기계 학습 모델을 통한 닭고기 분류 기법에 대한 포괄적인 비교 분석

이 연구는 신선한 닭고기와 썩은 닭고기를 구별하기 위한 디지털 이미지 처리 기법을 개발합니다. 닭고기의 신선도는 공공 건강과 산업 지속 가능성에 중요한 영향을 미칩니다. 이 연구는 데이터 수집, 전처리, 특징 추출 및 분류를 포함하는 다단계 접근 방식을 사용합니다. 총 1,000개의 닭고기 이미지가 수집되었으며, 이 중 800개는 훈련용, 200개는 테스트용으로 배분되어 80:20 비율을 이룹니다. 특징 추출은 닭고기의 색상 특성을 포착하기 위한 HSI(색상, 채도, 명도) 색상 모델과 질감 정보를 추출하기 위한 지역 이진 패턴(LBP)의 조합을 사용하여 수행되었습니다. 분류는 다양한 K 값과 거리 척도를 사용하여 K-최근접 이웃(KNN) 알고리즘으로 수행되었습니다. 실험 결과, 색상과 질감 특징의 조합이 단독으로 사용하는 것보다 더 높은 정확도를 제공함을 보여주었습니다. 유클리드 거리 척도를 사용한 HSI 및 LBP 특징 추출을 통해 K = 1 및 K = 3에서 가장 높은 정확도인 95.4%를 달성한 모델이 가장 우수했습니다. 이 방법은 높은 정확도로 인해 축산 공급망의 자동 검사에 적용될 수 있으며, 식품 안전을 개선하고 소비자가 더 나은 구매 결정을 내리는 데 도움을 줄 수 있습니다. 그러나 이 연구의 주요 도전 과제는 이미지 캡처 중 조명의 변화로 인해 신선한 닭고기와 썩은 닭고기의 특징 값이 겹쳐지기 때문에 완벽한 분류를 방해하는 것입니다.