紧的成像系统和基于深度学习的细分,用于在韩国牛肉尸体中的客观长大肌肉区域

科学领域:

• 农业科学 农业科学
• 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:

• 消费者对高品质肉的需求需要客观的牛肉质量评估.
• 长大肌肉区域是韩国牛肉质量和产量分级的关键指标.
• 目前的视觉评估方法是主观的,劳动密集的.

研究的目的:

• 开发一种自动化系统,用于准确测量牛肉体中长极肌肉面积.
• 为了比较传统图像处理和深度学习模型对细分的性能.
• 建立牛肉腰部面积评估的客观标准.

主要方法:

• 开发一个小型的牛肉尸体图像采集系统.
• 预处理步骤的实施:辐射扭曲校正和颜色校准.
• 图像处理技术和四种深度学习模型 (包括ResNet50的DeepLab) 的应用,用于长极肌肉细分.

主要成果:

• 基于ResNet50的DeepLab模型实现了卓越的细分精度.
• 实现了~99.26%的总准确率,~98.54%的加权IOU,和~95.70%的平均BF得分.
• 证明了深度学习对客观腰部区域评估的有效性.

结论:

• 开发的系统和DeepLab模型提供了一种精确和一致的方法来评估牛肉腰部面积.
• 这项技术可以显著降低劳动力成本和牛肉分类的主观性.
• 有助于建立牛肉质量评估的客观标准.