牛肉質(zhì)量在線分級技術(shù)的研究與系統(tǒng)開發(fā).pdf

1、目前，世界各國的牛肉質(zhì)量分級方法一般是采用主觀的人工視覺評定。牛肉等級分級員通過觀察牛肉眼肌處脂肪的豐富程度，評定出牛肉大理石花紋等級，然后參考牛肉的肌肉色等級、脂肪色等級以及生理成熟度，最終評定出牛肉質(zhì)量等級。由于人工視覺評定方法依賴分級員的感官和經(jīng)驗，具有很強的主觀性，因此，研究和開發(fā)客觀高效的牛肉自動分級系統(tǒng)，具有廣闊的應(yīng)用前景和研究價值?；谇度胧郊夹g(shù)開發(fā)牛肉自動分級系統(tǒng)具有易攜帶、易用、成本低等特點，利用嵌入式機器視覺技術(shù)對牛

2、肉加工現(xiàn)場的牛肉圖像進行在線采集與質(zhì)量分級，不僅能夠提高分級員工作效率，降低檢測成本，而且基于嵌入式機器視覺技術(shù)開發(fā)的牛肉自動分級系統(tǒng)還具有良好的便攜性和易用性，可以實現(xiàn)牛肉質(zhì)量的在線分級。因此，研究基于嵌入式機器視覺技術(shù)的牛肉質(zhì)量在線自動分級技術(shù)具有十分重要的理論意義和實踐意義。
　　本文結(jié)合機器視覺技術(shù)與模式識別技術(shù)，研究開發(fā)基于嵌入式機器視覺技術(shù)的牛肉質(zhì)量在線分級系統(tǒng)。圍繞牛肉加工現(xiàn)場牛肉圖像在線采集與圖像分割以及牛肉質(zhì)量分

3、級建模的適用性展開了研究，對能夠反應(yīng)牛肉質(zhì)量等級的牛肉眼肌切面圖像進行了圖像采集并進行了圖像分割處理，對反映牛肉質(zhì)量等級的大理石花紋特征、肌肉色特征和脂肪色特征進行了提取，并建立了相應(yīng)的牛肉大理石花紋分級模型、肌肉色分級模型和脂肪色分級模型，最后基于ARM與Windows Mobile研制開發(fā)了牛肉質(zhì)量在線分級系統(tǒng)。主要研究工作和研究結(jié)論如下:
　　1、提出了基于圖像重采樣的圖像二值化牛肉樣本圖像分割算法
　　對采集得到的牛

4、肉樣本圖像，首先將牛肉樣本圖像由RGB顏色空間轉(zhuǎn)換到Lab顏色空間，將Lab圖像的L分量圖像進行二值化分割得到牛肉脂肪區(qū)域，將a分量圖像進行二值化分割得到牛肉肌肉區(qū)域。然后提出了基于圖像重采樣的圖像二值化方法以提高圖像分割速度適應(yīng)嵌入式系統(tǒng)的要求，選定重采樣率0.3125對2592*1552像素的a分量圖像進行二值化，選定重采樣率0.375對2592*1552像素的L分量圖像進行二值化。利用八鄰域區(qū)域標(biāo)記法標(biāo)記牛肉肌肉區(qū)域的連通區(qū)域，通

5、過保留最大連通區(qū)域得到了牛肉眼肌肌肉區(qū)域，之后對牛肉眼肌肌肉區(qū)域再次應(yīng)用區(qū)域標(biāo)記法，通過保留最大背景區(qū)域的方法得到了牛肉眼肌區(qū)域，最后將牛肉眼肌區(qū)域與眼肌肌肉區(qū)域的二值化圖像進行邏輯“亦或”操作成功提取了牛肉大理石花紋。
　　2、研究并提出基于同態(tài)濾波的牛肉大理石花紋提取方法
　　提出利用同態(tài)濾波法對牛肉眼肌區(qū)域圖像不均勻光照進行校正，研究分析不同濾波系數(shù)以及不同顏色分量圖像對牛肉大理石花紋提取誤差和精度的影響，在此基礎(chǔ)上提

6、出一種在G顏色分量圖像下基于同態(tài)濾波的牛肉大理石花紋提取方法。實驗結(jié)果表明，當(dāng)選取rL=0.6和rH=1.425作為增益系數(shù)，牛肉大理石花紋提取的誤差率顯著降低，在此系數(shù)下，經(jīng)同態(tài)濾波后，相較于其它分量圖像，G顏色分量圖像的大理石花紋提取誤差率最低，其平均值為5.38％，較不經(jīng)過同態(tài)濾波處理的平均提取誤差率下降了3.73％，因此選擇G顏色分量圖像經(jīng)同態(tài)濾波提取牛肉大理石花紋可取得最好的圖像分割效果。
　　3、建立了牛肉大理石花紋分

7、級模型
　　首先從已分割好的圖像中提取大理石花紋面積、眼肌區(qū)域面積、脂肪顆?？倲?shù)、平均脂肪面積、大脂肪顆粒面積、大脂肪顆粒數(shù)、小脂肪顆粒面積、小脂肪顆粒數(shù)8個參數(shù)，然后根據(jù)這些參數(shù)計算出7個牛肉大理石花紋特征。對各個特征參數(shù)進行線性擬合分析發(fā)現(xiàn)，MF1、MF3、MF4、MF6、MF7這5個特征與牛肉大理石花紋等級存在線性關(guān)系。然后采用主成分分析法對這5個特征重新進行篩選，選取前2個主成分代表原有的5個牛肉大理石花紋特征參數(shù)。最后基

8、于2個牛肉大理石花紋主成分分別建立了牛肉大理石花紋的多元線性回歸分級模型（分級正確率100％）和BP神經(jīng)網(wǎng)絡(luò)分級模型（分級正確率100％）。
　　4、建立了牛肉肌肉色分級模型和脂肪色分級模型
　　首先使用RGB和Lab兩個顏色模型，將圖像的R、G、B、L、a、b六個顏色分量的平均值和標(biāo)準(zhǔn)差共12個顏色特征參數(shù)作為牛肉顏色的定量描述，分別提取了牛肉肌肉色和脂肪色的12個特征參數(shù)。對肌肉色各個特征參數(shù)進行線性擬合分析發(fā)現(xiàn)，肌肉的

9、全部12個特征均與牛肉肌肉色等級存在線性關(guān)系;對脂肪色各個特征參數(shù)進行線性擬合分析發(fā)現(xiàn)，脂肪色的全部12個特征除了特征F12外的11個特征均與牛肉脂肪色等級存在線性關(guān)系。然后采用主成分分析法對牛肉肌肉色的12個特征和牛肉脂肪色的11個特征分別重新進行篩選，選取前2個主成分代表原有的12個牛肉肌肉色特征參數(shù)，反映牛肉肌肉色等級;選取前2個主成分代表原有的11個牛肉脂肪色特征參數(shù)。最后基于2個肌肉色主成分分別建立了牛肉肌肉色多元線性回歸分級

10、模型（分級準(zhǔn)確率82.61％）和BP神經(jīng)網(wǎng)絡(luò)分級模型（分級準(zhǔn)確率82.61％），基于2個脂肪色主成分分別建立了牛肉脂肪色多元線性回歸分級模型（分級準(zhǔn)確率65.22％）和BP神經(jīng)網(wǎng)絡(luò)分級模型（準(zhǔn)確率78.26％）。
　　5、開發(fā)了一種基于ARM與Windows Mobile的牛肉質(zhì)量在線分級系統(tǒng)
　　針對基于ARM與Windows Mobile的牛肉質(zhì)量在線分級系統(tǒng)的實時性與可行性進行了研究，重點討論了嵌入式系統(tǒng)的牛肉圖像分割