论文部分内容阅读
随着人们生活水平的提高和消费观念的转变,对高蛋白质、低脂肪的牛肉需求量越来越大。我国牛肉生产发展迅猛,总产量、人均消费量较改革开放初期增长了20多倍,成为世界第三大牛肉生产国。但长期以来我国牛肉在国际贸易的舞台上始终无法扮演重要角色。牛肉产业尚没有实行分级制度是造成这一尴尬局面的一个重要原因。“九五”期间,我国肉类科技工作者从国内外研究现状出发,建立了既符合中国国情又与国际市场接轨的牛肉等级标准。根据该标准的要求,评级员要在比较恶劣的工作环境(规定检测时的环境温度为0℃-4℃)下,把肉样和等级标准图片进行比较而给出牛肉等级。这种感观评定结果受主观经验影响比较大、精度低,且分级速度慢。
利用计算机视觉技术来自动检测牛肉等级具有评定结果客观、评定速度快的优点,同时又可节省培训评级员所消耗的人力、物力和财力等,促进我国牛肉等级标准的推广应用。本研究依据《牛肉等级标准》利用计算机视觉检测技术对牛胴体质量等级做出综合全面的评判,在国内首次建立了一套用于牛肉胴体质量等级检测的计算机视觉系统。
本研究设计了用于牛肉胴体等级检测的计算机视觉硬件系统,实验室用和车间现场用各一套。采用漫反射的光源箱,避免由于肉体表面的水分和油分反射而产生的亮斑问题,以获取清晰的、高质量的样本图像。通过对样本图像的分析对比,本研究使用R分量的最大方差自动取阈值算法消除背景、中值滤波器去除图像中的噪声,改善图像质量。根据眼肌切面图像的特点,设计了基于Ohta和RGB颜色空间的眼肌切面中背长肌分割算法;使用FCM算法提取大理石花纹图像;用脂肪肌肉面积比、行程长度总额比和像素灰度矩特征三个特征值来表征大理石花纹;建立了大理石花纹等级的BP神经网络判定模型,该模型对牛肉大理石花纹等级的总体判准率为92.5%。通过对采集的胸椎切面图像分析比较,本研究使用Ohta颜色空间I2分量有效地提取软骨区域,然后扩充该区域得到棘突图像;用软骨硬骨面积比和骨质化曲线特征来表征骨质化程度;建立了生理成熟度等级的BP神经网络判定模型,对生理成熟度等级的的总体判准率为85%。设计了基于L*a*b*颜色空色差最小距离判断的肉色和脂肪色等级评定算法,总体判准率分别为93.75%和92.5%。