A Large-Scale Dataset for Fish Segmentation and Classification
Oguzhan Ulucan, Diclehan Karakaya, Mehmet Turkan
Department of Electrical and Electronics Engineering
Izmir University of Economics, Izmir, Turkey
{oguzhan.ulucan, diclehan.karakaya, mehmet.turkan}@ieu.edu.tr
0.摘要
在零售环节和生产环节的包装过程中对海鲜的质量进行详细评估,以避免腐败,腐败会导致严重的人体健康问题和经济损失。由于海鲜中的疾病和腐烂在不同的物种中表现出不同的症状,因此首先需要对物种进行分类。在该领域中,基于机器学习和图像处理的系统可以克服当前费力且缓慢的传统方法的不足,其呈现快速且精确的结果。为了设计这样的系统,需要实用和合适的数据集。然而,大多数公开的数据集并不适合上述目的。这些数据集要么包含水下拍摄的图像,要么包含通常不(广泛)食用的海鲜。在这项研究中,形成了一个实用的大数据集,其中包含土耳其爱琴海地区广泛消费的九种不同的海鲜。此外,基于不同分类方法的综合实验被执行以分析该收集的数据集的可用性。实验结果显示了非常有希望的结果;因此,该数据集将公开提供给该研究领域的进一步研究。
1.介绍
海鲜是几种菜肴的主要成分,尤其是在海滨国家,因为它的味道和它所含的营养成分。此外,根据联合国粮食及农业组织的数据,全球鱼类消费量每年增长20公斤以上。因此,对于食品行业来说,满足消费者的需求并在有限的时间内提供高质量的产品变得更加困难。因此,为了防止经济损失和满足顾客的期望,避免海鲜腐败变得更加重要。检测腐败和疾病的传统方法,即在实验室分析食品样品,既费力又耗时。此外,当专家试图通过他们过去的经验通过视觉来检测腐败时,通常会做出主观的决定,例如,这可能会导致腐败的海鲜留在超市柜台出售。开发一个客观、快速和健壮的自动化系统可以解决检测损坏的问题,并将降低供应商的经济负担。事实上,当鱼类开始发病并开始变质时,它们通常会表现出不同的症状。因此,鱼类的自动分类在区分鲜鱼和变质的鱼以