用热成像指导检测胸上的透明塑料污染物:一种结合视觉和模拟方法
Chaitanya Pallerla1, Ramesh Bahadur Bist2, Casey M Owens3
1Department of Biological and Agricultural Engineering, University of Arkansas, Fayetteville, AR 72701, USA; Department of Food Science, University of Arkansas, Fayetteville, AR 72704, USA.
Food research international (Ottawa, Ont.)
|December 18, 2025
概括
这项研究引入了一种新的热成像和机器学习系统,用于检测家禽中的透明塑料外来物质 (FM). 该系统有效地识别这些难以处理的污染物,提高了肉加工中的食品安全.
科学领域:
- 食品科学 食品科学 食品科学
- 机器学习 机器学习
- 热成像是一种热成像技术.
背景情况:
- 越来越多的家禽消费引发了有关外来物质 (FM) 污染的食品安全问题.
- 透明塑料很难用X射线成像等传统方法检测到.
研究的目的:
- 开发一个强大的检测系统,以检测肉上的透明塑料污染物.
- 将热成像与机器学习集成在一起,以增强FM检测.
主要方法:
- 收集了386张标注的热图像,这些图像是生胸片上的透明塑料片 (0.2-8厘米).
- 使用一次性热电阻容量 (LTRC) 模型和COMSOL多物理进行热行为分析.
- 采用YOLOv8s深度学习模型进行检测和细分.
主要成果:
- 在塑料和之间实现了高达1.05°C的热对比度.
- YOLOv8s模型表现出高性能,检测精度为0.983和细分精度为0.949.
- 成功识别了低密度,透明的外来材料.
结论:
- 热成像与深度学习相结合,为在家禽中检测透明塑料FM提供了有效的解决方案.
- 这项技术显著提高了家禽加工厂的食品安全和检查能力.
