您是否曾经站在杂货店陈列的苹果前，试图挑选出最好的苹果，并想知道：“有这样的应用程序吗？”

当前用于预测食品质量的基于机器学习的计算机模型与人类的适应能力并不一致环境条件。尽管如此，阿肯色州农业实验站研究中收集的信息有一天可能会被用来开发该应用程序，并为杂货店提供以更具吸引力的方式展示食品的见解，并优化加工设施中使用的机器视觉系统的软件设计。

该研究由生物与农业工程系和食品学院智能农业和食品制造助理教授王东一领导。科学部门，最近发表在食品工程杂志。

虽然人类感知尽管食品质量可以通过照明来控制，但该研究表明，接受人类食品质量感知数据训练的计算机在不同照明条件下可以做出更一致的食品质量预测。

“当研究机器学习模型的可靠性时，你需要做的第一件事就是评估人类的可靠性，”王说。“但人类的感知存在差异。我们正在努力做的是训练我们的机器学习模型，使其更加可靠和一致。”

研究表明，利用人类在不同光照条件下对照片的感知数据，计算机预测误差可以减少约 20%。它的表现优于既定的模型它使用图片来训练计算机，而不考虑人类感知的变化。

尽管机器视觉技术已在食品工程领域得到广泛研究和应用，但该研究指出，当前大多数算法都是基于“人类标记的基本事实或简单的颜色信息”进行训练的。作者表示，没有研究考虑光照变化对人类感知的影响，以及偏差如何影响用于食品质量评估的机器视觉模型的训练。

研究人员使用生菜来评估人类在不同光照条件下的感知，然后将其用于训练计算机模型。感官评估是在实验站的感官科学中心进行的。食品科学系教授兼感官科学中心主任 Han-Seok Seo 是该研究的合著者。

在 109 名年龄范围广泛的参与者中，89 人完成了该研究人类感知可靠性阶段的所有九个感官课程。没有一个参与者是色盲或有视力问题。连续五天，小组成员每天评估 75 张长叶生菜的图像。他们按照 0 到 100 的等级对生菜的新鲜度进行评分。

感官小组分级的生菜图像是在八天内拍摄的样本，以提供不同程度的褐变。它们是在不同的照明亮度和色温下拍摄的，范围从蓝色的“冷”色调到橙色的“暖”色调，以获得包含 675 张图像的数据集。

研究指出，几种成熟的机器学习模型被用来评估与感官面板相同的图像。不同的神经网络模型使用样本图像作为输入，并经过训练来预测相应的平均人类评分，以更好地模仿人类感知。

正如感官科学中心的其他实验所见，人类对食品质量可以通过照明来操纵。例如，温暖的环境颜色可以掩盖生菜的褐变，王解释道。

王说，在不同照明条件下利用人类感知来训练基于机器视觉的计算机的方法可以应用于从食品到珠宝的许多事物。

该研究的其他合著者来自阿肯色大学，包括工程学院工业工程副教授张胜帆；Swarna Sethu，原生物与农业工程系博士后研究员，现任密苏里南方州立大学计算机信息科学助理教授；维多利亚·J·霍根 (Victoria J. Hogan)，食品科学系项目助理。

更多信息：王东一等，人类感知可靠吗？从食品外观进行光照鲁棒食品新鲜度预测——以生菜新鲜度评估为例，食品工程杂志（2024）。DOI：10.1016/j.jfoodeng.2024.112179