2 мин. чтения
3/27/2024 11:05:51 AM

Безопасность пищевых продуктов: двухэтапный процесс извлечения и классификации для выявления ингредиентов на фотографиях пищи

Article Preview Image Кредит: Pixabay/CC0 Общественный домен

Sharanabasappa A. Madival и Shivkumar S. Jawaligi из Университета Шарнбасва в Кальбурги, Каранатака, Индия, использовали двухэтапный процесс извлечения и классификации функций для улучшения предыдущих подходов к идентификации ингредиентов в этом контексте.

Команда объясняет, что в их подходе использовались масштабные инвариантные функции преобразования (SIFT) и сверточной нейронной сети (CNN) глубокие функции для извлечения как изображения, так и текстовых функций.После извлечения функции подаются в гибридный классификатор, который объединяет модели нейронной сети (NN) и длинной кратковременной памяти (LSTM).

Команда объясняет, что точность их модели может быть дополнительно усовершенствована благодаря применению карты Чебишева, оцененной алгоритма оптимизации командной работы (CME-TWO).Все это приводит к точной идентификации ингредиентов.

Управление продуктами питания в глобализированном мире имеет решающее значение для цепочек поставок во всем мире, для продовольственной безопасности, отслеживаемости и обнаружения фальшивых продуктов питания и мошенничества с продуктами питания.Нам, как потребители и посетители, должны знать, что ингредиенты в пище, которую мы едим, особенно в контексте разнообразных пищевых предпочтений и соображений в области здравоохранения, действительны.

Команда обнаружила, что их подход работает более эффективно, чем текущие системы идентификации ингредиентов.В частности, они продемонстрировали, что модель HC + CME-TWO выполняет лучшее с большим отрывом, что, таким образом, можно воспринимать в качестве значительного прогресса в этой области.Это использование гибридного классификатора и тонкую настройку весов с использованием алгоритма CME-TWO, который приводит к заметному улучшению точности и надежности.Более того, команда говорит, что есть еще место для улучшения с точки зрения сокращения времени обработки посредством оптимизации.

Работа сосредоточена на безопасности пищевых продуктов, но может быть использована для решения проблем, с которыми сталкиваются регуляторы и другие, пытающиеся обеспечить подлинность пищи, особенно среди ценных продуктов.

Больше информации: Sharanabasappa A. Madival et al., Модель распознавания пищевых ингредиентов с помощью стратегии извлечения изображений и текстовой извлечения и гибридной классификации, Международный журнал интеллектуальных систем, основанных на рассуждениях (2024).Doi: 10.1504/ijris.2024.137455

Получи бесплатную еженедельную рассылку со ссылками на репозитории и лонгриды самых интересных историй о стартапах 🚀, AI технологиях 👩‍💻 и программировании 💻!
Присоединяйся к тысячам читателей для получения одного еженедельного письма

Подписывайся на нас:

Нашли ошибку в тексте? Напишите нам.

Добавляй ЛРНЧ в свою ленту Google Новостей.
Читайте далее 📖

Ubisoft запускает долгожданную видеоигру Skill & Bones

2/16/2024 · 2 мин. чтения

Ubisoft запускает долгожданную видеоигру Skill & Bones

Полностью автономная система беспилотников для кинематографии и мониторинга дикой природы

2/2/2024 · 2 мин. чтения

Полностью автономная система беспилотников для кинематографии и мониторинга дикой природы