Jul, 2023
运用传输散斑照相与卷积神经网络相结合的方法，对牛奶中的脂肪含量进行测定--对复杂悬浮物参数进行分类的研究
Combining transmission speckle photography and convolutional neural
network for determination of fat content in cow's milk -- an exercise in
classification of parameters of a complex suspension
TL;DR我们结合了透射散斑摄影和机器学习，直接分类和识别牛奶脂肪含量类别。我们的目标是基于散射粒子的参数（和分散介质）与传输相干光通过散射介质时观察到的强度分布（散斑）之间的关联。对于牛奶来说，主要是脂肪球的大小分布和浓度，构成了总脂肪含量。因此，我们训练了卷积神经网络来识别和分类不同脂肪含量类别（0.5%，1.5%，2.0%和3.2%）。我们研究了四种曝光时间协议，并在曝光时间较短的情况下获得了最高性能，其中强度直方图在所有图像中保持相似，并且散斑模式中最可能的强度接近于零。我们的神经网络能够明确识别牛奶脂肪含量类别，获得的最高测试和独立分类准确率分别为100%和约99%。这表明其他复杂逼真的悬浊液的参数可以使用类似的方法进行分类。