earticle

영어

Quality evaluation of beef carcasses is an important issue in the livestock industry. Recently, through the AI monitor system based on artificial intelligence, the quality manager can receive help in making accurate decisions based on the analysis of beef carcass images or result information. This artificial intelligence dataset is an important factor in judging performance. Existing datasets may have different surface orientation or resolution. In this paper, we proposed a two-stage classification model that can efficiently manage the grades of beef carcass image using deep learning. And to overcome the problem of the various conditions of the image, a new dataset of 1,300 images was constructed. The recognition rate of deep network for 5-grade classification using the new dataset was 72.5%. Two-stage evaluation is a method to increase reliability by taking advantage of the large difference between grades 1++, 1+, and grades 1 and 2 and 3. With two experiments using the proposed two stage model, the recognition rates of 73.7% and 77.2% were obtained. As this, The proposed method will be an efficient method if we have a dataset with 100% recognition rate in the first stage.

한국어

소도체의 품질평가는 축산업 분야의 중요한 문제이다. 최근 인공지능을 기반으로 한 AI 모니터 시스템을 통해 품질 관리사는 소도체 영상의 분석이나 결과 정보를 기반으로 정확한 판단에 도움을 받을 수 있다. 이러한 인공지능 의 데이터셋은 성능을 판단하는 중요한 요소이다. 기존의 데이터셋은 표면의 방향이나 해상도가 달라질 수 있다. 본 논문에서는 딥러닝을 이용한 소도축 영상의 등급을 효율적으로 관리할 수 있는 단계별 분류 모델을 제안하였다. 그리 고 기존의 세그멘테이션 추출된 영상의 데이터셋의 다양한 조건의 일관성을 위해 새로운 데이터셋 1,300장을 구성하 였다. 새로운 데이셋을 이용한 5등급 분류에 대한 딥러닝의 인식률은 72.5%를 얻었다. 제안된 단계별 분류는 1++, 1+, 1등급과 2, 3등급의 차이가 크다는 것을 이용한 방안이다. 이로 인해 제안된 2단계 모델의 두 가지 방법에 따른 실험 결과, 73.7%, 77.2%의 인식률을 얻을 수 있었다. 이처럼 1단계 인식률을 100%를 갖는 데이터셋을 가진다면 더 욱 효율적인 방법이 될 것이다.