相关实验视频
Updated: Jul 4, 2025
13:19
Deep Neural Networks for Image-Based Dietary Assessment
Published on: March 13, 2021
9.2K
基于计算机视觉的深度学习方法用于检测水果中的有毒和有害物质
Abdus Sattar1,2, Md Asif Mahmud Ridoy2, Aloke Kumar Saha3
1Centre for Higher Studies and Research, Bangladesh University of Professionals, Dhaka, Bangladesh.
Heliyon
|February 8, 2024
概括
在水果中检测有毒甲 (CH2O) 是一个挑战. 深度学习模型,特别是新的DurbeenNet,在识别化学保存的产品方面表现出很高的准确性,确保食品安全.
科学领域:
- 食品科学 食品科学 食品科学
- 计算机科学 计算机科学
- 化学 化学 化学
背景情况:
- 在孟加拉国,甲 (CH2O) 被非法用于保存易腐烂的水果.
- 由于其不可检测的性质,难以检测化学物质.
- 需要可靠的检测方法.
研究的目的:
- 开发和评估用于检测水果中的甲的深度学习模型.
- 为了比较预训练模型与新型模型的性能,DurbeenNet.
主要方法:
- 应用了深度学习技术来检测四种水果类型中的有毒物质.
- 利用数据增强来扩展数据集.
- 评估了谷歌网,VGG-16,DenseNet,ResNet50以及拟议的DurbeenNet模型.
主要成果:
- 在ResNet50的准确率为91.66%,在DenseNet的准确率为90.37%,在VGG-16的准确率为87.44%,在GoogleNet的准确率为85.53%.
- 新的DurbeenNet模型以96.71%的准确性展示了卓越的性能.
- DurbeenNet显著超过了已建立的深度学习架构.
结论:
- 深度学习,特别是DurbeenNet,为检测水果中的甲提供了一个强大的解决方案.
- 开发的模型可以通过识别人为保存的产品来提高食品安全.
- 这项技术解决了食品质量控制的关键挑战.
