通过使用深度学习,在线自动排序系统检查有缺陷的金生树和树树
Qilong Xue1,2, Peiqi Miao3, Kunhong Miao1,2
1College of Pharmaceutical Engineering of Traditional Chinese Medicine, Tianjin University of Traditional Chinese Medicine, Tianjin 301617 China.
Chinese herbal medicines
|August 4, 2023
概括
这项研究开发了一种深度学习的Faster R-CNN模型,用于使用X射线成像自动检测红人参中的内部缺陷. 该模型实现了高精度,显示了红人参分类质量控制的巨大潜力.
科学领域:
- 农业工程 农业工程
- 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:
- 红人参 (Ginseng Radix和Rhizoma Rubra) 的质量对其有效性至关重要.
- 红人参的内部缺陷可能会影响其价值和安全性.
- 需要自动化质量检查系统来有效处理.
研究的目的:
- 开发和评估一种深度学习的Faster R-CNN模型,用于自动检测和分类具有内部缺陷的红人参.
- 将Faster R-CNN模型的性能与传统的图像处理方法进行比较.
主要方法:
- 一个更快的R-CNN深度学习架构被实施用于缺陷检测.
- 该模型在大约2万个红人参样本上进行了训练.
- 绩效是使用诸如平均精度 (mAP),准确性,回忆和特异性等指标来评估的.
主要成果:
- 在训练过程中,Faster R-CNN模型实现了0.95的平均平均精度 (mAP).
- 在一个独立的2000个红人参组的验证中,在在线分类系统中显示出高精度 (95.2%96.2%).
- 传统的前神经网络 (FNN) 方法的性能明显较低 (精度为69.0%,回忆率为68.0%,特异性为70.0%).
结论:
- 拟议的基于Faster R-CNN的分类模型显示了在红人参中非破坏性检测内部缺陷的巨大潜力.
- 开发的系统为红人参加工中的自动化质量控制提供了可行的解决方案.
- 深度学习方法在这种应用中比传统方法提供了更高的性能.
