ارزيابي تردي گوشت گاو توسط مدل‌هاي مبتني بر يادگيري عميق

گوشت گاو با دارا بودن انواع آمينواسيدهاي ضروري انسان، به‌عنوان يكي از اصلي‌ترين منابع تأمين‌كننده پروتِئين جوامع بشري است. حفظ سلامت جامعه، تأمين مواد غذايي سالم و باكيفيت را بيش از هرزماني ضروري‌تر كرده است. از مهم‌ترين و كاربردي‌ترين روش‌هاي ارزيابي كيفيت گوشت گاو بررسي ويژگي‌هاي ظاهري و فيزيكي آن است. در اين پژوهش با هدف ارزيابي كيفيت گوشت گاو ازنظر سفتي و تردي بر اساس ويژگي‌هاي تصوير به طراحي و اجراي مدلي بر پايه شبكه‌هاي عصبي پيچشي مبتني بر سه ساختار MobileNet، Inception و 16VGG پرداخته ‌شده است. اطلاعات ورودي اين مدل، تصاوير ديجيتال از نمونه‌هاي گوشت مهره كمر گاو بود كه مقادير مقاومت برشي آن‌ها با روش وارنر- براتزلر اندازه گيري شد. در پايان مدل‌هاي طراحي‌شده توانستند با دقت قابل قبولي به دسته‌بندي نمونه‌هاي اوليه بر اساس ويژگي‌هاي استخراج شده بپردازند. عملكرد مدل‌هاي طراحي‌شده با شاخص‌هاي آماري ازجمله دقت، صحت، حساسيت و اختصاصي بودن بررسي شد و بهترين مدل طبقه‌بند، مدل مبتني بر ساختار MobileNet بود كه اين مدل توانست با دقت % 92 تصاوير را طبقه‌بندي كند.