聊到计算机视觉，估计大家肯定会想到图像分类、目标检测、图像语义分割等等经典问

题。其实计算机视觉已经开始在各行业得到应用了，比如用CV技术对食物新鲜度进行分级

检测，下面我一一娓娓道来。

说起caffe框架，大家的第一印象肯定是底层基于C++的目前已不再更新的深度学习框

架。估计大家很难把caffe和二师兄联系起来

马上要介绍的这篇论文就是基于caffe框架对猪肉的新鲜度进行分级检测。论文[1]基于

Caffe框架和Resnet残差网络实现了对猪肉新鲜度的实时性检测。论文将猪肉的新鲜度分

为7级（新鲜肉、次鲜肉一级、次鲜肉二级、次鲜肉三级、腐败肉一级、腐败肉二级、腐

败肉三级）。拍摄对应的猪肉照片作为数据集，为后续划分训练集和测试集做准备。在网络

训练完成后，测试发现各级别的准确率均达到95%。相比传统的理化试验检测新鲜度的方

法，检测过程简单、实时性高、无损且更加高效。

       论文[2]用高光谱图像和手动搭建的卷积神经网络对菠菜新鲜度进行检测。作者从高光谱图像集中抽取了 3 个波长对应的灰度图像，构建图像数据库。对图像数据库中每幅图像进行背景分割后，将每片叶片图像归一化为 64×64 大小的图像。论文作者搭建的卷积神经网络包括1 个输入层，4 个卷积层和池化层组合，1个全连接层，2 个 Dropout 层和 1 个输出层，具体结构如下：

3 次试验的平均识别准确率分别为 79.69%、68.75%、69.27%和 80.99%。其中一个样本库的测试集识别正确率最高达到了80.99%。论文实现了圆叶菠菜新鲜度的无损检测，具有很强的创新性。

参考文献：

[1]邱洪涛,孙裴,侯金波,辜丽川,乔焰,焦俊.基于Caffe的猪肉新鲜度分级的设计与实现[J].江苏农业学报,2019,35(02):461-468.

[2谢忠红,徐焕良,黄秋桂,王培.基于高光谱图像和深度学习的菠菜新鲜度检测[J].农业工程学报,2019,35(13):277-284.

篇外：

本文作者来自AI辅导社，团队成员均来自985硕博，在人工智能领域具有深厚的项目

和学术积累。可进行各类论文辅导（包括高中或者本科打算留学的学生等等）和项目指导，感兴趣可私信。