CarcassFormer: An End-to-end Transformer-based Framework for Simultaneous Localization, Segmentation and Classification of Poultry Carcass Defect

要約

食品業界では、加工中に家禽の枝肉の品質を評価することが重要なステップです。
この研究は、熟練労働者や検査員の介入を必要とせずに枝肉の品質評価を自動化するための効果的なアプローチを提案します。
提案されたシステムは機械学習 (ML) およびコンピューター ビジョン (CV) 技術に基づいており、自動欠陥検出と枝肉品質評価を可能にします。
この目的を達成するために、CarcassFormer と呼ばれるエンドツーエンドのフレームワークが導入されています。
これは、家禽屠体の欠陥を同時に検出、セグメント化、分類しながら、視覚的表現を効果的に抽出するように設計された Transformer ベースのアーキテクチャに基づいて構築されています。
私たちが提案するフレームワークは、生産および輸送の福利厚生の問題や、加工工場のスタナー、湯沸かし器、ピッカー、その他の機器の故障から生じる欠陥を分析できます。
フレームワークのベンチマークを行うために、最初に 7,321 枚の画像のデータセットが取得されました。このデータセットには、画像ごとに単一の死骸と複数の死骸の両方が含まれていました。
この研究では、CarcassFormer システムのパフォーマンスが、分類、検出、およびセグメンテーション タスクの両方について他の最先端 (SOTA) アプローチと比較されます。
広範な定量的実験を通じて、当社のフレームワークは一貫して既存の手法を上回っており、AP、AP@50、AP@75 などのさまざまな評価指標にわたって顕著な改善を示しています。
さらに、定性的な結果は、羽毛を含む細部を捕捉し、屠体の位置を正確に特定し、高精度でセグメント化する点で CarcassFormer の強みを強調しています。
さらなる研究とコラボレーションを促進するために、CarcassFormer の事前トレーニングされたモデルとソース コードが研究目的で \url{https://github.com/UARK-AICV/CarcassFormer} から入手できます。

要約(オリジナル)

In the food industry, assessing the quality of poultry carcasses during processing is a crucial step. This study proposes an effective approach for automating the assessment of carcass quality without requiring skilled labor or inspector involvement. The proposed system is based on machine learning (ML) and computer vision (CV) techniques, enabling automated defect detection and carcass quality assessment. To this end, an end-to-end framework called CarcassFormer is introduced. It is built upon a Transformer-based architecture designed to effectively extract visual representations while simultaneously detecting, segmenting, and classifying poultry carcass defects. Our proposed framework is capable of analyzing imperfections resulting from production and transport welfare issues, as well as processing plant stunner, scalder, picker, and other equipment malfunctions. To benchmark the framework, a dataset of 7,321 images was initially acquired, which contained both single and multiple carcasses per image. In this study, the performance of the CarcassFormer system is compared with other state-of-the-art (SOTA) approaches for both classification, detection, and segmentation tasks. Through extensive quantitative experiments, our framework consistently outperforms existing methods, demonstrating remarkable improvements across various evaluation metrics such as AP, AP@50, and AP@75. Furthermore, the qualitative results highlight the strengths of CarcassFormer in capturing fine details, including feathers, and accurately localizing and segmenting carcasses with high precision. To facilitate further research and collaboration, the pre-trained model and source code of CarcassFormer is available for research purposes at: \url{https://github.com/UARK-AICV/CarcassFormer}.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google