基于支持向量机与 YOLO 的移动食品分级系统
计算机视觉与模式识别
2021-01-29 v1 人工智能
机器学习
系统与控制
系统与控制
摘要
食品质量与安全是社会高度关注的问题，因为它不仅是对人类健康的基本保障，也是社会发展与稳定的基本保障。确保食品质量与安全是一个复杂过程。从种植、收获、储存到制备和消费的所有食品加工阶段都应被考虑。分级是控制食品质量的基本过程之一。本文提出了一种基于移动视觉的系统来评估食品分级。具体而言，所提系统在香蕉位于移动传送带上时获取其图像。采用基于机器学习的两层图像处理系统对香蕉进行分级，这两层分别部署在边缘设备和云服务器上。支持向量机（SVM）作为第一层，基于由颜色和纹理特征组成的提取特征向量对香蕉进行分类。然后，You Only Look Once (YOLO) v3 模型进一步定位果皮缺陷区域并确定输入属于半熟或完熟类别。根据实验结果，第一层性能准确率达 98.5%，而第二层准确率为 85.7%，总体准确率为 96.4%。
引用
@article{arxiv.2101.01418,
title = {Support Vector Machine and YOLO for a Mobile Food Grading System},
author = {Lili Zhu and Petros Spachos},
journal= {arXiv preprint arXiv:2101.01418},
year = {2021}
}