CondimentNet 网络

相似调味品识别精度95.71%

通过引入注意力机制，显著提升了对外观相似调味品的识别精度。

倪建功 · Yifan, Zhao · Zhigang, Zhou · 赵龙刚 · 韩仲志

Journal of Food Composition and Analysis 2023

参数信息

识别精度

95.71 %

技术优势

精度提升

加入 scSE 注意力模块并改进卷积核与分类器，使识别准确率达到 95.71%，比原 ResNet18 高 1.11 个百分点。

成本不增

改进没有显著增加训练成本，因此可以在资源有限的环境下获得精度收益。

优于同类模型

与其他先进模型相比，CondimentNet 表现出优越性，更适合此类调味品识别任务。

应用场景

• 食品真伪鉴别：快速区分外观相似的调味品，防止掺假和冒充。
• 调味品加工：在加工线上自动分类不同调味品原料，减少人工分拣。
• 食品检测：为食品检测提供智能识别手段，验证原料真实性。
• 智能感官分析：用计算机视觉代替人工感官评价，实现客观一致的分类。
• 图像识别仪器：作为图像识别仪器中的核心算法，部署到便携设备。