一个基于3D点云和深度学习的自动化过程,用于量化切片面包中的多尺度表型
Honghao Zhou1, Jungao Zhang2, Qin Zhou3
1Academy for Advanced Interdisciplinary Studies, Nanjing Agricultural University, Nanjing 210095, China; Collaborative Innovation Centre for Modern Crop Production, Co-sponsored by Province and Ministry, College of Agriculture, State Key Laboratory of Crop Genetics & Germplasm Enhancement and Utilization, Nanjing Agricultural University, Nanjing 210095, China.
Food research international (Ottawa, Ont.)
|July 2, 2025
概括
本研究引入了用于详细面包分析的3D激光扫描技术,捕捉了整体切片结构和孔隙特征. 开发的3D-PoreSegNet模型准确地提取了用于全面评估面包质量的关键表型参数.
科学领域:
- 食品科学与技术 食品科学与技术
- 计算机视觉 计算机视觉
- 计量学 计量学是一门学科.
背景情况:
- 传统的面包评估依赖于有限的二维表型分析.
- 准确的3D结构数据对于全面的质量评估至关重要.
- 现有的方法在捕捉面包的3D特征方面缺乏效率和细节.
研究的目的:
- 开发一种创新且廉价的3D激光扫描技术,用于面包表型分析.
- 准确捕捉和分析面包切片及其毛孔表面的3D结构.
- 为增强面包质量评估引入新的表型参数.
主要方法:
- 使用3D线扫描激光定位传感器和三轴运动平台来获取数据.
- 开发了一个3D-PoreSegNet细分模型,用于在3D点云数据中分离面包和孔隙区域.
- 采用2D投影,轮提取和反向转换,用于精确的孔边和3D结构重建.
主要成果:
- 成功重建了3D面包和毛孔结构,以高准确度提取了13个表型参数.
- 在总特征方面取得了高精度:高度 (97.3%),长度 (95.2%),宽度 (95.6%),表面积 (86.6%),体积 (82.8%),对称性 (91.5%),均性 (93.4%).
- 对孔隙参数的显著准确性被证明:最大孔隙直径 (84.7%),最大孔隙面积 (82.6%),孔隙数量 (87.1%),最大孔隙深度 (90.3%),最大孔隙体积 (83.7%),孔隙延长 (78.5%).
结论:
- 拟议的3D激光扫描技术有效地满足了各种表型分析要求.
- 开发的Bread3D-Measure软件有助于快速准确的表型分析.
- 这种创新方法为科学评估面包质量提供了坚实的框架.
