相关实验视频
Updated: Sep 13, 2025
03:57
Anesthesia-free Heartbeat Measurements in Freely Moving Zebrafish
Published on: April 18, 2025
602
图像特征和激光反射的融合,用于自动化鱼类新鲜度分类
Caner Balım1, Nevzat Olgun1, Mücahit Çalışan2
1Department of Software Engineering, Faculty of Engineering, Afyon Kocatepe University, Afyonkarahisar 03200, Türkiye.
Sensors (Basel, Switzerland)
|July 30, 2025
概括
这项研究引入了一种新方法,结合激光数据和人工智能图像分析,自动评估鱼的新鲜度. 这种混合方法在三天内准确地分类鱼类质量,为传统方法提供了可靠的替代方案.
科学领域:
- 食品科学与技术 食品科学与技术
- 生物医学工程 生物医学工程
- 人工智能的人工智能
背景情况:
- 鱼是一种重要的食物来源,但其易受腐烂的敏感性需要准确的新鲜度评估.
- 确定鱼的新鲜度的传统方法往往是主观的,缺乏一致性.
- 需要客观的,自动化的方法来确保食品安全和质量.
研究的目的:
- 开发一种新的,具有成本效益的混合方法,用于自动化,多层次的鱼类新鲜度分类.
- 将单波长激光反射率数据与基于深度学习的图像功能集成在一起,以提高预测准确度.
- 评估机器学习算法在使用融合数据对鱼类新鲜度进行分类时的性能.
主要方法:
- 在三天内收集了130只鱼标本的数据集,捕获了视觉和激光反射率数据.
- 我们使用深度学习模型 (CNN) 来提取图像特征.
- 激光反射特征被提取并与图像特征融合.
- 支持矢量机 (SVM),多层感知器 (MLP) 和随机森林 (RF) 算法用于分类.
主要成果:
- 综合激光和深度视觉特征的混合方法显著优于单一模式方法.
- 在三级新鲜度分类 (第一天,第二天,第三天) 中,平均分类准确率为88.44%.
- 该研究证明了将低成本激光传感与先进图像分析相结合的有效性.
结论:
- 拟议的多式联运方法为自动化鱼类新鲜度评估提供了强大而准确的解决方案.
- 这种方法具有实时应用和移动部署的潜力,改善了食品质量监测.
- 这项研究开创了激光传感和深度学习的整合,用于预测鱼的新鲜度.
