在客户操作的鱼类加工系统中,使用机器视觉的AI驱动分类和精密切割算法

科学领域:

• * 农业工程 农业工程
• * 人工智能 * 人工智能
• * 食品科学 食品科学

背景情况:

• * 鱼类消费受到臭味和繁重加工的限制.
• *现有的鱼类加工系统需要人工干预来切割和清洁.
• * 感官障碍,如鱼的气味,减少消费者的吸引力.

研究的目的:

• * 通过整合人工智能 (AI) 来开发智能鱼类加工系统.
• *使用人工智能算法对高消费鱼类进行分类.
• * 创建自动化切割点确定算法,用于增强鱼类加工.

主要方法:

• *使用人工智能对四种高消费鱼类进行分类.
• * 开发使用背光蓝色背景的切割点确定算法.
• *基于平均平方误差 (MSE) 和准确度的人工神经网络 (ANN) 和支持矢量机 (SVM) 分类器的评估.

主要成果:

• * ANN模型实现了高精度 (99.62%的列车,95.06%的测试) 与一个最佳的6-23-4结构.
• * SVM分类器表现出强的性能,99.69%的列车和98.75%的测试准确度.
• *对于银鱼 (98.36%,99.49%),鱼 (97.85%,98.07%) 和鱼 (96.61%,97.90%) 实现了精确的头部和腹部切割点.

结论:

• *人工智能驱动的分类和自动切割点的确定大大提高了鱼类加工.
• *智能系统有效地解决了与鱼味和手工加工相关的挑战.
• *开发的算法显示出高精度,为更高效的鱼类加工系统铺平了道路.