基于生物特征的猪肉新鲜度智能检测研究与实现

论文摘要

随着人们对饮食卫生要求的提高,越来越多的人开始关注如何能够快速、准确、简便的辨识食品的新鲜度。猪肉是人们日常生活的主要副食之一,猪肉新鲜度的智能辨识具有相当的研究价值。目前,猪肉新鲜度的辨识主要采用较为传统的方法,例如感官检查、微生物检查、物理方式检查等等。这些检测方法都存在不同程度上的缺陷,要么受主观因素影响比较大,要么检测过程复杂、耗时且成本高。气体检测技术、CCD成像技术、数字图象处理技术、人工神经网络技术以及DSP图象压缩技术的发展与应用,为猪肉新鲜度智能辨识方法的研究提供了强有力的理论基础与技术支持。本文通过应用气体检测技术、CCD成像技术以及数字图象处理技术实现了能够反映猪肉新鲜度主要特征参数的实验提取;通过人工神经网络技术实现了猪肉新鲜度的辨识;并基于DSP技术初步实现了猪肉新鲜度智能辨识系统的硬件构架和软件编程。通过对猪肉腐败变质机理的分析发现,猪肉的腐败变质是非常复杂的物理和化学过程,仅仅依赖一种方法或某一方面的数据很难准确地实现对猪肉新鲜度的辨识。研究发现,猪肉在腐败过程中释放出来的氨气、硫化氢、猪肉颜色的变化、脂肪组织中单位面积内完整的脂肪细胞数量的变化能够从一定程度上反映出猪肉的腐败程度。本课题中,在同一时间、同一密闭环境中实现猪肉腐败氨气和硫化氢、颜色值、单位面积完整脂肪细胞个数的实验数据与图象信息的采集。氨气和硫化氢的实验数据采集是通过由传感器构建的简易气体采集系统实现的;颜色值以及单位面积脂肪细胞的数据采集首先通过CCD图象采集卡采集到图象,然后通过图象增强、霍夫变换、自动分割、颜色模型转换提取等方法处理后,最终获取颜色值（H、S、I）以及单位面积内完整的脂肪细胞个数。TVB-N是我国检测肉类新鲜度的国家标准,它能有规律地反映新鲜肉、次新鲜肉和变质肉之间的差异,并与感观变化一致,是较为客观的指标。本文基于人工神经网络技术,建立BP神经网络以找出氨气、硫化氢、颜色值（H、S、I）、单位面积完整脂肪细胞数量与TVB-N之间的对应关系。以氨气、硫化氢、H、S、I和单位面积完整脂肪细胞数量作为BP神经网络的输入量,以TVB-N值作为网络的输出变量,训练神经网络从而实现对猪肉新鲜度的辨识。利用Visual C++ 6.0和MATLAB实现算法的调用以及前台界面的人机化操作,建立了一套猪肉新鲜度的智能辨识系统。在智能辨识系统的软硬件构架上,应用DSP技术将图象信息的采集、压缩、传输以及气体传感器数据的采集与传输工作移植于便携式猪肉新鲜度检测仪中,利用局域网进行数据传输,在上位机完成图象处理与模式识别,并将猪肉新鲜度的辨识结果传回便携式猪肉新鲜度检测仪显示于LCD界面。初步构建出了猪肉新鲜度检测的便携式终端设备。本文提出的对猪肉新鲜度智能检测的检测方法可以快速、准确地检测猪肉的新鲜度,其结果与利用TVB-N指标检测的结果基本能够保持一致,该项技术并可以扩展到其它相关检测领域,具有一定的应用价值。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题的来源及研究背景
• 1.2 课题的目的及意义
• 1.3 国内外相关课题研究现状
• 1.4 课题研究的主要内容
• 第二章 课题中相关技术
• 2.1 气体检测技术
• 2.2 CCD成象技术
• 2.2.1 CCD摄像原理及性能特点
• 2.2.2 CCD摄像应用
• 2.3 数字图象处理技术
• 2.3.1 数字图象处理技术概述
• 2.3.2 数字图象处理技术应用及发展
• 2.4 人工神经网络技术
• 2.4.1 人工神经网络技术发展与现状
• 2.4.2 人工神经网络的网络模型与信息处理
• 2.5 DSP图象压缩技术
• 2.5.1 DSP技术发展、分类及应用
• 2.5.2 DSP图象压缩技术分类
• 第三章 评价猪肉新鲜度的主要指标的研究
• 3.1 猪肉腐败机理分析
• 3.2 评价猪肉新鲜度的主要指标
• 3.2.1 总挥发性盐基氮（TVB-N）
• 3.2.2 氨气和硫化氢
• 3.2.3 颜色值（H、S、I）
• 3.2.4 完整脂肪细胞个数
• 第四章 指标数据的采集试验及相关技术处理
• 4.1 实验总体思路
• 4.2 总挥发性盐基氮（TVB-N）实验
• 4.2.1 实验原理
• 4.2.2 实验试剂及试验仪器
• 4.2.3 具体实验操作方法
• 2S、NH₃）采集实验及数据处理'>4.3 猪肉腐败过程气体（H₂S、NH₃）采集实验及数据处理
• 2S、NH₃）采集实验综述'>4.3.1 气体（H₂S、NH₃）采集实验综述
• 2S、NH₃）采集数据处理'>4.3.2 气体（H₂S、NH₃）采集数据处理
• 4.3.3 气体采集界面及其程序实现
• 4.4 猪肉图象采集实验综述
• 第五章 图象处理与数据形态分析
• 5.1 猪肉颜色值（H、S、I）图象处理与彩色坐标变换程序实现
• 5.1.1 猪肉颜色值（H、S、I）图象处理
• 5.1.2 猪肉颜色值（H、S、I）数据采集与彩色坐标变换程序实现..
• 5.2 完整脂肪细胞个数图象处理与数据、形态分析
• 5.2.1 图象样本分析
• 5.2.2 图象处理
• 5.2.3 完整细胞计数及分析
• 第六章 基于神经网络的猪肉新鲜度辩识
• 6.1 BP神经网络
• 6.1.1 BP神经元模型
• 6.1.2 BP神经网络的结构及学习过程
• 6.1.3 BP算法的数学描述
• 6.2 基于BP神经网络的猪肉新鲜度智能辨识方法
• 6.2.1 BP神经网络结构的设计
• 6.2.2 样本数据的采集与处理
• 6.2.3 BP神经网络的生成及初始化
• 6.2.4 BP神经网络的训练和仿真
• 6.2.5 BP神经网络的性能评价
• 6.3 基于BP神经网络的猪肉新鲜度智能辨识系统的建立
• 6.3.1 VC++ 6.0 调用MATLAB的方法
• 6.3.2 猪肉新鲜度智能辨识系统的编程实现
• 第七章 便携式猪肉新鲜度检测系统的构架与实现
• 7.1 系统整体构架及硬件设计
• 7.1.1 系统设计思想
• 7.1.2 系统构架介绍
• 7.2 DSP系统软件实现
• 7.2.1 信号采集
• 7.2.2 JPEG图象压缩
• 7.2.3 DSP网络传输
• 第八章 总结与展望
• 参考文献
• 攻读硕士学位期间发表的论文
• 致谢