基于深度学习框架,确定猪结构的质量特征
Che Shen1,2, Meiqi Ding1, Xinnan Wu1
1College of Food Science and Technology, Bohai University, Jinzhou 121013, China.
Current research in food science
|September 20, 2023
概括
一个深度学习模型通过分析其结构来准确识别猪牙线质量. 这种机器视觉方法显示了客观评估食品特性的潜力,在质量评估中,特定品牌的排名最高.
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
- 人工智能的人工智能
背景情况:
- 猪肉丝是一种传统的中国食品,被公认为休食品产品.
- 它独特的质地是由于一种特殊的加工方法应用于猪肉肌肉纤维的结果.
- 评估猪牙线质量传统上依赖于主观的感官评估.
研究的目的:
- 开发和验证一种基于深度学习的方法,用于检测猪牙线质量特征.
- 使用机器视觉客观地评估商用猪牙线的结构特征.
- 将拟议模型的性能与传统的感官评估进行比较.
主要方法:
- 收集了八个商业猪牙线品牌的8000张图像.
- 使用利,灰度转换,阴影校正和二进制处理的图像.
- 采用深度学习框架,将剩余增强面罩和基于区域的卷积神经网络 (CRE-MRCNN) 合起来,用于图像细分.
主要成果:
- 在CRE-MRCNN框架成功地确定了猪毛线图像中的节点和毛孔特征.
- 该模型展示了在不同品牌中区分质量特征的能力.
- 机器视觉结果与感觉测试结果一致,表明TC品牌是最高质量的.
结论:
- 深度学习和机器视觉为评估猪牙线质量提供了可行的客观方法.
- CRE-MRCNN模型有效地分析了与猪毛线质量相关的结构特征.
- 这项技术有可能在食品质量控制中补充或取代传统的感官评估.
