近日，云南省智能物流裝備與系統(tǒng)重點(diǎn)實(shí)驗(yàn)室何俊教授團(tuán)隊(duì)在國(guó)際頂級(jí)期刊《LWT - Food Science and Technology》（中科院SCI一區(qū)TOP期刊）上發(fā)表了題為《Siamese Networks for Few-shot Coffee Bean Defect Detection》（https://doi.org/10.1016/j.lwt.2025.118631）的最新研究成果。該論文的第一作者為胡星然碩士研究生，通訊作者為何俊教授，昆明學(xué)院信息工程學(xué)院作為論文的第一完成單位。

本研究針對(duì)咖啡豆缺陷檢測(cè)中訓(xùn)練樣本有限、細(xì)微缺陷難以識(shí)別的關(guān)鍵科學(xué)問(wèn)題，首次將基于人工智能孿生神經(jīng)網(wǎng)絡(luò)的小樣本學(xué)習(xí)方法應(yīng)用于該領(lǐng)域。研究團(tuán)隊(duì)采用雙分支ResNet18架構(gòu)，通過(guò)共享權(quán)重和相似度學(xué)習(xí)機(jī)制實(shí)現(xiàn)缺陷識(shí)別，構(gòu)建了包含云南省普洱、臨滄、保山三大產(chǎn)區(qū)3,220張圖像的數(shù)據(jù)集，涵蓋正常豆及黑豆、酸豆、干癟豆、霉變豆、漂浮豆、帶殼豆六種常見(jiàn)缺陷類(lèi)型。實(shí)驗(yàn)結(jié)果表明，該模型識(shí)別準(zhǔn)確率達(dá)94.95%，顯著優(yōu)于傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)（74.35%）和支持向量機(jī)（64.28%）方法；單張圖像處理速度僅需34毫秒，滿(mǎn)足了工業(yè)實(shí)時(shí)檢測(cè)需求。該方法有效降低了對(duì)大規(guī)模標(biāo)注數(shù)據(jù)的依賴(lài)，為資源受限的生產(chǎn)環(huán)境提供了可行的方案。

該成果不僅為咖啡供應(yīng)鏈中的實(shí)時(shí)質(zhì)量檢測(cè)提供了理論依據(jù)，也為其他領(lǐng)域的視覺(jué)檢測(cè)任務(wù)提供了方法學(xué)參考，研究方法可推廣應(yīng)用于很多工業(yè)和農(nóng)業(yè)領(lǐng)域，具有廣泛的應(yīng)用前景。

《LWT - Food Science and Technology》屬于中國(guó)科學(xué)院一區(qū)TOP期刊，2024-2025最新影響因子為6.6。該論文的發(fā)表標(biāo)志著我校在人工智能與食品檢測(cè)交叉領(lǐng)域的研究取得重要進(jìn)展，有力提升了我校在相關(guān)學(xué)科領(lǐng)域的學(xué)術(shù)影響力。

本研究工作得到以下支持：

云南省智能物流裝備與系統(tǒng)重點(diǎn)實(shí)驗(yàn)室（202449CE340008）；

云南省科技創(chuàng)新基地建設(shè)項(xiàng)目（202407AB110006）；

云南大觀實(shí)驗(yàn)室課題（YNDG202401ZN01）；

云南科技人才計(jì)劃項(xiàng)目（202305AC160049）；

云南省地方本科高校基礎(chǔ)研究聯(lián)合專(zhuān)項(xiàng)（202101BA070001-150）。