.png){kind=icon}
返回
A Multi-Objective Optimization Cutting Method for Irregularly Shaped Fish Fillets
.png){kind=icon}
OA
AI
DOI：10.3390/foods15142423.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
不规则形状的鱼片使得传统切割方法难以同时控制切片重量、保持形状一致性并减少剩余材料。为解决此问题，本研究提出了一种基于线激光扫描和数学建模的多目标优化切割方法。首先，获取鱼片的二维点云数据，并建立重量-长度分布模型以描述质量沿鱼片长度的分布。然后，以切片重量为约束条件，开发了一个约束多目标切割模型，旨在最小化切片横截面积变化和剩余材料重量。采用改进的海洋捕食者算法结合Deb的可行性规则求解切割位置优化问题。结果表明，所建分布模型的重量预测精度达到94.4%～96.6%。与传统的顺序切割方法相比，所提方法在目标切片重量为10 g、15 g和20 g时，切片横截面积的相对标准偏差分别降低至8.900%、11.112%和13.601%。同时，平均剩余材料重量分别降低至理论剩余量的0.581、0.693和0.710倍，切片重量的平均相对误差均低于8%。这些发现表明，所提方法能够在保持可接受重量精度的同时提高切片形状一致性和原料利用率，为智能化和标准化的鱼片切割提供了有效方法。
Keyword:
irregular fish fillets
line-laser scanning
weight–length distribution model
multi-objective cutting optimization
intelligent fish processing
期刊
IF:
5.1
论文数:
7.7K
被引数:
8.7W
机构
引用论文
.png){kind=icon}
AI-driven classification and precision cutting algorithms using machine vision in a customer-operated fish processing systemAzarmdel, H.; Mohtasebi, S.S.; Jafary, A.; Rezvanivand Fanaei, A.; Rosado Muñoz, A. 基于人工智能的机器视觉分类和精密切割算法在客户操作鱼类加工系统中的应用. Sci. Rep. 2025, 15, 41989. [Google Scholar] [CrossRef]
PREAI
分享收藏Benchmarking and Fine-Tuning Monocular Depth Models for Fish Biomass Estimation in Aquaculture亚历山德鲁等人对水产生物量估算中单目深度模型的基准测试与微调. 水产与海洋生物学杂志, 2026, 10. [Google Scholar] [CrossRef]
PREAI
分享收藏分享收藏Automatic fish weight estimation and 3D surface reconstruction with a lightweight instance segmentation model基于轻量级实例分割模型的自动鱼类重量估计与3D表面重建
PREAI
分享收藏FishKP-YOLOv11: An Automatic Estimation Model for Fish Size and Mass in Complex Underwater EnvironmentsFishKP-YOLOv11：一种在复杂水下环境中自动估计鱼类尺寸和质量的模型OAAI
OAAI分享收藏
查看更多内容