PulseAugur
实时 07:56:00
English(EN) Predicting Fruit Quality with a Hybrid Machine Learning and Image Processing Approach

混合人工智能方法以超过90%的准确率预测水果新鲜度

研究人员开发了一种结合图像处理和机器学习的混合方法来预测水果品质,特别是识别新鲜度。该系统结合了一个量化腐败的图像处理算法和一个用于二元分类的卷积神经网络(CNN)。通过将这些方法的输出与逻辑回归相结合,该系统在区分新鲜苹果和橙子与腐烂苹果和橙子方面达到了超过90%的准确率。一个关键优势是其实时性能且计算需求不高,尽管目前要求水果在白色或透明背景下进行隔离。 AI

影响 这种混合人工智能和图像处理方法为农业质量控制提供了一种实用的实时解决方案,有望减少食物浪费。

排序理由 该集群包含一篇详细介绍新颖方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

混合人工智能方法以超过90%的准确率预测水果新鲜度

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Amir Reza Hashemi, Shahram Amiri ·

    利用混合机器学习与图像处理方法预测水果品质

    arXiv:2606.26165v1 Announce Type: new Abstract: Fruit spoilage is a significant issue in agriculture, leading to substantial economic losses. Addressing this, our study introduces a hybrid approach combining image processing and deep learning to assess fruit freshness. We develop…