Apprendimento Ordinale Few-Shot per la Stima della Freschezza Giornaliera con Immagini Iperspettrali di Pesce

Un nuovo articolo di ricerca introduce un framework di apprendimento few-shot per stimare la freschezza giornaliera del pesce utilizzando l'imaging iperspettrale (HSI). Lo studio affronta la sfida della valutazione non distruttiva della qualità alimentare, dove l'HSI cattura firme spettrali legate ai cambiamenti biochimici durante la conservazione. I metodi tradizionali di deep learning richiedono set di addestramento densamente annotati, che sono costosi da ottenere a livello di singolo prodotto. Il framework proposto tratta ogni filetto di pesce come un compito episodico distinto e impiega una testa di previsione ordinale in stile CORAL per modellare la natura ordinata della progressione della freschezza attraverso la modellazione cumulativa delle soglie. Vincoli biologicamente fondati di monotonicità e regolarità dell'incorporamento guidano le previsioni verso traiettorie plausibili. Questo approccio è il primo framework di apprendimento few-shot per la stima della qualità alimentare basata su HSI, riducendo potenzialmente la necessità di ampi dati etichettati. L'articolo è disponibile su arXiv con identificatore 2608.12230.