PulseAugur
中
实时 10:29:02
English(EN) Automated binary classification of hazelnut X-ray images: A deep-learning benchmark for quality assessment

使用X射线图像对夏威夷果进行质量评估的深度学习基准

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个用于使用X射线图像对夏威夷果质量进行分类的深度学习基准。该研究涉及799张分割的X射线图像，评估了各种单一模型配置和集成模型。一个结合了使用二元交叉熵训练的卷积神经网络和冻结的Swin Transformer的集成模型达到了86.3%的最高平衡准确率。研究结果强调了深度学习在自动化农业质量评估方面的潜力，并突出了对小型、不平衡数据集进行严格评估和数据整理的必要性。 AI

影响 为农业成像分析建立了一个新基准，有可能改善食品生产中的质量控制。

排序理由 该集群包含一篇学术论文，详细介绍了图像分类的新基准和方法论。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

使用X射线图像对夏威夷果进行质量评估的深度学习基准

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Giancarlo Sportelli, Nicola Belcari, Roberta Pace, Umberto Bernardo, Sharmin Sultana, Alessandra Toncelli, Matteo Giaccone ·

    自动化坚果X射线图像二元分类：用于质量评估的深度学习基准

    arXiv:2608.11759v1 Announce Type: cross Abstract: Non-destructive X-ray imaging can reveal internal hazelnut defects that are difficult to detect by external inspection alone; however, automated interpretation remains challenging because of subtle radiographic differences among c…

相关实体

相关话题