ارزیابی تردی گوشت گاو توسط مدل‌های مبتنی بر یادگیری عمیق

گوشت گاو با دارا بودن انواع آمینواسیدهای ضروری انسان، به‌عنوان یکی از اصلی‌ترین منابع تامین‌کننده پروتِئین جوامع بشری است. حفظ سلامت جامعه، تامین مواد غذایی سالم و باکیفیت را بیش از هرزمانی ضروری‌تر کرده است. از مهم‌ترین و کاربردی‌ترین روش‌های ارزیابی کیفیت گوشت گاو بررسی ویژگی‌های ظاهری و فیزیکی آن است. در این پژوهش با هدف ارزیابی کیفیت گوشت گاو ازنظر سفتی و تردی بر اساس ویژگی‌های تصویر به طراحی و اجرای مدلی بر پایه شبکه‌های عصبی پیچشی مبتنی بر سه ساختار mobilenet، inception و 16vgg پرداخته ‌شده است. اطلاعات ورودی این مدل، تصاویر دیجیتال از نمونه‌های گوشت مهره کمر گاو بود که مقادیر مقاومت برشی آن‌ها با روش وارنر- براتزلر اندازه گیری شد. در پایان مدل‌های طراحی‌شده توانستند با دقت قابل قبولی به دسته‌بندی نمونه‌های اولیه بر اساس ویژگی‌های استخراج شده بپردازند. عملکرد مدل‌های طراحی‌شده با شاخص‌های آماری ازجمله دقت، صحت، حساسیت و اختصاصی بودن بررسی شد و بهترین مدل طبقه‌بند، مدل مبتنی بر ساختار mobilenet بود که این مدل توانست با دقت % 92 تصاویر را طبقه‌بندی کند.