论文部分内容阅读
计算机视觉技术作为一种无损检测的手段，目前在食品检测领域已经取得了较为广泛的应用，但是国内将计算机视觉技术应用于牛肉眼肌等级评定的无损检测工作才刚刚起步。本论文主要探讨了计算机视觉技术在影响牛肉眼肌等级最主要的两个因素大理石花纹分布和肉色方面的应用。基于以上目的，本文根据软件使用目的不同建立了两套系统。本论文完成的主要工作有：建立了计算机视觉硬件系统，利用图像分析原理，在VC++6.0的环境下自行开发了适用于农畜产品图像处理和参数提取的处理软件Image analysis 1.0和专用的牛肉眼肌自动分级软件。可以实现图像处理、形状特征值的提取和自动分级等功能。运用常见的颜色模型（RGB、HIS、Lab），对样品图片进行了抽样统计分析，在大量数据的基础上得到了牛肉颜色各分量的分布规律，并且找到了最佳的区分参数T。利用图像处理方法和本文提出的一些改进算法，对眼肌的图像进行处理（边缘检测、灰度转变、图像的平滑、图像分割、区域标记、特征值提取、筛选），成功地提取了图像的特征参数，并且分析出了一些最佳的过程参数。建立了感官评定结果与各特征参数的多种关系模型，并对其准确率进行了分析，在此基础上找到了最佳的分级模型。最佳的脂肪等级预测模型为：FAT=5.543-0.107*R+0.140*G-0.049*B-0.016*H+0.031*S-0.256*L+0.227*A-0.101*BL+0.261*Eab，其预测准确率在不同的误差水平下分别为：80％（误差≤0.3），95％（误差≤0.5）。最佳的肌肉等级预测模型为：MEAT=4.804+0.046*G-0.073*B+0.001*H-0.094*S+0.212*L+0.136*A+0.009*BL-0.081*Eab，其预测准确率在不同的误差水平下分别为：87.5％（误差≤0.3），95％（误差≤0.5）。最佳的大理石花纹等级预测模型为：S=5.935+46.165*D1-1427.126*D12+6338.641D13，其预测准确率在不同的误差水平下分别为：77.5％（误差≤0.3），97.5％（误差≤0.5）。运用BP人工神经网络，对训练样本和检测样本进行分析，训练样本的预测正确率：脂肪颜色85.7％；瘦肉颜色79.8％；大理石花纹：86.7％。检测样本的预测正确率：脂肪颜色85％；瘦肉颜色75％；大理石花纹：87.5％。在前面工作的基础上自行开发了牛肉眼肌自动分级软件，自动分级软件对瘦肉颜色等级、脂肪颜色等级、大理石花纹等级的预测正确率分别达到80％、70％、80％。该软件一分钟至少可以对10个眼肌进行等级评定。本论文对计算机视觉技术在牛肉品质评定方面进行了探索，实验结果表明计算机视觉系统可以代替常规方法，对肉质做出准确客观的评定。