通过计算机视觉驱动的肉类物理特征跟踪来改善红肉行业的可追溯性和质量控制

科学领域:

• 食品科学 食品科学 食品科学
• 计算机视觉 计算机视觉
• 农业技术 农业技术

背景情况:

• 由于依赖外部标记,目前的牛肉追溯系统容易受到改.
• 牛肉的客观质量评估对现有方法具有挑战性.
• 独特的肌内脂肪模式为固有识别和质量评估提供了潜力.

研究的目的:

• 调查用于牛肉可追溯性和质量评估的肌肉内脂肪模式的使用.
• 开发和验证用于分析这些内部肉特征的机器学习模型.
• 增强红肉供应链中的反欺诈性和客观性.

主要方法:

• 从602个牛排中开发一个由38528张高分辨率牛肉图像组成的大数据集.
• 图像的注释与人类分类和成分分析数据.
• 实施基于EfficientNet的模型,用于质量预测和可追溯性分析.

主要成果:

• 在大理石分数预测中的高准确性 (96.24%顶-1±1,99.57%顶-1±2).
• 精确的品种识别 (91.23%) 和饮食确定 (90.90%).
• 在可追溯性任务中表现出色,F-1分数为0.9942 (样本到样本) 和0.9479 (样本到数据库).

结论:

• 肌肉内脂肪模式作为牛肉可追溯性的可靠自然标识符.
• 这种人工智能驱动的方法使客观的质量评估成为可能,并大大提高了对欺诈的抵抗力.
• 肉的内部特征提供了一个强大的解决方案,以提高红肉供应链的完整性.