鲍鱼是一种具有很高的营养价值和药用价值的珍贵海产品。随着科技发展和市场需求,鲍鱼养殖技术越来越成熟,养殖规模和产量也在逐年提高。鲍鱼被制成各种成品或者半成品在市场上销售。现代食品工业的发展迅猛带动人们生活水平的提升,对鲍鱼产品的要求不仅仅局限在营养成分含量和卫生条件是否达标,食品的质构特性渐渐的受到人们的重视。鲍鱼的质构特性对鲍鱼产品的加工工艺和检测具有重要意义。目前常用的质构特性测定的方法为TPA实验,这需要专用的设备、仪器和一系列的后期计算来获得,无法解决鲍鱼产品的标准化、工业化和大批量生产。据此,本文提出了一种基于图像处理技术的BP神经网络模型对鲍鱼的质构特性进行快速无损检测方法。主要研究内容如下:(1)合理设计热加工实验条件。将鲍鱼在恒温水浴锅温度分别为60℃、80℃、85℃、90℃、100℃分别进行0.5h、1h、2h、4h、6h热处理。鲍鱼热加工后进行TPA实验取样和工业相机图像采集获取热处理后的鲍鱼图片。(2)热处理后的鲍鱼样品进行TPA实验。结合质构参数变化曲线,计算出弹性、硬度、回复性和咀嚼性的具体参数值。(3)提取鲍鱼的表观特征。形状特征是利用三维逆向工程得到精确地鲍鱼三维模型,提取其在经过不同热处理条件下体积和表面积参数,得到体积和表面积的变化百分比;在进行纹理和颜色特征提取前,对鲍鱼图像做预处理,目的是去除冗余信息提高鲍鱼图像质量。纹理特征是在鲍鱼图像灰度空间下利用Matlab软件,在图像灰度空间提取到了四个不相关的特征参数,即能量、对比度、相关度和熵;颜色特征是在鲍鱼图像的RGB彩色空间下,利用颜色矩提取到了9个颜色特征,将9个颜色特征参数进行降维,最终提取出三个颜色主成分。(4)建立鲍鱼表观特征与质构特性关系的模型。进行仿真建模,模型预测准确率达到97.926%。(5)设计鲍鱼质构特性检测软件系统。集成图像处理技术和BP神经网络算法实现鲍鱼质构特性的快速预测。