根据颜色变化分析牛肉质量,使用计算机视觉和白盒机器学习技术

科学领域:

• 食品科学与技术 食品科学与技术
• 计算机视觉 计算机视觉 计算机视觉
• 机器学习 机器学习

背景情况:

• 牛肉的质量与其颜色密切相关,桃红色表示新鲜度.
• 棕色的色调意味着质量下降.
• 当前的方法往往独立分析颜色通道,限制了全面的评估.

研究的目的:

• 开发和评估使用白盒机器学习进行牛肉颜色分析的多变量方法.
• 为了比较多变量分析与预测牛肉新鲜度的传统单通道方法的有效性.
• 为了确定最佳的颜色空间和机器学习模型,以准确地预测牛肉颜色.

主要方法:

• 使用计算机视觉系统 (CVS) 配有颜色校正机,用于客观捕捉牛肉颜色.
• 研究了三个颜色空间:RGB,HSV和CIELab*.
• 评估了三个白盒分类器:决策树,逻辑回归和多变量正常分布来预测牛肉的新鲜度.

主要成果:

• 多变量分析模型在预测新鲜和非新鲜样本的牛肉颜色方面表现出很高的准确性.
• 在评估的色彩空间的性能中观察到显著的差异.
• 白盒模型提供了对预测过程的清晰理解.

结论:

• 与分析单个颜色通道相比,牛肉颜色的多变量分析提供了更高的预测准确性.
• 拟议的机器学习方法增强了对牛肉质量和新鲜度的客观评估.
• 这种方法为牛肉行业的质量控制提供了坚实的框架.