MyoVision：鶏胸肉の筋症検出のためのリアルタイム研究ツールとNEATBoost-Attentionアンサンブルフレームワーク

概要: Woody Breast（WB）およびSpaghetti Meat（SM）の筋症は、家禽肉の品質に大きな影響を与えますが、現在の検出手法は、主観的な手作業による評価か、高価な実験用グレードの画像システムのいずれかに依存しています。本研究では、消費者向けスマートフォンを用いた低コストで非破壊の多クラス筋症分類の問題に取り組みます。MyoVisionはモバイル透過照明（transillumination）撮像のためのフレームワークとして導入され、14-bit RAW画像を取得し、内部組織の異常を示唆する構造的なテクスチャ記述子を抽出します。3つのカテゴリ（Normal、Woody Breast、Spaghetti Meat）の分類のために、LightGBMモデルと注意機構付きMLPモデルを用いたNEATBoost-Attentionアンサンブルを提案します。このモデルは、ニューラル進化により最適化された加重融合であり、NeuroEvolution of Augmenting Topologies（NEAT）を用いてハイパーパラメータを自動的に探索します。これにより手動での調整が不要となり、小規模な表形式データセットに対してアーキテクチャの多様性も可能になります。商業処理施設から収集した336枚のフィレからなるデータセットにおいて、本手法は82.4%のテスト精度（F1 = 0.83）を達成し、従来の機械学習および深層学習のベースラインを上回るとともに、桁違いに高価な費用がかかるハイパースペクトル画像システムで報告されている性能に匹敵します。分類性能にとどまらず、MyoVisionは多モーダルな食肉品質研究のための、再現可能なモバイルRGB-D取得パイプラインを確立し、消費者グレードの撮像が内部組織の評価をスケールさせることを支え得ることを示しています。