研究为食品质量计算机预测提供了改进

您是否曾站在杂货店里陈列的苹果前试图挑选出最好的苹果，并想知道“是否有可以做到这一点的应用程序?”

目前用于预测食品质量的基于机器学习的计算机模型并不像人类适应环境条件的能力那样稳定。不过，阿肯色州农业实验站研究中收集的信息将来可能会用于开发该应用程序，并为杂货店提供以更具吸引力的方式呈现食品的见解，并优化加工设施中使用的机器视觉系统的软件设计。

该项研究由生物与农业工程系、食品科学系智能农业与食品制造助理教授王东毅领导，最近发表在《食品工程杂志》上。

尽管人类对食品质量的感知可以通过照明来操纵，但研究表明，使用人类对食品质量感知的数据训练的计算机在不同光照条件下可以做出更一致的食品质量预测。

“在研究机器学习模型的可靠性时，首先要做的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，计算机预测误差可减少约 20%。它的表现优于使用未考虑人类感知变化的图片来训练计算机的现有模型。

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，但研究指出，目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。作者指出，没有研究考虑过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韩硕·徐 (Han-Seok Seo) 是这项研究的合著者。