使用基于智能手机的计算机视觉技术在亚洲黑松露中进行超快的现场改检测和量化
Xiao-Zhi Wang1, De-Huan Yang1, Zhan-Peng Yan2
1State Key Laboratory of Chemo/Biosensing and Chemometrics, College of Chemistry and Chemical Engineering, Hunan University, Changsha, 410082, China.
Talanta
|February 18, 2025
概括
一个新的AI模型,FastBTNet,使用智能手机准确识别伪造的亚洲黑松露 (Tuber sinense). 这项技术可以快速地在现场检测和量化松露的真实性.
科学领域:
- 食品科学与技术 食品科学与技术
- 农业中的人工智能
- 计算生物学是一种计算生物学.
背景情况:
- 亚洲黑松露 (Tuber sinense) 是一种有价值的食用真菌.
- trufle 伪造是一个重要的经济和质量控制挑战.
- 现有的识别方法可能很慢,破坏性,或缺乏自动化.
研究的目的:
- 开发一种快速,非破坏性,自动和智能方法来识别亚洲黑松露 (BT).
- 创建一个轻量级的卷积神经网络 (FastBTNet),以高效地部署智能手机.
- 为了能够绝对量化BT中的改.
主要方法:
- 开发一种新型的轻型卷积神经网络 (FastBTNet),结合知识蒸.
- 整合快速物体定位技术用于伪造量化.
- 使用Grad-CAM进行模型解释性和绿色性评估.
主要成果:
- 在FastBTNet中,BT识别的分类准确率达到99.0%.
- 该模型在预测伪造水平时显示了8.5%的根平均平方误差.
- 预测1024个样本只需要5.3秒,显示出高效率.
结论:
- 该FastBTNet模型提供了一个高度准确和高效的解决方案,用于现场BT识别和改预测.
- 在智能手机应用程序 ("Truffle Identifier") 中部署有助于快速实时分析.
- 这项技术解决了食品行业对于可靠的松露认证的关键需求.


