热成像和CCD成像在检测未知的造肉类方面存在局限性.
- 准确检测肉类改对于食品安全和消费者信任至关重要.
研究的目的:
- 协同应用热和CCD成像与深度残留网络来检测羊肉改.
- 评估数据级融合方法,用于组合热和CCD图像,以提高检测性能.
主要方法:
- 提出了三种数据级融合方法:彩色图像拼接,灰度图像拼接和灰度频道堆叠.
- 使用融合图像上的深度残留网络开发了分类和预测模型.
- 模型使用外部数据集进行了验证,用于分类和比例预测.
主要成果:
- 使用彩色图像拼接的模型表现出卓越的性能.
- 最好的分类模型在区分五个类别时达到99.30%的准确性.
- 预测模型显示猪肉和子比例的高精度 (R2值分别为0.9717和0.9616).
结论:
- 热成像和CCD成像的协同应用为检测羊肉改提供了一个有希望的工具.
- 这种结合成像方法可以扩展到评估其他食品的质量.
- 数据融合技术显著提高了伪造检测的稳定性和准确性.
