本刊編輯/李林錚（編譯）

中國研究人員研究了使用淺層上下文編碼器網絡從智能手機圖像中準確劃分豬肉大理石花紋區(qū)域的方法。

豬肉大理石花紋是肌內脂肪的代表，有助于豬肉的質量和味道。視覺評分是評估大理石花紋特征的主觀方法。但是，可能會產生不可靠和不一致的結果。因此，需要智能、無損和低成本的技術來定量評估豬肉的大理石花紋特征。

1 數(shù)據(jù)采集

研究人員從215 頭大白豬和桐城豬新鮮屠宰的尸體中解剖了背長肌。然后，他們將這塊肌肉的切片放在一個黑色圓盤中，以便使用iPhone 6 的后置攝像頭進行圖像采集。最后，他們選擇了從不同豬身上解剖的173 張高質量圖像來構建數(shù)據(jù)集。

他們測量了背長肌每片的肌內脂肪含量，并記錄了大理石花紋評分。裁剪圖像后，他們對圖像應用了均移濾波器操作，以減少反射噪聲并增強大理石花紋區(qū)域的邊緣。該團隊使用基于補丁的訓練框架和大理石花紋網絡進行精確的豬肉大理石花紋分割，方法是將豬肉圖像的裁剪斑塊作為輸入，并放大輸入斑塊以放大圖像分辨率。他們還研究了補丁大小對模型性能的影響。

2 數(shù)據(jù)集的特征

圖像中的大理石花紋呈現(xiàn)出小的白色斑點或細條紋，稀疏分布在粉紅色的細線中。在大約0%的圖像中，大理石花紋比例從5.3%～90%不等。

3 圖像分割的評估指標

并集上的交集是分割地圖與地面實況之間的重疊面積與并集面積的比率。精度表示預測正確的樣本在所有樣本中的比例。召回率定義為預測的具有正標簽的所有樣本的百分比。F1 分數(shù)是精度和召回率的調和平均值。

4 大理石花紋網細分結果

大理石花紋網在聯(lián)合、召回和F1 分數(shù)上的交集高于其他分割方法。此外，大理石花紋網能夠捕獲圖像中不同比例和形狀的大理石花紋，并使用相對較少的參數(shù)更完整地分割大理石花紋區(qū)域。此外，大理石花紋網的可接受時間成本為每張圖像249.81 ms。大理石花紋、肌內脂肪含量和大理石花紋評分的比率具有較高的相關性，這說明了大理石花紋網模型在豬肉大理石花紋特征分析中的可靠性。

5 基于補丁的培訓

基于補丁的訓練將圖像分解為多個子區(qū)域或補丁，是小目標檢測和分割的有效方法?；谘a丁的訓練減少了內存消耗和計算，并增加了訓練數(shù)據(jù)集的大小。

6 不同補丁大小的比較

隨著圖塊大小從50×50 增加到200×200，大理石花紋網分割性能有所提高，但當圖塊大小超過200 時，該性能會下降，這表明斑塊大小會影響大理石花紋分割精度。

7 結論

大理石花紋網提供了豬肉大理石花紋圖像的準確分割結果，可以進一步開發(fā)為一種有價值的工具，用于有效且高效地從每個圖像中提取多個大理石花紋特征。大理石花紋網確實有很長的推理時間。因此，需要進一步研究開發(fā)一種新的豬肉大理石花紋分割管道，以提高分割性能并減少未來的計算時間。