基于特征重校准的嗅觉-视觉多模态模型用于提升稻米质量下陈检测
计算机视觉与模式识别
2026-03-24 v2 人工智能
摘要
多模态方法在稻米质量下陈检测中广泛应用，但在表征和提取细粒度异常特征方面表现有限。此外，这些方法依赖于 hyperspectral 相机和质谱仪等设备，增加检测成本并延长数据获取时间。为解决这些问题，本文提出一种基于特征重校准的嗅觉-视觉多模态模型，用于增强稻米质量下陈检测。提出细粒度质量下陈嵌入构建器（FDEC），以重建标记的多模态嵌入特征数据集，增强样本表征。提出细粒度质量下陈重校准注意力网络（FDRA-Net），以强调信号变化，提高对稻米表面细粒度质量下陈的灵敏度。与 SS-Net 相比，所提方法在分类准确率上提高了 8.67%，对其他传统基线模型平均提高了 11.51%，同时简化了检测程序。 Furthermore, field detection results demonstrate advantages in both accuracy and operational simplicity. 该方法还可扩展至农业和食品行业的其他农产品应用。
引用
@article{arxiv.2602.14408,
title = {Feature Recalibration Based Olfactory-Visual Multimodal Model for Enhanced Rice Deterioration Detection},
author = {Rongqiang Zhao and Hengrui Hu and Yijing Wang and Mingchun Sun and Jie Liu},
journal= {arXiv preprint arXiv:2602.14408},
year = {2026}
}