基于深度学习的食品缺陷检测技术和检测不健康的小麦粒的前景
Rong Wang1, Zhiyao Zhao1, Ying Sun1
1School of Light Industry Science and Engineering, School of Computer and Artificial Intelligence, Beijing Technology and Business University, Beijing 100048, China.
Food chemistry
|November 9, 2025
概括
这项研究回顾了先进的机器视觉和深度学习,用于检测不健康的小麦核,提高食品安全和农业智能. 它指导了现代谷物加工中高效,非破坏性质量评估的自动化系统的开发.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 食品科学 食品科学 食品科学
背景情况:
- 全球粮食安全和质量要求需要有效的小麦质量检测.
- 检测不良小麦核的传统方法缺乏效率,一致性和实时能力.
- 不健康的谷粒会影响面粉产量,储存稳定性和食品安全,需要先进的解决方案.
研究的目的:
- 审查目前在智能小麦质量检测方面的研究和技术进步.
- 专注于使用机器视觉和深度学习来自动识别和分类不健康的小麦粒.
- 在小麦质量评估中为智能农业实践提供见解和指导.
主要方法:
- 对用于小麦核分析的图像采集系统的审查.
- 分析特征提取技术,以识别不健康的核.
- 检查深度学习模型,多式联接和轻量化部署策略.
主要成果:
- 深度学习和机器视觉提供精确的,自动识别不健全的小麦粒.
- 端到端的自动检测系统显示出高通量,非破坏性质量评估的潜力.
- 重点领域包括模型优化和多式联运数据融合,以提高准确性.
结论:
- 先进的智能检测系统对于现代粮食产业链至关重要.
- 需要进一步的研究和开发,以克服实际应用中的挑战.
- 本次审查支持通过改进的小麦质量检测技术推进智能农业.
