《Foods》：Hyperspectral Imaging Combined with Multi-Scale Feature Fusion and Improved Faster R-CNN for Automated Detection of Surface Defects on Chicken Carcasses
编辑推荐：
鸡肉在肉类消费市场占据主导地位，肉鸡是重要初加工产品。然而在肉鸡屠宰加工过程中，挂鸡、放血、烫毛、脱毛、切颈与去脏等工序易因人工操作失误造成鸡胴体皮肤破裂（skin break）与皮肤划痕（skin scratch）；运输中剧烈碰撞还可致翅骨断裂，形成刺穿皮肤
鸡肉在肉类消费市场占据主导地位，肉鸡是重要初加工产品。然而在肉鸡屠宰加工过程中，挂鸡、放血、烫毛、脱毛、切颈与去脏等工序易因人工操作失误造成鸡胴体皮肤破裂（skin break）与皮肤划痕（skin scratch）；运输中剧烈碰撞还可致翅骨断裂，形成刺穿皮肤的骨刺及断骨外露（exposed broken bones）。上述问题影响肉鸡质量与市场接受度。研究人员旨在利用高光谱成像（Hyperspectral Imaging，HSI）信息融合与高维数据优势，通过捕获、处理与融合多尺度信息，实现加工过程中皮肤破裂、皮肤划痕与断骨外露等缺陷的自动检测。所提出的改进缺陷检测模型性能显著提升，各类缺陷平均精度（Average Precision，AP）超92%，召回率（Recall）高于91%，整体均值平均精度（mean Average Precision，mAP）由80.2%升至93.6%。该方法不仅为鸡胴体缺陷检测提供可靠技术路径，也为其他畜禽产品视觉检测提供可借鉴方案。
研究背景方面，鸡肉为全球第二大消费肉类，肉鸡完整性是质量评价关键。屠宰环节挂鸡、放血、烫毛、脱毛、切颈、去脏常因锐器或操作不当产生细长瘢痕、大面积撕裂及断骨刺皮等缺陷；传统人工检视受疲劳与低对比度边界影响，漏检误检率高，且现代产线每小时处理数千胴体，亟需准确、无损、客观的检测手段。可见光照相机器视觉难以区分划痕/破裂组织与周边健康皮肤纹理颜色，对断骨外露后因褐变与残血混淆亦识别不佳；高光谱成像（HSI）兼顾一维光谱与二维空间信息，可克服上述限制。研究人员以凤凰鸡胴体为对象，从屠宰场20天生产周期10批次中每批随机选约50具，剔除图像劣质样本后保留466具，正反拍摄得932幅高光谱图像，含皮肤划痕373例、皮肤破裂171例、断骨外露442例，按7:2:1分训练/验证/测试集，复合缺陷独立标注边界框。论文发表于《Foods》。
关键技术方法上，研究人员采用可见-近红外HSI系统（380.2~1020.2 nm，光谱分辨率1.8 nm，单带1344×1024像素）采集数据，经黑白板校正消除暗电流；以竞争自适应重加权采样（Competitive Adaptive Reweighted Sampling，CARS）从360带中选28特征带，再用主成分分析（Principal Component Analysis，PCA）取前3主成分（累计贡献率96.7%）做RGB伪彩色融合；检测框架以Faster R-CNN为基线，骨干网换为EPSANet50（嵌入金字塔挤压注意力Pyramid Squeeze Attention，PSA），并引入通道增强特征金字塔网络（Channel-Enhanced Feature Pyramid Network，CE-FPN）做多尺度融合，在PyTorch1.13+RTX4070环境训练，以Precision、Recall、AP、mAP评估。
研究结果部分，3.1高光谱数据分析中，研究人员比对鸡胸肉、鸡皮、鸡骨ROI平均光谱，发现400~580 nm三者均现脱氧/氧合血红蛋白吸收，580 nm后分化：皮肉在580~725 nm因蛋白脂肪C-H/C-O倍频反射陡升，985 nm附近胶原吸收谷明显，骨反射平缓无此谷，近红外900~1020 nm皮肉反射高于骨，为组织区分提供谱学基础。3.2扫描电镜（Scanning Electron Microscope，SEM）表征显示胸肉肌纤维定向紧密、皮表平滑胶原多、骨多孔矿物粗糙，形貌与光谱吸收一致。3.3降维结果中，CARS选中400~650 nm与900~1020 nm段28带（含548.5/546.7 nm血红蛋白/肌红蛋白、740.4/760.2 nm蛋白脂肪、975~992 nm水分响应），以其入SVM分类胸/皮/骨ROI，骨类全对，皮肉各错1例，各类Precision近1、Recall超0.98，验证特征带有效性。3.4伪彩色图像构建将28带PCA前三主成分映至RGB，抑制背景阴影、增强缺陷边界对比。3.5改进Faster R-CNN检测中，消融实验基线BFR→换EPSANet50得FR_E50→加CE-FPN得FR_E50_CF；FR_E50凭PSA提升划痕AP与骨/裂召回，FR_E50_CF再提三类召回（骨+0.033，裂+0.054，痕+0.061），最终mAP93.6%，断骨AP94.8%/Recall96.5%/Precision92.6%，划痕与破裂略低但仍优；图例对比显示BFR漏检划痕、误检破裂，改进模型置信度与召回双升。
讨论部分指出，HSI不依赖表面绝对色而抓组织生化暴露导致的特征光谱，故批次肤色差异影响被弱化；数据虽以缺陷胴体为主，但正常区域作负样本参与训练，可评估良恶性区分力；局限在单品种单工况，后续需扩品种年龄饲养条件并优化在线效率。结论部分翻译：本研究提出融合高光谱成像与深度学习之鸡胴体缺陷检测方法，有效识别皮肤划痕、皮肤破裂与断骨外露；经CARS选带与PCA融合生成伪彩色增强数据集，以EPSANet50+CE-FPN改造Faster R-CNN提升小目标细微特征捕获与多尺度融合，各类AP超92%、Recall超91%、Precision超90%、mAP达93.6%，较主流模型显优，为家禽外观质检提供技术范式，未来将纳入更广品种龄期以验鲁棒性。
