Актуальность точного прогнозирования содержания жира на поверхности мясной продукции обусловлена необходимостью обеспечения эффективного контроля качества в пищевой промышленности. В представленной статье предложен эффективный метод обнаружения и количественной оценки содержания жира на поверхности мяса, основанный на применении цветовой сегментации в пространстве тон-насыщенность-яркость. Использование различий в цветовых характеристиках жировой и мышечной ткани позволяет эффективно сегментировать изображения мясных образцов и производить расчет процентного содержания жира, а также анализировать особенности его распределения. Простота реализации и надежность алгоритма делают его перспективным для применения в системах автоматизированного контроля качества в режиме реального времени, обеспечивая удобство использования и высокую вычислительную эффективность.

Ключевые слова: компьютерное зрение, цветовая сегментация, обработка изображений, библиотека компьютерного зрения, веб-фреймворк, автоматизация контроля качества

2.3.3 - Автоматизация и управление технологическими процессами и производствами , 4.3.3 - Пищевые системы

В настоящей статье рассматривается проблема повышения точности и объективности оценки качества мяса. Представлен подход к автоматизированной оценке качества продукта, основанный на интеграции системы компьютерного зрения (СКЗ) и методов глубокого обучения. Здесь использована сверточная нейронная сеть VGG-16, предварительно обученная на большом наборе данных ImageNet, что позволило эффективно применить трансферное обучение. Описан процесс предварительной обработки данных, архитектура используемой нейронной сети. Приведены результаты обучения и валидации модели, демонстрирующие высокую точность классификации образцов мяса по признаку «свежее/испорченное». Подчеркивается потенциал предложенного подхода для автоматизации контроля качества в мясной промышленности и снижения влияния субъективных факторов.

Ключевые слова: компьютерное зрение, глубокое обучение, сверточная нейронная сеть, трансферное обучение, оценка качества мяса, автоматизация процесса, классификация изображений, автоматизация контроля качества

2.3.3 - Автоматизация и управление технологическими процессами и производствами , 4.3.1 - Технологии, машины и оборудование для агропромышленного комплекса

В статье представлена интеллектуальная управляющая система для косвенной оценки объема повреждения плодов, основанная на применении системы технического зрения и сверточной нейронной сети (СНС). Разработан алгоритм, использующий анализ площади дефектов на поверхности плода для прогнозирования объема поврежденной мякоти. Предложенный подход включает этапы захвата изображений, предобработки, сегментации повреждений с использованием СНС, регрессионной оценки объема повреждения и принятия решений на основе нечеткой логики. Описана математическая модель, связывающая площадь дефекта с объемом повреждения, учитывающая распространение гнили внутри плода. Представленная система обеспечивает оперативный и объективный контроль качества плодов, способствуя оптимизации процессов сортировки, хранения и переработки в пищевой промышленности и АПК.

Ключевые слова: интеллектуальная управляющая система, техническое зрение, автоматизация сортировки, сверточная нейронная сеть, сегментация изображений, оценка повреждений плодов, нечеткая логика

2.3.3 - Автоматизация и управление технологическими процессами и производствами , 5.2.1 - Экономическая теория