CarcassFormer：基于Transformer的端到端框架用于同时定位、分割和分类鸡肉残肉瑕疵
计算机视觉与模式识别
2024-04-18 v1
摘要
在食品行业，对鸡肉残肉在加工过程中的质量进行评估是关键步骤。本研究提出了一种有效的方法，自动化评估残肉质量，而无需熟练的劳动力或检查员参与。该系统基于机器学习（ML）和计算机视觉（CV）技术，实现自动瑕疵检测和残肉质量评估。为此，引入一种基于Transformer体系结构的端到端框架CarcassFormer，旨在有效提取视觉表征，同时检测、分割和分类鸡肉残肉瑕疵。我们的方法能够分析源于生产和运输福利问题，以及加工厂灯具、脱脂器、脱毛器等设备故障造成的瑕疵。为对该框架进行基准测试，最初获取了包含7,321张图片的数据集，其中每张图片包含单只或多只鸡肉残肉。本研究比较了CarcassFormer系统在分类、检测和分割任务方面与其他最先进（SOTA）方法的性能。通过大量定量实验，我们的框架在各种评估指标（如AP、AP@50和AP@75）上一致性地超越现有方法，展现出显著的改进。此外，定性结果突显了CarcassFormer在捕捉细节（包括羽毛）以及精确定位和分割鸡肉残肉方面的优势。为促进进一步的研究和合作，CarcassFormer的预训练模型和源代码已公开于：https://github.com/UARK-AICV/CarcassFormer供研究使用。
关键词
引用
@article{arxiv.2404.11429,
title = {CarcassFormer: An End-to-end Transformer-based Framework for Simultaneous Localization, Segmentation and Classification of Poultry Carcass Defect},
author = {Minh Tran and Sang Truong and Arthur F. A. Fernandes and Michael T. Kidd and Ngan Le},
journal= {arXiv preprint arXiv:2404.11429},
year = {2024}
}
备注
Accepted to Poultry Science Journal