通过使用卷积神经网络的显微镜图像检测早期的面包菌
Panisa Treepong1, Nawanol Theera-Ampornpunt1
1College of Computing, Prince of Songkla University, Phuket, Thailand.
Current research in food science
|September 4, 2023
概括
检测早期的面包是很有挑战性的. 这项研究介绍了一种基于智能手机的方法,使用剪贴镜头和卷积神经网络 (CNN) 来准确,早期检测面包上的菌.
科学领域:
- 食品科学 食品科学 食品科学
- 微生物学 微生物学
- 计算机视觉 计算机视觉 计算机视觉
背景情况:
- 在面包上早期的菌生长是视觉上无法检测到的.
- 目前的损坏检测方法 (视觉检查,到期日期) 是不可靠的.
- 现有的微生物检测技术并不适合消费者.
研究的目的:
- 开发一种新的,消费者可访问的方法,用于早期检测面包菌.
- 利用智能手机显微镜和深度学习进行自动化损坏识别.
主要方法:
- 使用智能手机clip-on镜头捕捉微观面包图像 (50倍放大).
- 使用卷积神经网络 (CNN) 与转移学习用于图像分类.
- 比较各种图像预处理,CNN模型和数据增强技术.
主要成果:
- 实现了用于早期菌检测的高分类准确性.
- 白色三明治面包的近乎完美的得分为0.9948.
- 全麦面包的近乎完美的得分为0.9972.
结论:
- 提出的方法为早期面包菌检测提供了一种有效和低成本的解决方案.
- 基于智能手机的显微镜与CNN相结合,为消费者提供了一个可行的工具.
- 这项技术可以提高食品安全,减少食物浪费.
