机器视觉技术在牛肉嫩度预测中的应用研究

论文摘要

牛肉嫩度是评价牛肉质量的重要指标之一。牛肉嫩度的评定主要采用人工感官评定与剪切力测定。人工感官评定法存在主观因素的影响,误差比较大；剪切力测定法,结果准确,但其测定过程繁琐、所需时间较长,属于有损检测。本文将机器视觉技术与人类先验知识相结合,以牛肉眼肌切面为研究对象,进行图像的采集、处理、分析以及识别,实现对牛肉嫩度的预测。本文研究的主要内容与结果如下：1.通过分析牛肉眼肌切面的信息特征,为减少牛肉眼肌切面在图像采集环节中肉表面反光及肉表面凹凸不平的影响,搭建了适合本课题研究的机器视觉系统。系统由光照模块、图像采集模块以及计算机模块组成的硬件系统和牛肉嫩度预测的软件系统两大部分组成,以此保证嫩度预测结果的准确率。2.运用图像处理方法对采集后的牛肉眼肌切面图像进行图像预处理、区域分割、有效眼肌区域及有效眼肌区域内结缔组织的提取操作,在研究牛肉眼肌切面的筋膜颜色特征时,提出了一种基于改进型FCM聚类算法的彩色牛肉图像中筋膜区域分割方法研究。该方法对传统FCM聚类算法中的初始聚类中心点选取方法以及距离度量公式进行了优化。实验结果表明,该方法在对牛肉眼肌切面中的筋膜区域进行分割时平均准确度接近98%,其算法的运行时间仅为传统FCM聚类算法的一半。实现了牛肉嫩度相关性指标的信息检测,从而建立合适的牛肉嫩度预测模型。3.在建立牛肉嫩度预测模型的研究过程中,分析了图像中各特征指标与嫩度的相关性,进一步确定了与嫩度相关性较高的特征指标。课题的研究借助SPSS软件统计,分析了所有的实验数据,最终采用多元线性回归分析法建立了牛肉嫩度预测的数学模型,应用试验样本数据验证嫩度模型的预测准确度,其预测嫩度的平均偏差低于0.3kg。本文较为深入地研究了牛肉眼肌切面的特征信息与嫩度的关系,设计了比较适合牛肉嫩度特征指标提取的机器视觉系统,该系统为图像算法的实现以及嫩度预测模型的建立均奠定了良好的基础。经实验验证,本文提出的方法对牛肉嫩度的预测具有较好的效果。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题研究的来源和意义
• 1.1.1 课题的来源
• 1.1.2 课题研究的目的与意义
• 1.2 国内外研究动态
• 1.2.1 国外研究现状
• 1.2.2 国内研究现状
• 1.3 课题研究的目标、内容及技术路线
• 1.3.1 研究的目标和内容
• 1.3.2 研究的技术路线
• 1.4 本课题研究的创新点
• 第二章 机器视觉系统的分析与设计
• 2.1 照明系统的设计
• 2.1.1 光源的分类与选择
• 2.1.2 照明方式的设计
• 2.2 图像采集系统的设计
• 2.2.1 CCD工业相机
• 2.2.2 光学镜头
• 2.3 牛肉嫩度预测的软件系统设计
• 2.4 本章小结
• 第三章 牛肉眼肌切面图像嫩度特征信息的提取
• 3.1 牛肉眼肌切面图像处理方法研究
• 3.1.1 图像预处理方法
• 3.2 图像嫩度特征信息的提取
• 3.2.1 基于改进型FCM聚类算法的彩色牛肉图像中筋膜区域分割
• 3.2.2 筋膜颜色信息提取
• 3.2.3 有效眼肌区域提取
• 3.2.4 有效眼肌区域内结缔组织的提取
• 3.2.5 纹理信息的提取
• 3.3 本章小结
• 第四章 牛肉眼肌切面嫩度预测的方法研究
• 4.1 牛肉嫩度传统测定法
• 4.2 试验材料和方法
• 4.2.1 试验材料与设备
• 4.2.2 试验方法
• 4.3 各特征指标与嫩度的关系
• 4.3.1 各特征指标与嫩度的相关性系分析
• 4.3.2 特征指标的筛选
• 4.4 牛肉嫩度预测模型的建立与验证
• 4.4.1 牛肉嫩度预测模型的建立
• 4.4.2 牛肉嫩度预测模型的验证
• 4.5 本章小结
• 第五章 结论和展望
• 5.1 结论
• 5.2 展望
• 参考文献
• 致谢
• 攻读硕士期间的研究成果