FryNet：デュアルストリーム・敵対的フュージョンによる非破壊フライ油酸化度評価

要旨: 揚げ油の劣化を監視することは食品の安全性にとって重要ですが、現行の手法は破壊的な湿式化学分析に依存しており、空間情報を得られず、またリアルタイム用途にも適していません。私たちは、熱画像に基づく検査における根本的な障害として、カメラ指紋（camera-fingerprint）のショートカットを特定します。これは、モデルが酸化の化学を学習するのではなく、センサー固有のノイズや熱バイアスを記憶してしまい、動画を切り離した評価（video-disjoint evaluation）で破綻する現象です。そこで、FryNet を提案します。FryNet は、デュアルストリームの RGB-熱赤外フレームワークであり、1 回のフォワードパスで、油領域のセグメンテーション、使用可能性（serviceability）の分類、ならびに 4 つの化学的酸化指標（PV, p-AV, Totox, 温度）の回帰を同時に行います。チャンネル注意と空間注意を備えた ThermalMiT-B2 バックボーンが熱特徴を抽出し、一方で RGB-MAE Encoder は、マスク付き自己符号化と化学的整合（chemical alignment）を通じて、化学的に根拠のある表現を学習します。Dual-Encoder の DANN は、Gradient Reversal Layer により両ストリームを動画の同一性（video identity）に対して逆向きに正則化（adversarially regularize）し、FiLM fusion により熱の構造と RGB の化学的コンテキストを橋渡しします。28 本の揚げ動画にわたる 7,226 組のペア画像フレームで、FryNet は 98.97% mIoU、100% の分類精度、2.32 の平均回帰 MAE を達成し、7 つすべてのベースラインを上回ります。