MobileMold：基于智能手机的显微镜数据集用于食物霉菌检测
计算机视觉与模式识别
2026-04-13 v1
摘要
智能手机插拔式显微镜将日常设备转化为低成本、便携的成像系统，甚至能够在肉眼可见范围之外揭示真菌结构，使霉菌检测超越肉眼检查。本文介绍MobileMold，这是一个用于食物霉菌检测和食物分类的开放式智能手机显微镜数据集。MobileMold包含4941张手持显微镜图像，覆盖11种食物类型、4种智能手机、3种显微镜以及多样化的真实世界条件。除了数据集发布之外，我们为（i）霉菌检测和（ii）食物类型分类 establish baseline，包括一种预测两种属性的多任务设置。在多种预训练深度学习架构和数据增强策略下，我们获得接近极限的性能（准确率=0.9954，F1=0.9954，MCC=0.9907），验证了该数据集对检测食物腐败的实用性。为增加透明度，我们补充了基于显著性图的可视化解释，突出与模型预测相关的霉菌区域。MobileMold旨在为可访问的食物安全感知、移动成像以及探索智能手机配件的潜力贡献研究。
引用
@article{arxiv.2603.01944,
title = {MobileMold: A Smartphone-Based Microscopy Dataset for Food Mold Detection},
author = {Dinh Nam Pham and Leonard Prokisch and Bennet Meyer and Jonas Thumbs},
journal= {arXiv preprint arXiv:2603.01944},
year = {2026}
}
备注
Accepted to ACM Multimedia Systems (MMSys'26). Dataset and code available at https://mobilemold.github.io/dataset/