用X射线成像和轻量级WKNet进行核桃的非破坏性检测和质量分级系统
Xiangpeng Fan1,2, Jianping Zhou3,4
1Agricultural Information Institute, Chinese Academy of Agricultural Sciences, Beijing 100081, China.
Foods (Basel, Switzerland)
|July 12, 2025
概括
这项研究引入了一种新的X射线成像和深度学习方法,用于高效地检测核桃质量. 开发的WKNet模型显著提高了内部质量评估的准确性和速度.
科学领域:
- 农业工程 农业工程
- 计算机科学 计算机科学
- 食品科学 食品科学 食品科学
背景情况:
- 对于诸如核桃之类的农产品,内部质量检测至关重要.
- 现有的核桃质量评估方法在准确性和效率方面面临挑战.
研究的目的:
- 开发一种使用X射线成像和深度学习进行核桃内部质量检测的综合方法.
- 解决当前检测模型中时间消耗和参数冗余的局限性.
主要方法:
- 设计了一个X射线机器视觉系统,并构建了一个核桃核检测 (WKD) 数据集.
- 通过将变压器,GhostNet和交叉注意力 (CCA) 模块集成到YOLO v5s模型中,开发了一个有效的核子检测网络 (WKNet).
- 使用mAP,精度和回忆指标评估WKNet性能,并测量推理时间.
主要成果:
- WKNet实现了高性能,mAP_0.5为0.9869,精度为0.9779,回忆为0.9875用于核桃核的检测.
- 该模型显示,每张图像的快速推断时间仅为11.9毫秒.
- 对比实验证实了WKNet在最先进的深度学习模型中的优势.
结论:
- 对X射线成像和拟议的WKNet的创新组合为核桃内部质量检测提供了一个高度有效的解决方案.
- 这种方法对改善核桃质量控制流程有重大影响.
更多相关视频
06:21Micron-scale Phenotyping Techniques of Maize Vascular Bundles Based on X-ray Microcomputed Tomography
Published on: October 9, 2018
8.9K
12:18Pore-scale Imaging and Characterization of Hydrocarbon Reservoir Rock Wettability at Subsurface Conditions Using X-ray Microtomography
Published on: October 21, 2018
14.2K
