答辩博士：刘超
指导老师：陈坤杰教授
论文题目：基于机器视觉的猪分割肉智能分拣与新鲜度检测方法研究
答辩委员会：
主席：
周俊教授/博导 c7娱乐app下载
委员：
沈明霞教授/博导 c7娱乐app下载
李坤权教授/博导 c7娱乐app下载
周国民研究员/博导 农业农村部南京农业机械化研究所
蒋雪松教授/博导 南京林业大学
秘书：
戴芸c7娱乐app下载
答辩时间：2026年5月29日14：30
答辩地点：滨江校区c7官网登录入口appB446会议室
论文简介：
稳定猪肉生产是保障民生、维系农业经济平稳发展的关键。我国猪肉产量占肉类总产量比重较高，但冷冻猪肉加工存在损耗大、品质不稳定等问题。同时，新规将新鲜度列为猪肉必检指标，而行业仍以人工检测为主，检测效率与精度不足，难以适配智能化产业升级需求。为此，本文开展基于机器视觉的猪肉智能分拣与新鲜度检测研究，构建多类检测模型，为猪肉无人化分拣、新鲜度无损实时检测提供技术支撑，主要研究工作如下：
（1）基于改进YOLOv5的猪分割肉目标检测方法研究。针对原模型骨干网络冗余、不规则肉品适配性差、小目标漏检及背景干扰等问题，提出SDC-YOLOv5s模型。通过优化骨干网络、特征提取结构、注意力机制与损失函数，降低计算冗余，强化特征提取能力。试验表明，该模型检测精度达99.1%，参数量小、运算量低，部署于智能机器人后，8类分割肉检测成功率为99%—100%，满足流水线实时检测与边缘部署要求。
（2）基于改进DETR的猪分割肉抓取位姿检测方法研究。以DETR为基础，构建DETR-MobileNetV3抓取位姿检测模型。采用可变卷积适配不规则肉品边缘，精简编解码结构优化模型体量，优化损失函数提升检测精度。该模型检测帧率40.72f/s，准确率90.34%；机器人实测8类分割肉抓取成功率达85%—100%，为无人分拣提供技术支撑。
（3）基于改进EfficientNet的猪肉新鲜度检测方法研究。为解决传统模型特征提取能力弱、训练效率低的问题，搭建EfficientNet-DDTM模型。依托专用模块融合局部与全局特征，更换优化器改善局部最优问题。试验得出，模型训练集准确率98.91%，测试集准确率99.66%，相较多种经典网络检测精度显著提升，可实现猪肉新鲜度快速精准检测。
（4）基于小样本学习的猪肉新鲜度检测方法研究。针对数据集制作繁琐、模型易过拟合的问题，设计轻量级小样本学习模型。采用新型归一化方式优化特征分布，嵌入注意力模块聚焦关键检测区域，结合损失函数抑制过拟合。在小样本测试场景中，模型准确率可达96.36%，有效降低标注数据依赖，减少数据集制作成本与误差。
本研究提出了猪肉智能分拣与新鲜度检测的新型技术方法，能够助力猪肉加工行业摆脱人工检测模式，推动行业向自动化、智能化转型升级，具备较高的工程应用价值。
主要创新点
（1）提出的SDC-YOLOv5s改进模型，实现高精度与实时性平衡。模型在复杂分割肉场景下兼顾检测精度与实时性，为分割肉目标检测提供高效解决方案。
（2）提出的基于五维抓取表征的机器人抓取检测框架，平衡信息密度与计算效率，实现了对猪分割肉抓取的边缘设备部署，为分割肉自动抓取提供解决方案。
（3）针对猪肉新鲜度检测任务，在大规模与小样本学习场景分别创新，从特征、架构、优化多维度提升检测性能与效率，为该领域提供全面有效的解决思路。
