面向零售食品包装质量控制的多元深度域适应方法

零售食品包装包含告知消费者选择且对消费者健康至关重要信息,包括产品名称、配料表、营养信息、过敏原、制备指南、包装重量、储存与保质期信息(在此日期前食用/最佳食用日期)。此类信息的存在与准确性对于确保对产品的详细了解并降低健康风险可能性至关重要。因此,错误或不清晰的标签可能对消费者及供应链中许多其他利益相关方造成高度损害。本文提出并测试了一种基于多元深度学习的域适应系统,用于识别和验证沿食品生产线经过、作为验证过程一部分所拍摄的食品包装照片中保质期信息的存在性与清晰度。这是通过利用多元数据集改善技术的泛化能力,从而提取所有域的域不变表示,并在共同特征空间及类边界中对所有源域与目标域分布进行对齐而实现的。所提出的系统在进行的实验中表现优异,可自动化验证过程并减少可能威胁公共健康及违反食品包装信息准确性法律要求的标签错误。在我们食品包装数据集上的综合实验表明,所提出的多元深度域适应方法显著提升了分类准确率,因此在食品制造控制系统中具有巨大的应用潜力与有益影响。