团队名称：彼岸花初开
所属院校：陕西科技大学
成员名称：刘海辉、刘祥、白博凌
指导老师：郭拓
项目名称：壳·心双鉴：ELF 2开发板赋能边缘AI与高光谱的蛋品双维检测
项目介绍

为解决传统鸡蛋质量检测中存在的效率低、主观性强、破坏性操作与分级不准确等问题，该项目打造了一种基于边缘AI的鸡蛋质量智能检测与自动分级系统。系统融合视觉感知与光谱分析双重机制，采用基于YOLOv8-Swin Transformer的先进目标检测算法，对鸡蛋表面微裂纹进行高效识别。该算法结合YOLOv8的高性能检测架构与Swin Transformer的多尺度特征提取能力，具备以下优势：

高精度检测：Swin Transformer在COCO数据集上取得58.7box AP 和51.1mask AP，精准识别蛋壳表面微裂纹；

鲁棒性强：多层次特征与全局注意力机制共同提升模型在复杂光照与多样纹理下的稳定表现；

智能适应：无论是流水线速度的挑战，还是蛋品自然变异带来的干扰，系统均能保持高识别率。

在裂纹识别之后，系统结合多波段窄带LED光源与高灵敏度光电传感器阵列，采集鸡蛋的透射信号，构建24维光谱特征，并通过MLP（多层感知机）实现对新鲜度的非破坏性分类。系统核心由ELF 2开发板边缘AI平台与单片机协同驱动，结合DMA环形通道与三轴机械分拣平台，实现从感知、分析、判别到执行的自动化闭环。

在检测之后，系统将识别结果同步传输至智能推理引擎——DeepSeek分析中心，融合多模态环境知识与运输模型，对每一颗鸡蛋的储运建议、保质周期与食用优先级进行推演与反馈。DeepSeek的引入，不仅拓展了系统的决策维度，也在结果呈现上赋予了更加具象的生活价值，为用户提供“可交付的建议”，实现从检测到消费的全链路智能联动。

经过多轮部署与性能优化，系统在裂纹检测任务中准确率达96.7%，新鲜度分类精度提升至93.4%。此外，Swin Transformer在ImageNet-1K上取得87.3%top-1准确率，ADE20K上实现53.5mIoU，进一步验证其视觉泛化能力。

系统整体具备结构紧凑、部署灵活、性能稳定、链路闭环等特点，适用于中小型蛋品加工企业与农产品智能分拣设备。研究成果显示，该方案在“边缘智能×多模态感知×推理推荐”的协同机制下，为农产品质量智能分级提供了高度实用的落地路径，也在推动AI在食品产业链中的全场景嵌入与价值外溢。

团队名称：彼岸花初开
所属院校：陕西科技大学
成员名称：刘海辉、刘祥、白博凌
指导老师：郭拓
项目名称：壳·心双鉴：ELF 2开发板赋能边缘AI与高光谱的蛋品双维检测
项目介绍

为解决传统鸡蛋质量检测中存在的效率低、主观性强、破坏性操作与分级不准确等问题，该项目打造了一种基于边缘AI的鸡蛋质量智能检测与自动分级系统。系统融合视觉感知与光谱分析双重机制，采用基于YOLOv8-Swin Transformer的先进目标检测算法，对鸡蛋表面微裂纹进行高效识别。该算法结合YOLOv8的高性能检测架构与Swin Transformer的多尺度特征提取能力，具备以下优势：

高精度检测：Swin Transformer在COCO数据集上取得58.7box AP 和51.1mask AP，精准识别蛋壳表面微裂纹；

鲁棒性强：多层次特征与全局注意力机制共同提升模型在复杂光照与多样纹理下的稳定表现；

智能适应：无论是流水线速度的挑战，还是蛋品自然变异带来的干扰，系统均能保持高识别率。

在裂纹识别之后，系统结合多波段窄带LED光源与高灵敏度光电传感器阵列，采集鸡蛋的透射信号，构建24维光谱特征，并通过MLP（多层感知机）实现对新鲜度的非破坏性分类。系统核心由ELF 2开发板边缘AI平台与单片机协同驱动，结合DMA环形通道与三轴机械分拣平台，实现从感知、分析、判别到执行的自动化闭环。

在检测之后，系统将识别结果同步传输至智能推理引擎——DeepSeek分析中心，融合多模态环境知识与运输模型，对每一颗鸡蛋的储运建议、保质周期与食用优先级进行推演与反馈。DeepSeek的引入，不仅拓展了系统的决策维度，也在结果呈现上赋予了更加具象的生活价值，为用户提供“可交付的建议”，实现从检测到消费的全链路智能联动。

经过多轮部署与性能优化，系统在裂纹检测任务中准确率达96.7%，新鲜度分类精度提升至93.4%。此外，Swin Transformer在ImageNet-1K上取得87.3%top-1准确率，ADE20K上实现53.5mIoU，进一步验证其视觉泛化能力。

系统整体具备结构紧凑、部署灵活、性能稳定、链路闭环等特点，适用于中小型蛋品加工企业与农产品智能分拣设备。研究成果显示，该方案在“边缘智能×多模态感知×推理推荐”的协同机制下，为农产品质量智能分级提供了高度实用的落地路径，也在推动AI在食品产业链中的全场景嵌入与价值外溢。