肉类新鲜度预测
计算机视觉与模式识别
2023-05-03 v1 图像与视频处理
摘要
在大多数零售店中，自初次加工以来的天数被用作估算易腐食品新鲜度的替代指标，或由员工手动评估新鲜度。前者可能导致浪费，因为某些新鲜食品会在固定天数后被丢弃；后者则耗时、昂贵且难以规模化。本项目旨在提出一种基于机器学习（ML）的方法，依据实时数据评估食品新鲜度。当前范围内，仅以肉类作为分析对象，并尝试将肉块分类为新鲜、半新鲜或变质。最终模型准确率超过 90%，且在误分类代价方面表现相对优异。预计该技术将有助于优化客户业务运营，降低销售缺陷或腐烂产品所带来的严重货币、非货币及健康后果风险，同时通过及时销售与处置减少食物浪费，作为可持续企业提升公司价值。
引用
@article{arxiv.2305.00986,
title = {Meat Freshness Prediction},
author = {Bhargav Sagiraju and Nathan Casanova and Lam Ivan Chuen Chun and Manan Lohia and Toshinori Yoshiyasu},
journal= {arXiv preprint arXiv:2305.00986},
year = {2023}
}
备注
8 pages, 12 Figures, 8 Tables, for associated github repo, see https://github.com/TheLohia/Phteven