基于深度学习技术的手机图像式波斯米饭检测与分类

本研究介绍了一种创新的基于图像的深度学习方法，用于对不同类型的波斯米饭进行分类，凸显了日常技术在食物分类中的实际应用。鉴于波斯米饭的多样性及其在烹饪中的重要性，我们利用卷积神经网络(CNN)的能力，具体通过微调ResNet模型实现对不同米饭品种的精准识别，并采用U-Net架构对米饭颗粒在批量图像中的精确分割。该双重方法框架允许进行单个颗粒的分类和对批量米饭样本的综合分析，从而解决米饭质量评估的两个关键方面。利用消费级手机拍摄的图像反映了一种现实场景，即个体可以利用该技术辅助购物和烹饪准备。由多种米饭类型在自然条件下拍摄的图像数据集（无专业照明或设备）呈现了一个具有挑战性又实用的分类问题。我们的发现表明，使用非专业图像进行食物分类是可行的，深度学习模型如ResNet和U-Net能够适应日常物体和纹理的细微差异。本研究为图像基于深度学习在日常生活中的应用提供了见解，特别是为了提升消费者在食品选择方面的体验和知识。此外，它为将这种方法扩展到其他食品类别和实际应用开辟了道路，强调了可接近技术在连接复杂计算方法与日常任务之间的作用。