基于深度学习的椭球状火腿表面积与体积自动预测
计算机视觉与模式识别
2019-01-16 v1 人工智能
摘要
本文提出通过相机预测火腿表面积与体积的新方法。这意味着可忽略常规的用于获取物体体积的称重测量，因而具有经济效益。两种测量均通过以下两种方式获得：手动与自动。前者被假定为真值或精确测量，后者通过包含数学推导函数的几何分析的计算机视觉技术获得。在自动实现方面，现有多数方法基于手工特征提取食品物料特征，据我们所知，这是首次尝试利用深度学习特征估计火腿的表面积与体积。我们以 Mask Region-based CNN（Mask R-CNN）方法处理该估计任务，其能较好地完成视频中火腿的检测与语义分割。实验结果表明，所提算法具有鲁棒性，对椭球状火腿的两个角度（即水平与竖直位置）均获得了有前景的表面积与体积估计。具体而言，在竖直火腿视角下，其总体精度达 95%，而水平火腿精度达 80%。
引用
@article{arxiv.1901.04947,
title = {Automatic Surface Area and Volume Prediction on Ellipsoidal Ham using Deep Learning},
author = {Y. S. Gan and Sze-Teng Liong and Yen-Chang Huang},
journal= {arXiv preprint arXiv:1901.04947},
year = {2019}
}
备注
This paper contains 19 pages, 12 figures and 4 tables