基于特征重校准的嗅觉-视觉多模态模型用于提升稻米变质检测
人机交互
2026-02-17 v1
摘要
多模态方法在稻米变质检测中广泛应用，但在表示和提取细粒度异常特征方面表现有限。此外，这些方法依赖于如高光谱相机和质谱仪等设备，增加检测成本并延长数据获取时间。为此，我们提出一种基于特征重校准的嗅觉-视觉多模态模型用于提升稻米变质检测。提出了细粒度变质嵌入构造器（FDEC），用于重建带标记的多模态嵌入特征数据集，从而增强样本表示。提出了细粒度变质重校准注意力网络（FDRA-Net），用于强调信号变化并提高对稻米表面细粒度变质的灵敏度。与 SS-Net 相比，所提方法在分类准确率上提高了 8.67%，相对于其他传统基线模型平均提高了 11.51%，同时简化了检测程序。此外，田间检测结果表明该方法在准确率和操作简便性方面均具有优势。该方法也可以扩展到农业和食品行业的其他农食品应用中。
引用
@article{arxiv.2602.14407,
title = {"I Felt Bad After We Ignored Her": Understanding How Interface-Driven Social Prominence Shapes Group Discussions with GenAI},
author = {Janet G. Johnson and Ruijie Sophia Huang and Khoa Nguyen and Ji Young Nam and Michael Nebeling},
journal= {arXiv preprint arXiv:2602.14407},
year = {2026}
}
备注
To appear in the Proceedings of the ACM CHI Conference on Human Factors in Computing Systems (CHI 2026)