甄别瑕疵：面向谷物外观检测的受损籽粒识别
计算机视觉与模式识别
2023-11-21 v1
摘要
谷物作为必需营养素的主要来源在人类饮食中起着至关重要的作用。谷物外观检测（GAI）是决定谷物质量、促进谷物流通与加工的必要过程。然而，GAI 通常由检验员以繁琐的程序手动执行，这构成了智慧农业中的显著瓶颈。在本文中，我们致力于开发一套自动化 GAI 系统：AI4GrainInsp。通过分析谷物籽粒的独特特征，我们将 GAI 表述为一个普遍存在的问题：异常检测（AD），其中健康可食用的籽粒被视为正常样本，而受损谷物或未知物体被视为异常。我们进一步提出了一种称为 AD-GAI 的 AD 模型，该模型仅使用正常样本训练，却能在推理时识别异常。此外，我们定制了用于数据采集的原型设备，并创建了一个包含 22 万张小麦和玉米籽粒高质量图像的大规模数据集。通过大量实验，AD-GAI 相较于先进 AD 方法取得了可观的性能，且 AI4GrainInsp 与人类专家性能高度一致，并在检测效率上超过 20 倍加速而表现优异。数据集、代码和模型将在 https://github.com/hellodfan/AI4GrainInsp 发布。
引用
@article{arxiv.2311.11901,
title = {Identifying the Defective: Detecting Damaged Grains for Cereal Appearance Inspection},
author = {Lei Fan and Yiwen Ding and Dongdong Fan and Yong Wu and Maurice Pagnucco and Yang Song},
journal= {arXiv preprint arXiv:2311.11901},
year = {2023}
}
备注
Accepted by ECAI2023. https://github.com/hellodfan/AI4GrainInsp