Tuna Scope 金枪鱼猎手:当顶级吃货,搞起图像识别

手动寻找的鱼类小型数据集 手动寻找的鱼类小型数据集,包含了很多种鱼的普适类别,图片质量有保障 立即下载

By 超神经

内容概要:日本学者 Kazuhiro Shimura,历时十年打造了一款可以通过图像识别技术,鉴定金枪鱼并给出评分的应用,目前已经投入市场。

关键词:计算机视觉 食品行业

金枪鱼,多数品种体积巨大,最大的体长达3.5米,重达 600-700 千克,在大西洋、印度洋、太平洋和地中海都有分布。

无论金枪鱼在海洋中是何种地位,最终都是餐桌上的常见鱼类。它肉质柔嫩,高蛋白、低脂肪、低热量,富维生素A、D和微量元素,营养价值极高。

全球金枪鱼的消费量已从 1950 年的每年不到 60 万吨,上升到如今的每年近 700 万吨,占到全球海产品交易总量的近 8 %。

 金枪鱼:制霸海洋和全球餐桌的美味食材

金枪鱼的生产大部分依赖于远洋探捕获得,少量通过人工养殖。

因为金枪鱼生活在水深 100—400 米的大洋深处,而且需要不停地持续高速游泳,即使到了晚上,也只是减缓速度来休息。

金枪鱼游泳速度快,旅行范围远达数千公里,能做跨洋环游

金枪鱼之所以持续游泳,是因为它们一旦停止游泳就会窒息,金枪鱼游泳时总是开着口,使水流经过鳃部得以呼吸。

金枪鱼是唯一能够长距离快速游泳的大型鱼类,速度比陆地上跑得最快的动物还要快。如此高强度的锻炼之下,金枪鱼的肉质柔嫩紧致,健康鲜美。

日本东京筑地市场号称「全球第一大金枪鱼交易地」,每年1月5日左右都会举行盛大的新年金枪鱼拍卖会。

不起眼的市场,决定着顶级金枪鱼食材的成交和流向

2019 年的拍卖会上一条 278 公斤的蓝鳍金枪鱼以 3.336 亿日元(约合人民币 2111 万元)的高价成交,折合每公斤 120 万日元,创下 1999 年以来的最高价拍卖纪录。

 用 CV 手段,为金枪鱼打分

一条优质的金枪鱼,之所以能价值千万,也正是因为日本人对金枪鱼的偏爱和执着的追求。

目前市场上流通的冷冻天然金枪鱼由于捕捞方法、渔场以及船上处理方式不同,对鱼的颜色、肉质和鲜度都会有所影响。

传统需要有经验的鉴定师,

从解冻的尾部断面来推测整条鱼的品质

正因如此,日本最大的广告公司之一 —— 电通集团的广告创意总监 Kazuhiro Shimura,在近期发布了自己的研究成果 —— Tuna Scope,用图像识别技术,来评定金枪鱼的质量。

只需下载 Tuna Scope app 即可使用

使用图像识别,将金枪鱼品质评定这一步骤自动化,可以大幅简化鉴定工作,并根据客户的需求选择最适合的产品。

 AI 挑出的金枪鱼,大满足

在去年,Tuna Scope 团队举办了一场独特的线下试吃活动。Tuna Scope 在数百只黄鳍金枪鱼中,选出了一条黄鳍金枪鱼。

与东京知名的旋转寿司餐厅 Kakotaro 合作,限量制作了 1000 盘 AI 金枪鱼寿司,获得了非常高的人气和食客们的肯定。

Tuna Scope 在去年底引入进了国内,还与大连商升食品有限公司经验老到的师傅们进行了一场「识鱼比赛」。

师傅们用自己在行业上学习的「工匠精神」和通过深度学习打造的 「AI 能力」,一起从 5000 公斤的冷冻黄鳍金枪鱼选择出优质金枪鱼。


结果显示,被评定为最高等级的金枪鱼中,师傅和 Tuna Scope AI 之间的重合度约为90%。

经过几个小时的质量判断,师傅表示被 Tuna Scope 的表现印象深刻


石井师傅表示,即使是经验丰富的工匠,也有不同的标准来识别。依靠鱼尾的横截面的经验累积一项长期工作,而且需要高度集中精力。由于我们一天的身体状况和周围环境(例如亮度)的影响,都会产生误差。

这位从业数十年的老师傅表示,如果 AI 从现在应用在金枪鱼评定工作中,有朝一日一定会远远将人类甩在身后。

—— 完 ——

扫描二维码,加入讨论群

获得更多优质数据集

了解人工智能落地应用

关注顶会&论文

回复「读者」了解更多

更多精彩内容(点击图片阅读)

图像识别之美食挑战赛.pdf 图像识别之美食挑战赛:由二分类到多分类,增加的不止是一点复杂度。 第一场有关美食识别的挑战赛(https://www.leiphone.com/news/201912/flrnkIxJGI4bw3TE.html)。该比赛要求参赛者能够从给出待识别图片中正确区分豆腐与土豆,这一任务也让众多图片识别爱好者得到了初级练手。 相较第一场美食识别挑战赛,这次推出的比赛 2.0 难度略有增加。除了食材种类的成倍增加之外,四种食材的图片辨识度也有所降低。这对于专注于图像识别的开发者而言,相信是非常值得尝试的一次挑战。 立即下载

相关推荐

智能优化算法:金枪鱼群优化算法tuna swarm optimization algorithm

分享了金枪鱼群优化算法tuna swarm optimization algorithm源代码及其原文,亲测有效

基于深度学习的金枪鱼各类别目标检测含完整数据集

在渔业行业,金枪鱼的捕捞和管理一直是一个巨大的挑战,尤其是在大规模渔业作业中,如何精确地识别并分类不同种类的金枪鱼,是提高捕捞效率和保护生态环境的关键。然而,传统的金枪鱼识别方法依赖人工判断,费时费力,且存在很大的误差和漏检问题。金枪鱼的种类繁多,外形相似,甚至在不同的光照、角度下,金枪鱼的外观变化较大,这使得传统方法在准确性和实时性方面存在很大挑战。金枪鱼目标检测的数据集包含了大量的金枪鱼图像,并对图像中的每一只金枪鱼进行了精确的标注,包括金枪鱼的种类、位置和边界框等信息。

crasher123的博客 1334

印尼稻米收成与粮食安全数据集2026年

本数据集收录印度尼西亚2026年水稻收成与粮食安全遥测数据,包含10000条稻米农业收成产量与粮食安全监测记录,围绕印尼国家粮食安全体系中的核心作物水稻展开。稻米是印尼逾两亿人口的主粮,其收成波动直接影响国家粮食安全与进口政策,本数据集将种植区域、收成产量、气候与土壤相关遥测指标整合为结构化表格,可支撑粮食产量预测、收成影响因素分析、区域粮食安全评估与农业政策模拟等研究任务。典型应用场景包括:农业时间序列产量预测模型构建、气候因子与水稻收成的关联分析、省份与地区层面的粮食自给率测算、粮食安全风险预警指标设计,也可作为农业经济、粮食政策与数据科学交叉课程的教学素材。数据为2026年最新版,规模约1.2MB、单CSV结构规整,字段命名清晰,适合Python、Pandas、Scikit-learn等主流工具链直接使用,便于开展探索性分析、可视化与机器学习全流程练习。重要说明:本数据为遥测整理数据,分析结论以数据集文档口径为准,农业决策请结合官方统计综合研判。许可:CC0公有领域,可自由使用与二次分发。

分类鱼 VGG网络 python学习 深度学习 paddlepaddle学习

用于学习VGG网络,代码转载说明:分类鱼 - 飞桨AI Studio - 人工智能学习实训社区 (baidu.com) 下面是用自己准备的数据集进行训练&验证的。 数据准备: 首先是data文件夹里,data13981里放着预测的图片,data14492里放数据集的压缩包,压缩包里一种鱼一个文件夹,文件夹名为鱼的名字。 然后是和data同一目录的,代码运行后会解压数据集,生成文件夹fish_image,如果生成的是fish_image23,把名字里的23删掉就可以了。 其他数据不.

m0_46362426的博客 1417

四分之一汽车模型主动悬架设计:在MATLAB_Simulink中实现比例积分控制、前馈扰动抑制和扰动估计,以优化乘坐舒适性和道路附着力。.rar

四分之一汽车模型主动悬架设计:在MATLAB_Simulink中实现比例积分控制、前馈扰动抑制和扰动估计,以优化乘坐舒适性和道路附着力。.rar

Delphi 13.2控件之msquic4d.rar

Delphi 13.2控件之msquic4d.rar

智能优化算法:金枪鱼群优化算法-附代码

智能优化算法:金枪鱼群优化算法 文章目录智能优化算法:金枪鱼群优化算法1.算法原理1.1 初始化1.2 螺旋觅食1.3 抛物线觅食2.实验结果3.参考文献4.Matlab 摘要:金枪鱼群优化算法(Tuna swarm optimization,TSO),是于2021年提出的一种新型智能优化算法,该算法通过模拟金枪鱼群体的觅食行为,来对问题进行寻优。具有寻优能力强,收敛速度快等特点。 1.算法原理 1.1 初始化 与其他智能优化算法一样,金枪鱼种群在搜索空间内随机初始化。 Xiint=rand⋅(ub−lb)

Jack旭的博客 7417

The Nature Conservancy Fisheries Monitoring 自然保护渔业监测-数据集

此数据集中有八个目标类别:长鳍金枪鱼,大眼金枪鱼,黄鳍金枪鱼,玛希玛希,奥帕,鲨鱼,其他(意味着有鱼类,但不在以上类别中)和无鱼(意味着没有鱼类)在这张图中)。每个图像只有一个鱼类别,除了图片中有时有很小的鱼被用作诱饵。 该数据集由自然保护协会 与Satlink,群岛海洋研究, 太平洋共同体,所罗门群岛渔业和海洋资源部,澳大利亚渔业管理局以及新喀里多尼亚 和帕劳政府合作 编写。 The Nature Conservancy Fisheries Monitoring_datasets.txt

MCGS的Http协议驱动,支持http协议

硬件配置 参数设置 设备属性 设备命令 通讯状态 附录 #HTTP 1、 设备简介 驱动类型 该驱动为独立设备,直接添加构件即可,不需要挂载到父设备下 通讯协议 采用标准HTTP1.1协议 通讯方式 驱动构件为客户端。 2、 硬件连接 本软件在通讯之前,请保证通讯连接正确。通讯连接方式:采用标准的RJ45接口的以太网接线(对调网线或使用HUB交换)。 3、 设备通讯参数 本设备为独立设备,无父设备参数 4、 设备构件参数设置 “HTTP设备”参数设置如下: <1> 内部属性: 构建url信息。 <2> 最小采集周期:本软件对设备进行操作的时间周期,单位为ms,默认为100ms。 <3> 通讯等待时间:通讯数据接收等待时间,默认设置为200ms,当采集速度要求较高或数据量较大时,设置值可适当减小或增大。 <4> HttpHead:http head添加需要的字段,不需要添加http head时值为空,默认不添加。 5、 设备命令 本设备构件提供设备命令,用于进行相应的操作,设备命令的格式如下: 设备命令 命令介绍 GetHttpHead 格式1 GetHttpHead(headStr) 用途 获取http head参数 参数 headStr 参数可以为字符型变量、字符串常量 例1 !SetDevice(设备0,6,"GetHttpHead(headStr)") 获取http head数据保存到headStr中 SetHttpHead 格式1 SetHttpHead(headStr) 用途 设置http head参数 参数 headStr 参数可以为字符型变量、字符串常量

企业数字化转型AI大模型赋能智能体平台及AI场景应用规划方案(生态合作版).pptx

企业数字化转型AI大模型赋能智能体平台及AI场景应用规划方案(生态合作版).pptx

智慧环保生态保护行业可信数据空间应用规划方案(技术方案版).pptx

智慧环保生态保护行业可信数据空间应用规划方案(技术方案版).pptx

【DBO三维路径规划】基于多策略改进的蜣螂算法MSDBO多无人机协同集群避障路径规划(目标函数:最低成本:路径、高度、威胁、转角)研究(Matlab代码实现)

内容概要:本文研究了基于多策略改进的蜣螂优化算法(MSDBO)在多无人机协同集群三维路径规划中的应用,旨在解决复杂三维环境下的避障与最优路径搜索问题。通过构建包含路径长度、飞行高度、威胁规避和转弯角度的综合成本目标函数,利用MSDBO算法对多无人机系统的飞行轨迹进行全局优化,实现在保证安全性与稳定性的前提下达到最低能耗与最优性能的目标。文中详细阐述了算法的多策略改进机制、三维环境建模方法以及多无人机协同避障策略,并通过Matlab仿真平台验证了该方法相较于传统优化算法在收敛速度、路径质量和鲁棒性方面的优越性能。; 适合人群:具备一定优化算法理论基础和无人机控制系统知识的科研人员及研究生,特别适用于从事智能优化算法、多智能体协同控制、路径规划与自主导航等相关领域的研究人员和技术开发者。; 使用场景及目标:①应用于灾害救援、军事侦察、智能巡检等复杂三维场景中多无人机协同任务的路径规划;②为多目标约束下的路径优化、动态避障与能耗平衡问题提供高效的算法支持与仿真验证工具;③推动智能优化算法在无人系统自主决策与协同控制中的实际应用与工程落地。; 阅读建议:建议读者结合提供的Matlab代码深入理解算法的具体实现过程,重点关注目标函数设计、多策略改进机制(如种群初始化、自适应参数调整、局部搜索增强等)及仿真结果分析部分,同时可尝试将该算法迁移至其他智能优化算法框架中进行对比研究,以深化对路径规划问题本质的理解与实践能力的提升。

气象服务行业可信数据空间应用规划方案(技术方案版).pptx

气象服务行业可信数据空间应用规划方案(技术方案版).pptx

【CEEMDAN-VMD-GRU】完备集合经验模态分解-变分模态分解-门控循环单元预测研究(Python代码实现)

内容概要:本文提出了一种融合完备集合经验模态分解(CEEMDAN)、变分模态分解(VMD)与门控循环单元(GRU)的复合预测模型,旨在提升对复杂非平稳时间序列的预测精度。首先利用CEEMDAN对原始信号进行自适应分解,有效缓解模态混叠问题,获得一组本征模态函数(IMFs);随后引入VMD对关键模态分量作进一步优化分解,增强特征分离能力,降低噪声干扰;最后将处理后的平滑分量分别输入GRU神经网络进行独立训练与预测,并通过加权集成策略融合各分量输出,得到最终高精度预测结果。该方法结合了多尺度信号分解与深度学习的优势,显著提升了模型在处理强噪声、非线性、非平稳序列(如电力负荷、风速、光伏发电功率等)时的泛化能力和预测稳定性,文中提供了完整的Python代码实现,便于复现与应用。; 适合人群:具备一定Python编程基础和机器学习理论知识,从事科研或工程应用的硕士、博士研究生及科研人员,尤其适用于能源系统预测、智能电网调度、可再生能源管理、信号处理与时间序列分析等相关领域的研究人员和技术开发者。; 使用场景及目标:①解决传统单一预测模型在面对复杂非平稳时间序列时存在的过拟合、收敛慢、精度低等问题;②通过多阶段信号分解降低原始序列的复杂度与不确定性,提升GRU模型的训练效率与预测鲁棒性;③为电力系统负荷预测、新能源出力预报、设备运行状态预警及市场交易策略制定等关键任务提供高精度数据支撑。; 阅读建议:建议读者结合提供的Python代码逐模块理解算法实现流程,重点关注CEEMDAN与VMD的参数配置对信号分解效果的影响,尝试在不同数据集上进行实验对比,并通过可视化手段分析各模态分量的物理意义,进一步掌握模型调优与性能评估的方法。

机器视觉检测实战教程 19页成品课程光源选型Halcon标定海康相机VisionPro

内容概要:机器视觉检测实战教程,19页6章成品课程PDF:视觉检测光源选型对照表+五个翻车案例、Halcon模板匹配create_shape_model七参数整定、视觉标定三类(9点/旋转/手眼)、海康工业相机C#取图黑图丢帧排坑、VisionPro QuickBuild部署License迁移C#宿主、远心镜头选型。含C#/Halcon代码与现场案例。适用人群:机器视觉工程师、自动化检测开发、企业内训。使用场景:视觉方案设计、选型、标定部署、团队培训。原创整理。

【医疗器械制造】基于酸碱腐蚀环境的一次性乳胶手套铝合金手模失效机理分析与量产风险控制

内容概要:本文围绕一次性医用乳胶手套生产中使用的铝合金手模在酸碱环境下的失效风险展开系统性分析,重点探讨其在外表面腐蚀、清洗循环、氯介质侵入及表面粗糙度控制等方面的工程挑战。研究表明,尽管市场上已有带涂层的铝合金手模供应,但其能否在强碱、酸洗、毛刷摩擦、冷热交变和氯共存的复杂工况下长期维持Ra 1.0—2.5 μm的表面质量并实现稳定脱模,仍需经过严格的多阶段验证。常规阳极氧化+PTFE涂层方案已被实测排除,而316L不锈钢筒体在湿氯环境中出现的三个月内腐蚀失效案例提示必须重视内腔隔离设计。文章强调,采购决策应基于“小批量试制—离线加速试验—影子生产验证—条件性放行”的四阶段准入机制,结合表面参数、工艺相容性、手套成品性能与全生命周期成本进行综合评估,避免依赖供应商宣传数据。; 适合人群:从事医疗器械制造、材料工程、设备采购与工艺质量管理的技术人员及决策管理者,尤其是涉及乳胶手套生产线优化与手模选型的相关从业人员。; 使用场景及目标:①评估铝合金手模替代陶瓷手模的技术可行性与风险边界;②建立手模选型的系统验证流程,防范因表面失效导致的脱模异常、手套缺陷与非计划停机;③指导采购合同中技术条款的制定,确保供应商交付具备可验证数据支撑; 阅读建议:此资源以工程实证为导向,建议读者结合自身产线工艺参数,重点关注外表面Ra控制、内腔双密封设计、影子生产验证方法及失效链追溯体系的构建,在试制阶段严格执行多维度联合判定标准,审慎推进规模化替代。

T12_eVTOL低空经济低空公共航线网络规划设计方案_可研报告版.pptx

T12_eVTOL低空经济低空公共航线网络规划设计方案_可研报告版.pptx

【新能源电力系统】项目介绍 MATLAB实现基于GWO-VMD-SSA-LSTM灰狼优化算法(GWO)结合变分模态分解(VMD)、麻雀搜索算法(SSA)及长短期记忆网络(LSTM)进行辐照度-温度驱动

内容概要:本文提出了一种融合灰狼优化算法(GWO)、变分模态分解(VMD)、麻雀搜索算法(SSA)和长短期记忆网络(LSTM)的复合模型(GWO-VMD-SSA-LSTM),用于实现高精度的辐照度-温度驱动短期光伏功率预测。该模型首先通过GWO优化VMD的关键参数(模态数K和惩罚因子α),实现对非平稳光伏功率序列的高效多尺度分解,降低信号复杂性;随后利用SSA对LSTM的超参数(如隐藏层单元数、Dropout率、学习率等)进行智能寻优,提升网络训练效率与泛化能力;最后通过独立LSTM网络对各VMD模态进行预测并重构输出。模型结合了信号分解、智能优化与深度学习优势,显著提升了在多云、阴雨等复杂天气下的预测精度与稳定性,并通过MAE、RMSE、MAPE和R²等指标验证了有效性。文中还提供了完整的MATLAB实现流程,涵盖数据清洗、归一化、滑动窗口构建、参数优化与结果可视化等环节。; 适合人群:具备一定机器学习与时间序列预测基础,从事新能源发电预测、智能电网调度、电力系统自动化等相关领域的科研人员、工程师及研究生。; 使用场景及目标:①解决光伏功率受辐照度、温度等因素影响而导致的强随机性、非平稳性预测难题;②提升短期(15分钟至1小时)光伏出力预测精度,支撑电网经济调度、储能协同控制与电力现货市场申报;③为多源气象数据驱动的可再生能源预测提供可扩展的技术框架。; 阅读建议:建议结合提供的MATLAB代码逐步实践,重点关注GWO与SSA的优化机制、VMD分解效果及其与LSTM的集成方式,注意避免时间泄漏问题,推荐在实际数据上复现实验以深入理解模型性能。

上一篇: 梅耶·马斯克:英雄的母亲,也成为他们的英雄
下一篇: 乘风破浪的 AI 姐姐,成团首秀献唱 WAIC
HyperAI超神经
博客等级 码龄7年 8873粉丝 1753原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值