《Agriculture》：Dual-Sided Green Coffee Bean Defect Inspection Using a Mechatronic System with AI-Powered Computer Vision
编辑推荐：
绿色咖啡豆生产中的质量控制对于食品安全和经济可持续性至关重要。现有自动化检测系统的一个持续存在的缺陷是它们无法捕获每颗豆子的两面，这导致了对表面缺陷的系统性漏检。本研究提出了三项贡献：（i）一种新颖的机电一体化装置，机械地保证每颗豆子的双面成像；（ii）一个公
绿色咖啡豆生产中的质量控制对于食品安全和经济可持续性至关重要。现有自动化检测系统的一个持续存在的缺陷是它们无法捕获每颗豆子的两面，这导致了对表面缺陷的系统性漏检。本研究提出了三项贡献：（i）一种新颖的机电一体化装置，机械地保证每颗豆子的双面成像；（ii）一个公开的12类绿色咖啡豆缺陷数据集；（iii）一个在低成本硬件上验证的嵌入式实时检测流水线。该装置从标准350克样品中依次将每颗豆子呈现在两个1600万像素摄像头下，并采用受控的LED照明。通过专家分类的样品生成了涵盖12类（11类缺陷和1类正常）的9600幅图像数据集，并通过数据增强进行了丰富。训练了四种卷积神经网络（CNN）架构：VGG-16、VGG-19、ResNet-50和YOLOv8，并使用精确率、召回率、F1分数（F1-score）和平均精度均值（mAP）进行了基准测试。YOLOv8取得了最佳整体性能，精确率为97.4%，召回率为99.6%，F1分数为0.930，平均精度均值为96.5%，优于VGG-16（准确率86.07%）、VGG-19（准确率67.03%）和ResNet-50（准确率87.76%）。双面采集将每类平均检测准确率从0.727提升至0.908，相对于等效的单面配置相对提升了25.7%。在树莓派4（Raspberry Pi 4）上以实时“跟踪（track）”模式部署时，该系统同时进行缺陷分类和按类别计数豆子，处理350克样品约需38分钟。将机械创新与轻量级深度学习相结合，为专门从事咖啡分析的实验室提供了实用、可扩展且经济高效的质量控制方案。
本研究聚焦于绿色咖啡豆缺陷检测中的双面成像难题，旨在解决现有自动化系统因仅捕获单面图像而导致的系统性漏检问题。研究背景指出，咖啡作为全球重要农产品，缺陷豆直接影响风味、食品安全及经济价值，但传统人工分选和现有自动化系统均存在表面覆盖不全的局限。研究人员设计并验证了一套集成机电一体化装置与人工智能计算机视觉的检测系统，相关成果发表于《Agriculture》。
研究人员开展了以下核心研究：首先，设计了一种新型机电一体化装置，通过Geneva轮与曲柄摇杆机构机械地实现每颗咖啡豆180°翻转，确保双面成像；其次，从墨西哥韦拉克鲁斯（Veracruz）产区的商业批次中收集样品，由两位Q-grader认证专家按照SCA标准分类，构建了包含12类（11类缺陷+1类正常）的9600幅图像数据集（原始4000幅，经数据增强扩展）；再次，训练并比较了四种卷积神经网络（CNN）架构（VGG-16、VGG-19、ResNet-50和YOLOv8），并在树莓派4（Raspberry Pi 4）上部署了实时检测流水线；最后，设计了配对实验以量化双面成像相对于单面成像的增益。主要技术方法包括：双摄像头（16 MP，Sony IMX298传感器）受控LED照明成像、基于Roboflow的多边形标注、数据增强（VGG/ResNet系列使用90°旋转和水平翻转；YOLOv8使用小角度旋转、亮度调整和高斯模糊）、以及YOLOv8n（nano变体）在嵌入式设备上的实时推理。
研究结果部分概括如下：
**3.1 VGG-16性能**：VGG-16在测试集上达到86.07%准确率和0.875的F1分数，训练与验证曲线显示轻微过拟合。
**3.2 VGG-19性能**：VGG-19性能最低，准确率仅67.03%，F1分数0.730，深度增加导致更严重的过拟合。
**3.3 ResNet-50性能**：ResNet-50优于VGG系列，准确率87.76%，F1分数0.896，残差连接有效缓解了过拟合。
**3.4 YOLOv8性能**：YOLOv8在所有指标上最优，精确率97.4%，召回率99.6%，F1分数0.930，平均精度均值（mAP）96.5%，其归一化混淆矩阵显示三角形豆、圆豆和干豆识别率最高（>0.94），而碎豆、耳豆、黑豆、酸豆和贝壳豆识别率较低（0.79-0.88）。
**3.5 性能对比总结**：YOLOv8相较于YOLOv5X（精确率96.9%，mAP 95.5%）及所有分类架构均有提升，证明单阶段检测范式更适合该任务。
**3.6 单面与双面检测对比**：通过配对实验，双面采集使每类平均准确率从0.727提升至0.908，相对增益25.7%，所有12个类别均获得提升，其中碎豆增益最大（从0.58升至0.79）。
**3.7 系统运行性能**：处理350克样品（约2450-2683颗豆）平均耗时40分钟，吞吐量约3470颗/小时，比经验丰富的人工分选快1.7倍，比新手快3.4倍。
讨论部分总结：YOLOv8的优异性能归因于其目标检测架构（空间监督优于全局分类）和高效的特征复用模块（CSP瓶颈SPPF）。混淆矩阵揭示了类间形态重叠（如碎豆与耳豆），为未来改进指明了方向。翻转机构成功率达91.3%，但碎豆仅为84.0%，需优化。系统在树莓派4上的实时运行表明其适用于实验室级质检，但吞吐量尚不满足工业在线分选。局限性包括单一产区数据、类不平衡未采用损失级处理、翻转非完美等。
研究结论部分翻译如下：
本研究介绍并验证了一种集成嵌入式人工智能视觉模块的机电一体化检测系统，该系统机械地保证每颗绿色咖啡豆双面图像的获取。得出以下四点结论：
1. 采用Geneva轮与曲柄摇杆机构，以91.3%的成功率将每颗豆子翻转180°，无需气动、吸盘或主动夹持。在相同豆子和相同模型权重下，双面采集使每类平均准确率从0.727提升至0.908（相对增益25.7%），准确率高于90%的类别从2类增至10类。增益对空间局域缺陷最大，证实了机制的有效性。
2. 在四种基准测试架构中，YOLOv8在所有指标上最优（精确率97.4%，召回率99.6%，F1分数0.930，平均精度均值96.5%），优于YOLOv5X及全局分类器VGG-16、VGG-19和ResNet-50。差异源于显式空间监督和每颗豆子的身份追踪，而非原始容量。
3. 完整流水线在无GPU的树莓派4上实时运行，处理350克样品耗时38分钟，即约3470颗/小时，比经验丰富的人工分选快1.7倍，比新手快3.4倍，同时检测了人工协议无法保证的豆子表面。
4. 五个类别（碎豆、耳豆、黑豆、酸豆、贝壳豆）贡献了大部分残留误差，且存在形态模糊性，使其成为下一次迭代的明确定义目标，而非泛泛的局限。
