Expired：食品过期检测

• 来源：noai-train/联合训练/Day4/T3 Expired 王鹤霖
• 类型：CV / OCR + rule reasoning
• 原始资料：Expired.ipynb、baseline.py、metrics.py、Day4 ref/T3 Expired ref
• 题面完整性：题面位于 notebook markdown，较完整
• 解法资料完整性：有参考脚本；以下结合题面与 OCR 常规解法整理

题面大意

给定食品包装图片，判断截至 2026-06-22 是否过期。图片中保证有且仅有一个生产日期和一个保质期，生产日期格式可能是 YYYY/MM/DD、YYYY年MM月DD日、YYYY.MM.DD、YYYY-MM-DD；保质期格式为 N天 或 N个月。规则是生产日期 + 保质期不少于 2026-06-22 则未过期，等于当天不算过期。特别希望减少“过期误判为未过期”。

数据特点

训练图片较少，文字清晰，但包装上还可能有商标、配料表、营养成分等干扰数字。核心不是泛化识别所有包装，而是从图像中准确抽取两个文本字段，并按公历规则计算日期。月份相加时若目标日期不存在，取当月最后一天。

考点

核心考点是 OCR 后的结构化信息抽取和规则推理。纯图像二分类可能利用训练集捷径，但真正稳健的解法应识别日期和保质期，再计算是否过期。评分偏向避免过期食品漏判，因此阈值和不确定性处理要保守。

涉及知识点

• OCR / 文本检测识别。
• 正则表达式抽取日期与保质期。
• 日期运算、闰年、月底截断。
• 风险敏感分类：降低 false negative。
• 图像预处理：裁剪、二值化、旋转/透视修正。

解法思路

标准解法流程：先用 OCR 引擎或视觉模型识别图片文字；再用正则匹配生产日期四种格式和“保质期 N 天/月”；然后用 datetime 和日历函数计算到期日；最后比较到期日与 2026-06-22。若 OCR 结果中出现多个日期/数字，要利用“保质期”关键词附近窗口、日期格式完整性和上下文过滤。

如果环境不适合 OCR，可训练图像分类模型作为 fallback，但应把 OCR 规则作为主路径。对识别不确定的样本，可以保守判为过期，以符合“减少过期误判为未过期”的业务目标。

可选/多种解法

OCR + 正则 + 日期规则：最符合题意，解释性强。

端到端二分类 CNN：实现简单，但容易学训练集包装风格，泛化差。

混合方案：OCR 可解析时按规则，解析失败时用 CNN 或人工特征补判。

特殊技巧

日期正则应允许中文、斜杠、点、横线四种分隔符，并处理月份/日期补零。月份加法不能简单加 30 天，必须按题面规定“月份增加，非法日期取月末”。包装干扰数字很多，保质期最好围绕“保质期”关键词抽取，而不是拿第一个数字。

调参优化

题解已有 baseline 使用较高学习率和少量 epoch 训练字符/视觉模型，但更稳的调参重点是 OCR 置信度和规则容错。可以调 OCR 检测阈值、文本框合并距离、日期正则优先级、保质期单位识别规则，以及不确定样本默认判过期的阈值。若用分类模型兜底，应按 F_beta(beta=3) 扫描过期概率阈值，通常阈值要低于 0.5 以减少漏判。验证时要单独统计“日期识别错”“保质期识别错”“规则计算错”，否则难以知道该调模型还是调规则。

注意事项

题面今日日期固定为 2026-06-22，不是运行当天。等于当天未过期。训练标签不能替代日期计算；题面还提到不允许直接使用标签里的日期做计算，应从图像内容识别。若模型输出概率，阈值应偏向把可疑样本判过期。

推广意义

这题是视觉 OCR 与符号规则结合的典型业务题。类似流程广泛用于票据识别、证件有效期判断、药品批号/保质期读取和合规审核。