本研究提出了一种新方法，利用高光谱成像自动检测猪肉腹部异物，解决食品加工中的污染物检测问题。该方法结合预处理技术和轻量级视觉变换器，实现了高检出率，有效应对噪声和温度变化等挑战。

该研究提出了一种改进的YOLOv5架构，结合FasterNet和注意机制，提升铁路和机场跑道异物检测能力。新数据集AARFOD用于增强识别效果，实验结果表明该模型在精确率和召回率上显著优于基准YOLOv5，同时减少了参数和计算需求。