使用深度學習和熱成像技術檢測麵包汙染
學生姓名:
梁雁媮
指導教授:
顧皓翔
學 期:
114上
摘 要:
這項研究評估使用熱成像技術結合四種 YOLO 模型 ( YOLOv5、YOLOv8、 YOLOv9 及 YOLOv11 ) 在偵測麵包中常見汙染物 － 水、油、油脂和清潔劑的效果。透過熱成像觀察發現 : 被油汙染的區域溫度較高，而被水、油脂和清潔劑汙染的區域溫度則相對較低。研究發現，模型複雜度的增加不一定能帶來更高的準確性；其中，輕量級的 YOLOv11n 模型在參數和每秒十億次浮點 ( GFLOPs ) 運算較少的情況下，平均精確率均值仍達到 0.607。整體而言， YOLOv11n 在準確率、運算效率與實際部署可行性之間取得了良好的平衡。
食安碩專班專題討論20250920-4134X003梁雁媮_摘要.pdf