RGB-초분광 및 온도 기반 쇠고기 신선도 분류

쇠고기 신선도를 신속하고 정확하게 평가하는 것은 식품 안전 및 품질 관리에 필수적이지만, 기존 단일 모드 감지 방식은 부패 과정의 시간적 역동성을 포착하는 데 한계가 있습니다. 본 연구는 이러한 한계를 극복하고자 RGB 이미징과 초분광 이미징을 온도 인식 시간 모델링과 통합한 다중 모드 프레임워크를 제안합니다. 제안된 방법론은 RGB 이미지에서 공간 특징을, 초분광 데이터에서 스펙트럼 특징을 추출하는 이중 분기 토큰화 모듈을 포함합니다. 이어서, 특징 정렬 및 불일치 모델링을 통해 효과적인 다중 모드 특징 통합을 달성하는 상보적 인지 인식 융합(CPAF) 모듈을 도입하여 F1-점수를 단순 연결 방식의 0.8393에서 0.9461로 향상시켰습니다. 나아가, 다중 시점의 시간적 종속성을 모델링하기 위해 온도 인식 2계층 GRU를 적용하여 F1-점수를 0.9961, 정확도를 99.64%까지 추가로 향상시켰습니다. 이는 HybridSN(F1=0.9922) 및 3D-CNN(F1=0.9715)보다 우수한 성능입니다. 상온에서 여러 시점에 수집된 쇠고기 샘플에 대한 실험 결과는 다중 모드 융합과 시간 모델링의 통합이 분류 성능을 크게 향상시킴을 입증했습니다. 본 연구에서 제안된 방법은 쇠고기 신선도를 신속하고 비파괴적으로 평가할 수 있는 효과적인 접근 방식을 제공하며, 식품 산업의 품질 관리 및 안전성 확보에 기여할 수 있을 것으로 기대됩니다.