38、基于高效 CNN 的红肉分类方法

基于高效 CNN 的红肉分类方法

1 研究背景

在人工智能和深度学习领域，众多研究致力于肉类新鲜度检测。过去，检测水果、蔬菜、鱼类和肉类新鲜度常采用化学和感官测试。然而，这些传统方法存在局限性，如传感器或指示剂检测方法实施难度大、成本高，且需要专业知识。

以下是一些传统方法及其局限性：
- 智能手机应用与比色传感器 ：可监测包装肉类中因细菌分解导致的二氧化碳水平上升，但只能用于包装肉，不适用于鲜肉店销售的肉类。
- 电化学和生物传感器 ：如用于检测鱼肉中黄嘌呤或三磷酸腺苷的传感器，使用起来不经济、不便捷，且需要专业分析。
- 颜色特征和机器学习 ：基于颜色直方图特征或机器学习和彩色成像的方法，虽有一定效果，但分类精度有待提高。

2 相关研究

许多研究探讨了使用神经网络（如卷积神经网络，CNN）进行肉类新鲜度分类的无损方法。以下是一些基于 CNN 的研究案例：
| 研究团队 | 研究内容 | 精度 |
| ---- | ---- | ---- |
| Chao Wang 等 | 基于 CNN 的小龙虾新鲜度评估系统 | 83.3% |
| Dongwei Liu 等 | 基于 CNN 的牛肉和羊肉切片真伪检测系统 | - |
| MBP Garcia 等 | 使用 VGG16 架构进行鸡肉新鲜度分类 | 约 94% |
| Calvin, Putra 等 | 使用 AyamNet 架构对鸡肉进行新鲜度分类 | - |

3 提出的方法