论文部分内容阅读
大西洋鲑鱼肉片颜色是反映其品质、口感以及生长情况的重要指标。本文针对目前已有的大西洋鲑鱼肉片样本采集装置,在山东东方海洋大西洋鲑鱼养殖车间采集了大西洋鲑鱼肉片样本图像。首先运用图像处理算法对肉片图像提取颜色特征,重点研究了噪声去除、背景分割、孔洞填充、有效判定部位提取、红色肌肉分割等方法。然后分别利用相关性分析、主成分分析(PCA)和连续投影算法(SPA)对颜色特征进行降维,并分别采用BP神经网络(BPNN)、多元线性回归(MLR)和最小二乘支持向量机(LSSVM)对特征与颜色等级进行回归建模。最后,设计并开发了具有一定实用性的大西洋鲑鱼肉片颜色分级软件。本文主要研究结论包括以下几个方面:1.利用最大类间方差法(OTSU)分割肉片与背景,对比了RGB、HSV和CIE L*a*b*各分量图下的分割效果。试验结果表明,在S、a*和b*通道下可以有效地将肉片从背景中分割出来,并对阴影有很好的抑制效果。2.针对肉片边界区域肉色较浅以及感官评定时较重视中间区域肉色的特点,提出了一种有效判定部位的提取方法。利用K-means算法对有明显白条纹的肉片进行了红色肌肉分割。最后提取有效判定部位的RGB、HSV和CIE L*a*b*空间下共9个分量的均值作为特征。3.分别利用相关性分析、主成分分析(PCA)对颜色特征进行降维,并采用连续投影算法(SPA)对特征选择做进一步优化。分别采用BPNN、MLR和LSSVM对肉色特征与颜色等级进行回归建模。试验结果表明,SPA具有优异的特征选择效果,在预测精度分别为一个等级和两个等级时,所建立的MLR预测模型对大西洋鲑鱼肉色等级的预测正确率均分别达到了79%和97%。4.开发了一套基于Emgu CV的大西洋鲑鱼肉片颜色分级软件,为用户提供了可选择的肉片图像预处理方法和等级预测模型,同时用户可以根据获得的标准样本数据对预测模型的参数进行更新。最后,针对本文的贡献进行了总结,并对存在的问题以及进一步的改进进行了展望。