CarcassFormer:一个基于端到端变压器的框架,用于同时定位,细分和分类家禽尸体缺陷
Minh Tran1, Sang Truong1, Arthur F A Fernandes2
1Department of Computer Science and Computer Engineering, 1 University of Arkansas, Fayetteville, AR 72701, USA.
Poultry science
|June 26, 2024
概括
本研究介绍了CarcassFormer,这是一个使用机器学习和计算机视觉来评估家禽尸体质量的自动化系统. 它准确地检测和分类缺陷,提高食品安全和加工效率.
科学领域:
- 食品科学与技术 食品科学与技术
- 计算机科学 计算机科学
- 农业工程 农业工程
背景情况:
- 在家禽加工中,自动化质量评估对于食品安全和效率至关重要.
- 目前的方法往往依赖于手工检查,这可能是主观的和劳动密集型的.
- 缺陷可能由各种因素引起,包括动物福利和设备故障.
研究的目的:
- 开发和评估一套用于禽类尸体质量评估的自动化系统.
- 引入CarcassFormer框架用于缺陷检测,细分和分类.
- 将CarcassFormer的性能与最先进的方法进行比较.
主要方法:
- 利用基于变压器的架构进行视觉表示提取.
- 开发了一个端到端的框架 (CarcassFormer) 用于缺陷分析.
- 通过对7,321个家禽尸体图像的数据集进行系统训练和基准测试.
主要成果:
- 在分类,检测和细分任务中,CarcassFormer表现出卓越的性能.
- 在关键评估指标 (AP,AP@50,AP@75) 中取得了显著的改进.
- 定性结果显示,在识别细节和定位缺陷方面,高精度.
结论:
- CarcassFormer为家禽尸体质量评估提供了一个有效的,自动化的解决方案.
- 该框架准确识别缺陷,加强食品安全和加工监督.
- 该系统的公共可用性将促进对自动化食品质量检查的进一步研究.
