研究人员开发了一种新方法来评估从图像预测水果剩余货架期的 AI 模型的准确性。使用 Hass 牛油果成熟度数据集，他们发现样本级交叉验证（确保同一水果的图像不用于训练和测试）比观察级拆分提供了更现实的性能估计。这种方法显示出更高的错误率，样本不重叠的交叉验证产生的平均 RMSE 为 3.12 天，而观察级拆分的平均 RMSE 为 2.37 天。该研究还将 MobileNetV3-Small 等轻量级模型与 ResNet-18 等较重模型进行了比较，发现准确性相当，但较小模型的吞吐量显著提高，并使用 Grad-CAM 分析了视觉归因差异。 AI
影响 这项研究通过提高模型评估标准，有望为供应链管理和减少食物浪费带来更可靠的 AI 工具。
排序理由 学术论文，详细介绍了新方法和实验结果。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
