相关实验视频
Updated: Jul 20, 2026
10:56
Long-term Behavioral Tracking of Freely Swimming Weakly Electric Fish
Published on: March 6, 2014
12.5K
超光谱成像和深度学习用于在工业条件下在白鱼中检测寄生虫
Shaheen Syed1,2, Samuel Ortega1, Kathryn E Anderssen3
1Department of Seafood Industry, Nofima AS, P.O. Box 6122, 9291, Tromsö, Norway.
Scientific reports
|November 9, 2024
概括
使用高光谱成像的新深度学习方法显著改善了对鱼类寄生虫 (虫) 的检测. 这项技术为海鲜行业提供了更快,非侵入性的解决方案,实现了比手工检查更高的检测率.
科学领域:
- 食品科学 食品科学 食品科学
- 水产养殖是水产养殖的一种方式.
- 计算机视觉 计算机视觉
背景情况:
- 鱼类肌肉中的寄生虫构成质量和安全风险.
- 寄生虫和鱼组织之间的低对比度阻碍了检测.
- 目前的手动检查方法缓慢,劳动密集,且效率低下.
研究的目的:
- 开发一种快速,非侵入性的方法来检测鱼类寄生虫.
- 提高海鲜行业的寄生虫检测率.
- 将先进技术集成到工业加工线上.
主要方法:
- 利用超光谱成像来捕获空间和光谱数据.
- 应用深度神经网络用于数据分析.
- 将解决方案集成到工业加工线路中,以实时检测.
主要成果:
- 实现了73%的线虫检测率.
- 性能优于传统的手动检查,检测率为50%.
- 证明了该技术能够同时分析空间和光谱信息的能力.
结论:
- 深度神经网络与高光谱成像相结合,为鱼类寄生虫检测提供了卓越的解决方案.
- 开发的技术显著提高了海鲜行业的检测率和效率.
- 这种非侵入性方法可以很容易地集成到现有的工业工作流程中.
