식료품점에 진열된 사과 앞에 서서 가장 좋은 사과를 고르다가 "이런 앱이 있을까?"라고 궁금해하신 적이 있으신가요?

식품 품질을 예측하는 데 사용되는 현재 기계 학습 기반 컴퓨터 모델은 인간의 적응 능력만큼 일관성이 없습니다.환경 조건.그럼에도 불구하고 아칸소 농업 실험장 연구에서 수집된 정보는 언젠가 해당 앱을 개발하는 데 사용될 뿐만 아니라 식료품점에 식품을 보다 매력적인 방식으로 제공하는 방법에 대한 통찰력을 제공하고 가공 시설에 사용되는 머신 비전 시스템용 소프트웨어 설계를 최적화하는 데 사용될 수 있습니다.

이번 연구는 생물농업공학과 스마트 농업 및 식품제조 조교수 Dongyi Wang이 주도한 연구와 식품과학부서는 최근에출판됨에서식품공학저널.

일지라도인간의 인식식품 품질은 조명으로 조작될 수 있으며, 연구에 따르면 식품 품질에 대한 인간의 인식 데이터로 훈련된 컴퓨터는 다양한 조명 조건에서 식품 품질을 보다 일관되게 예측할 수 있는 것으로 나타났습니다.

Wang은 "기계 학습 모델의 신뢰성을 연구할 때 가장 먼저 해야 할 일은 인간의 신뢰성을 평가하는 것"이라고 말했습니다."그러나 인간의 인식에는 차이가 있습니다. 우리가 하려는 것은 기계 학습 모델을 더욱 안정적이고 일관되게 훈련시키는 것입니다."

이 연구는 다양한 조명 조건에서 사진에 대한 인간의 인식 데이터를 사용하여 컴퓨터 예측 오류를 약 20%까지 줄일 수 있음을 보여주었습니다.기존 제품보다 성능이 뛰어납니다.모델인간의 인식 가변성을 고려하지 않고 사진을 사용하여 컴퓨터를 훈련시키는 것입니다.

머신 비전 기술이 식품 공학 분야에서 널리 연구되고 적용되었음에도 불구하고, 연구에서는 대부분의 최신 알고리즘이 "사람이 표시한 실제 정보 또는 단순 색상 정보"를 기반으로 훈련된다는 점에 주목했습니다.인간의 인식에 대한 조명 변화의 영향과 편견이 식품 품질 평가를 위한 머신 비전 모델 훈련에 어떤 영향을 미칠 수 있는지에 대한 연구는 없다고 저자는 말했습니다.

연구원들은 상추를 사용하여 다양한 조명 조건에서 인간의 인식을 평가했으며, 이는 다시 컴퓨터 모델을 훈련하는 데 사용되었습니다.관능평가는 실험장 감각과학센터에서 이루어졌습니다.이번 연구의 공동저자는 서한석 식품과학과 교수이자 감각과학센터 소장이다.

다양한 연령대의 참가자 109명 중 89명이 연구의 인간 인지 신뢰도 단계의 9개 감각 세션을 모두 완료했습니다.참가자 중 색맹이나 시력 문제가 있는 사람은 아무도 없었습니다.5일 연속으로 패널리스트는 매일 75개의 로메인 상추 이미지를 평가했습니다.그들은 양상추의 신선도를 0에서 100까지 등급을 매겼습니다.

감각 패널이 등급을 매긴 상추의 이미지는 다양한 수준의 갈변을 제공하기 위해 8일 동안 사진을 찍은 샘플입니다.675개 이미지의 데이터 세트를 얻기 위해 푸른색의 "차가운" 톤부터 주황색의 "따뜻한" 톤까지 다양한 조명 밝기와 색온도에서 촬영되었습니다.

감각 패널과 동일한 이미지를 평가하기 위해 잘 확립된 여러 기계 학습 모델이 적용되었다고 연구는 지적했습니다.다양한 신경망 모델은 샘플 이미지를 입력으로 사용하고 인간의 인식을 더 잘 모방하기 위해 해당 평균 인간 등급을 예측하도록 훈련되었습니다.

감각과학센터의 다른 실험에서 볼 수 있듯이 인간의 인식은음식의 질조명으로 조작할 수 있습니다.예를 들어, 따뜻한 환경 색상은 상추 갈변을 ​​가릴 수 있다고 Wang은 설명했습니다.

Wang은 다양한 조명 조건에서 인간의 인식을 사용하여 머신 비전 기반 컴퓨터를 훈련시키는 방법이 식품에서 보석에 이르기까지 많은 것에 적용될 수 있다고 말했습니다.

이번 연구의 다른 공동 저자로는 아칸소 대학교 공과대학 산업공학과 부교수인 Shengfan Zhang;Swarna Sethu, 생물 및 농업 공학과의 전 박사후 연구원이자 현재 미주리 서던 주립 대학교 컴퓨터 정보 과학 조교수;식품 과학부의 프로그램 조교인 Victoria J. Hogan.

추가 정보:Dongyi Wang 외, 인간의 인식은 신뢰할 수 있습니까?조명을 통해 식품 외관을 통한 강력한 식품 신선도 예측을 향하여...상추 신선도 평가를 예로 들면,식품공학저널(2024).DOI: 10.1016/j.jfoodeng.2024.112179