使用隐性类型建模来评估计算机视觉系统对猪体污染的性能
Daniel Hjorth Lund1, Lis Alban2, Claus Hansen1
1Section of Animal Welfare, Danish Technological Institute, Taastrup, Denmark.
Preventive veterinary medicine
|May 13, 2025
概括
计算机视觉系统 (CVS) 在检测猪尸体污染方面表现有前途,在识别真实污染方面表现出高度的特异性. 这项使用隐性类型建模评估的技术可以与传统的肉类检查方法一起提高食品安全.
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
- 统计建模 统计建模
背景情况:
- 评估猪体污染对于食品安全至关重要.
- 传统的检查方法在准确性和一致性方面存在局限性.
- 计算机视觉系统 (CVS) 提供自动化检查功能.
研究的目的:
- 为了评估计算机视觉系统 (CVS) 测量猪尸体污染的性能.
- 将CVS的性能与官方辅助检查进行比较.
- 在没有黄金标准的情况下,利用隐性类型建模进行性能评估.
主要方法:
- 使用隐性类型建模来估计灵敏度和特异性.
- 分析了16天内69,215头猪尸体的数据.
- 将CVS结果与使用科恩卡帕和PABAK的官方辅助评估进行比较.
主要成果:
- CVS的传感度中位数为31.6%,特异性为97.9%.
- 官方辅助器具有22%的灵敏度和99%的特异性.
- 油污染经常被CVS误认为是便污染.
结论:
- 计算机视觉系统擅长识别真正的污染物 (高特异性).
- 隐性类型建模为评估检查系统提供了一个强大的框架.
- CVS技术可以补充传统的肉类检查,以提高食品安全.
