牛肉图像采集光照系统的设计与研究_陆秋琰
肉品无损检测光学传感器设计与试验
农业机械学报第51卷增刊2 2020年12月doi:10.6041/j.issn.1000-1298.2020.S2.060肉品无损检测光学传感器设计与试验郭庆辉1,2彭彦昆1,2李永玉1,2田文健1,2乔鑫1,2(1.中国农业大学工学院，北京100083；2.国家农产品加工技术装备研发分中心，北京100083)摘要：畜肉品质光谱检测过程中，不同样品之间的厚度差异导致肉品表面到光纤探头的检测距离存在差异,对预测结果影响较大。
针对这一问题，设计了一种用于肉品无损检测的光学传感器,并间隔玻璃从下至上对畜肉品质进行检测，消除了样品厚度对检测距离的影响,并分析了光谱曲线随检测距离变化的变化规律。
为探究所设计方案的可行性，搭建了试验平台，包括光谱仪、距离调节机构、光源、石英玻璃、光学传感器和计算机，其中石英玻璃可透过220~2500nm波长范围的光而无吸收,光学传感器可以帮助采集更多的肉品漫反射光。
选择了18个猪肉样品贮藏在4益环境中，并在不同的冷藏时间取岀进行光谱采集(400~1100nm)，采用不同的检测距离(8~22mm,间隔2mm)，最后测量样品的挥发性盐基氮(TVB-N)含量。
在获得样品光谱数据后,分别用1阶导数、多元散射校正(MSC)、标准正态变换(SNV)和1阶导数+SNV等方法进行预处理,并建立猪肉的TVB-N含量的偏最小二乘回归(PLSR)预测模型。
结果表明：当检测距离为16mm,采用1阶导数+SNV预处理时,建立的TVB-N含量预测模型效果最好，校正集相关系数和均方根误差分别为0.98和0.92mg/(100g)，预测集相关系数和预测均方根误差分别为0.97和1.56mg/(100g)。
因此，利用所设计光学传感器对猪肉新鲜度进行检测是可行的。
关键词：猪肉新鲜度；光学传感器；检测距离；可见近红外光谱中图分类号：0657.33；TS251.51文献标识码：A文章编号：1000-1298(2020)S2-0484_07Design and Test of Optical Sensor for Meat Non-destructive DetectionGUO Qinghui1,2PENG Yankun1,2LI Yongyu1,2TIAN Wenjian1,2QIAO Xin1,2(1.College of Engineering,China Agricultural University,Beijing100083,China2.National R&D Center for Agro-processing Equipment,Beijing100083,China)Abstract:In the spectral detection of livestock products quality and safe，the thickness difference between different samples leads to the difference in the distance between the meat surface and the optical fiber probe，which has a great influence on the prediction results.Aiming at this problem，an optical sensor for nondestructive detection of meat was designed,and the quality of pork(Longissimus dorsi muscle)was detected from the bottom to the top through the glass，which eliminated the influence of sample thickness on the detection distance，and the variation law of spectral curve with the change of detection distance was also analyzed.In order to explore the feasibility of the design scheme,a test platform was set up，including spectral acquisition unit，distance control unit，light source，glass，optical sensor and computer.The quartz glass can pass through the wavelength range of220~2500nm without absorption.And optical sensors can help collect more diffuse light from the meat.Eighteen pork samples were stored at4益and taken out at different refrigeration times for spectral collection(400~1100nm) with different detecting distances in the range of8~22mm at approximately2mm intervals.Finally，the TVB-N content of the samples were measured.After obtaining the spectral data of the samples，the methods such as first derivative，multiplicative scattering correction(MSC)，standard normal variate (SNV)and first derivative plus SNV were used to pretreat the spectral data of the samples，and the partial least squares regression(PLSR)prediction model of the content of pork's TVB-N was established.The results showed that when the detection distance was16mm，the prediction model of pork's TVB-N using the1st DER plus SNV preprocessing method had the best prediction effect.The 收稿日期：20200810修回日期：20200918基金项目：国家重点研发计划项目(2017YFC1600800)作者简介：郭庆辉(1993—)，男，博士生，主要从事农产品无损检测技术与装备研究,E-mail：**********************通信作者：彭彦昆(I960—)，男，教授,博士生导师,主要从事农产品无损检测技术与装备研究，E-mail：ypeng@增刊2郭庆辉等：肉品无损检测光学传感器设计与试验485correlation coefficient and RMS error of correction set were0.98and0.92mg/(100g),respectively, and the correlation coefficient and RMS error of prediction set were0.97and 1.56mg/(100g), respectively.Therefore，it was feasible to detect pork freshness with the designed optical sensor.Key words:pork freshness;optical sensor；detection distance;visible near infrared spectrum0引言猪肉含有15%脂肪、20%的蛋白质、1%的碳水化合物以及必要的维生素［1］o由于猪肉含有丰富的营养物质和水分,卫生条件和冷藏设施不足容易滋生细菌腐败变质［2］,为保证猪肉安全品质、需要对猪肉的安全品质指标进行检测分类［3］o TVB-N 是指在微生物的作用下，肉品中蛋白质被分解成的氨和胺类化合物等碱性含氮物质，因此,TVB-N含量是衡量肉品是否腐败变质的重要指标⑷。
《2024年西门塔尔牛脸数据集的研究》范文
《西门塔尔牛脸数据集的研究》篇一一、引言随着人工智能技术的不断发展，计算机视觉技术在畜牧业中的应用越来越广泛。
其中，牛脸识别技术作为一项重要的应用，能够为养殖业提供更高效、更精准的管理方式。
本文旨在介绍西门塔尔牛脸数据集的研究，探究其意义、现状及未来发展趋势。
二、研究背景及意义西门塔尔牛是一种优质的肉牛品种，其生长速度快、肉质优良，受到广泛关注。
然而，在养殖过程中，由于饲养环境的复杂性和牛只数量的庞大性，对牛的管理成为了一项艰巨的任务。
传统的养殖方式往往依靠人工观察和记录，不仅效率低下，而且容易出现误差。
因此，研究西门塔尔牛脸数据集，通过计算机视觉技术实现牛脸识别，对于提高养殖效率、减少人工成本、优化饲养管理等方面具有重要意义。
三、研究现状及进展目前，国内外已有不少学者对牛脸识别技术进行了研究。
其中，基于深度学习的牛脸识别技术已成为研究热点。
通过构建大规模的牛脸数据集，训练深度神经网络模型，可以实现较高的识别准确率。
然而，现有的牛脸数据集仍存在一些问题，如数据集规模较小、数据来源单一、光照条件不一致等，这些问题会影响到模型的泛化能力和识别精度。
因此，构建更大规模、更多样化的西门塔尔牛脸数据集成为当前研究的重点。
四、研究方法及实验设计本研究将采用深度学习技术，构建西门塔尔牛脸数据集。
首先，我们将收集大量的西门塔尔牛脸部图像，包括不同年龄、性别、品种的牛只，以及不同光照条件、角度和表情的图像。
其次，我们将对图像进行预处理，包括去噪、归一化、裁剪等操作，以保证图像的质量和一致性。
然后，我们将利用深度神经网络模型对图像进行训练和识别，通过不断调整模型参数和优化算法，提高模型的识别准确率和泛化能力。
最后，我们将对实验结果进行评估和分析，总结模型的优缺点及改进方向。
五、实验结果及分析通过实验，我们构建了大规模的西门塔尔牛脸数据集，并利用深度神经网络模型进行了训练和识别。
实验结果表明，我们的模型能够有效地识别西门塔尔牛的脸部特征，并在不同光照条件、角度和表情下表现出较好的鲁棒性。
近红外光谱仪特性及在牛肉制品检测中的应用
近红外光谱仪特性及在牛肉制品检测中的应用陈育涛;朱秋劲【摘要】近红外光谱技术作为一种新型的分析检测技术,具有快速准确、无损的特点,在食品品质检测和生产监控中有着良好的应用前景。
本文着重介绍近红外分析技术的原理、仪器和在牛肉及其制品中的应用并将其与相关同类仪器的性能特点进行对比,最后对近红外光谱技术进行展望。
%Near infrared spectroscopy （NIR）technology, as a new analysis technology, has bright prospects for applications in food quality detection and production monitoring owing to its rapidity, reliability and no destruction. In this paper, NIR technology is introduced with emphasis on its principle, instrumental composition and application in the detection of beef and beef products. Moreover, its features are compared with those of other similar technologies. Finally, its development prospects are presented.【期刊名称】《肉类研究》【年(卷),期】2012(000)005【总页数】4页(P49-52)【关键词】近红外光谱仪;牛肉品质;营养成分;仪器分析;质量安全【作者】陈育涛;朱秋劲【作者单位】贵州大学生命科学学院,贵州贵阳550025;贵州大学生命科学学院,贵州贵阳550025 贵州省农畜产品贮藏与加工重点实验室,贵州贵阳550025 国家牛肉加工技术研发分中心,贵州惠水550600【正文语种】中文【中图分类】TS251.7近红外线是指波长在780～2526nm范围内的电磁波[1]，是人们最早认识的非可见光区域。
牛肉大理石花纹图像特征信息提取及自动分级方法
a. 1 级 a. Grade 1
b. 2 级 b. Grade 2
c. 3 级 c. Grade 3
图 2 不同等级的牛肉样品图像 Fig.2 Images of beef samples in different grades
1.3 分级算法 首先选择适当的预处理方法（图像平滑、二值
化、掩膜处理、图像增强等）去除背景得到牛肉图 像，减小算法计算量；然后对分割后的大理石花纹 图像，通过设定区域面积大小阈值去除眼肌外敷脂 肪，能够快速得到有效眼肌部分（即等级评定区 域）；利用优化后的数学算法计算能够表征大理石 花纹丰富程度的特征参数；最后，根据多种预测模 型方法分析结果，利用分级效率最高的主成分分析 法和 Fisher 判别建立预测模型，得到大理石花纹分 级结果。采用 VC++对分级算法的程序进行封装， 可直接调用，实现图像处理和结果输出。
将采集到的样品由专业牛肉分级员对照标准 牛肉大理石花纹分级板，按照企业分级方法分成 3 个等级（SY 级、A 级、B 级），下文称为 1、2、3 级，1 级样品花纹极丰富，2 级样品花纹丰富，3 级 样品花纹较少或几乎没有。 1.2 图像采集系统及方法
构建的图像采集系统由便携式图像采集装置、 计算机和分级软件组成，如图 1 所示。图像采集装 置中相机采用 USB2.0 接口的 CCD 工业相机，直接 与计算机相连。该工业相机采用帧曝光 CCD 作为 传感器，数字面阵 CCD 逐行扫描，图像质量高， 颜色还原性好，最大分辨率 1280×960 像素。输出 达 15 帧/s，信号稳定。为减小装置的空间尺寸，光 源采用 OSE 直射型环形光源，光照分布均匀。CCD 相机安置于环形光源的中心部。装置壳体下部是一 个遮光罩，其完全封闭，且内部材料不反光，为图 像采集提供了良好的环境。
光谱分析技术在肉类产品检测中的应用
光谱分析技术在肉类产品检测中的应用前不久，“胶水牛排”成为食品安全热点问题，引发了公众担忧。
“重组”牛排属于调理肉制品，允许添加卡拉胶、TG酶等一系列添加剂来塑形并提升口感，对人体健康没有影响，但其内部易出现微生物细菌污染，需要完全烹饪熟透后食用。
尽管拼接肉并不违规，但笔者走访市场发现，不少“重组肉”在产品包装上冠以“原切西冷牛排”、“原切菲力牛排”的醒目标签出售。
专家表示，这种重组加工却标“原切”的方法误导消费者，涉嫌商业欺诈，目前国内相关行业标准正在积极筹备中。
在肉制品中掺杂未标示或虚假标示的肉类品种已逐渐成为一个全球性问题。
目前，许多肉类溯源和掺假鉴别技术涉及生物化学、免疫学、分子学等。
如聚合酶链式反应（polymerase chainreaction，PCR）作为一种分子学方法，可在样品中特异性地鉴别出特定的DNA或RNA。
然而这些方法不仅耗时、耗材，而且需要对样品进行预处理。
因此，光谱分析以其快速和简单的样品预处理的特点体现出了极大的优势。
近红外（near-infrared，NIR）、中红外（mid-infrared，MIR）、红外（infrared，IR）、傅立叶变换红外（Fourier-transform infrared，FTIR）、紫外可见吸收（ultravioletevisual，UV-VIS）光谱和拉曼光谱（Raman spectroscopy）均可应用于不同加工肉制品中肉类品种的检测。
这些波通过被食物样品反射、透射或吸收，产生了能够反映样品性状的特定光谱。
应用化学计量学对这些复杂的光谱数据进行处理，以保持特定光谱的准确性。
此外，光谱分析还可用于生鲜肉制品的质量分析。
光谱分析技术与肉类物种鉴定原理1红外光谱由不同肉类品种生产的肉制品，其水分、蛋白质和脂肪酸的组成也不同，这些不同导致了在特定波长下光谱产生差异。
其中，O—H、C—H、N—H、C＝O和氢键等在红外射线照射下产生振动响应，记录为红外光谱。
牛肉眼肌切面图像背景去除的研究
１ 景 ． 背 ２ 长肌 背 ３赘 肉及其 结 缔 组 织 ． ４脂 肪 ．
１７ ９９年提 出 的一 种 全 局 阈值 选 取 法 。Ｏ Ｔ ＳＵ算 法 是 根据 图像 的每个像 素 的灰度 特 征计 算 出 图像 的直 方
图， 由于图像灰度直方图的形状是多变 的， 有双峰但 无 明显低谷或者是双峰和低谷都不 明显 ， 而且背景 和图像本身 的面积难以确定 的情况也常常出现， 采 用最大方差 自动 获取 阈值法 能取得较为满 意的效
． ． ． 产品开发 ・ 试验研究． ． ．
由凑工 业
ＭＥ ＡＴ ＮＤＵＳ ＲＹ Ｉ Ｔ
２０ ０ ８年 第 １ 期 ２ 总第 去 除 的研 究
方 永卫
摘
刘贯勇 王付超 河南漯河双汇集 团技 术 中心 河南漯河 ４ ２０ ６０ ０
要 以 Ｏ Ｔ 阈值法为基础 ， ＳＵ 改进该分割法 ， 对牛 肉眼肌样本 图像的 Ｒ分量进行分割 ， 去除背景， 效果好。 ＯＴ Ｓ Ｕ阈值法 背景
片， 然后 根据 标 准 图 片对 １ ３个 样 本 比照分 级 。考 ５
虑到人 工评 定 时 ， 作 环境 、 级员 自身 情 绪 、 神 工 分 精 状 态 、 康状 况等 因素对评 级 结 果 的影 响 ， 三 人评 健 对
定 结果 统计分 析确定 如下 定级 原则 ：
的识别 、 分类 和理解 ¨ 。 图像 的预 处理 直接决 定 图像 特征 参 数提 取 的准 确性 ， 以在 基 于 计 算 机视 觉 的牛 肉质 量 等 级评 价 所 系统 中 ， 肉原 图像 与 处 理算 法 的好 坏 对 后续 特 征 牛 提取 、 等级 评 定 至关 重 要 。 牛 肉眼 肌 图 像 分 为前 景 与背 景两部 分 。 前景 即为 我 们感 兴 趣 的 区域 ， 研 在 究 中为牛 肉胴 体 眼 肌切 面 图像 ， 出现 在 视 野 中的 背
机器视觉判别牛肉新鲜度的多模型定量分析
机器视觉判别牛肉新鲜度的多模型定量分析机器视觉技术在食品检测中扮演着越来越重要的角色，其中一项关键任务是判别牛肉的新鲜度。
传统的牛肉新鲜度检测方法主要依赖人工观察和嗅觉判断，但这种方式往往不够准确和高效。
基于机器视觉的多模型定量分析方法能够提供更可靠的结果，为食品行业的质量控制提供有效的技术支持。
一、多模型定量分析的优势传统的牛肉新鲜度检测方法往往基于主观的个人经验，结果容易受到主管人员的个人认知和主观因素的影响，缺乏客观性和准确性。
而多模型定量分析方法则通过计算机视觉和机器学习技术，可以实现对牛肉新鲜度的自动化、客观化评估。
多模型定量分析方法综合运用了图像处理、特征提取和分类算法等技术，在光学、电子、红外、超声等多个模态下获取并分析牛肉的相关数据，从而预测和判断其新鲜度。
通过数据的多次采集和分析，算法可以学习和识别不同新鲜度下的牛肉特征，建立起准确、可靠的判别模型。
二、多模型定量分析的方法流程1. 数据采集阶段：在进行多模型定量分析之前，需要对牛肉进行光学、电子、红外和超声等多种图像数据的采集。
这些图像数据可以通过高分辨率相机、红外热像仪、超声检测仪等设备获取。
2. 图像处理阶段：通过对采集到的图像数据进行预处理、增强和滤波等操作，去除图像中的噪声和干扰，同时增强图像的对比度和细节。
这一步骤有助于提高后续特征提取和分类的准确性。
3. 特征提取阶段：利用图像处理技术和机器学习算法，从处理后的图像中提取出与牛肉新鲜度相关的特征。
这些特征可以包括色度、纹理、形状等方面的信息。
不同模态的图像数据可以提供多种特征表示。
4. 分类与模型建立阶段：通过对提取到的特征进行分类和聚类分析，建立起不同新鲜度级别的模型。
这些模型可以通过训练集和测试集的验证来评估和优化。
5. 新鲜度评估阶段：利用建立好的模型，对新采集到的牛肉图像进行评估和判别，给出相应的新鲜度等级。
可以通过与人工判断结果的比对来验证算法的准确性和可靠性。
一种用于中药材图像采集的标准照明系统[实用新型专利]
![一种用于中药材图像采集的标准照明系统[实用新型专利]](https://img.taocdn.com/s3/m/7837104db94ae45c3b3567ec102de2bd9605de12.png)
专利名称：一种用于中药材图像采集的标准照明系统专利类型：实用新型专利
发明人：吴纯洁,黄永亮,谭超群,韦志强,范林宏
申请号：CN202121677958.6
申请日：20210722
公开号：CN215833243U
公开日：
20220215
专利内容由知识产权出版社提供
摘要：本实用新型提供一种用于中药材图像采集的标准化照明系统，所述照明系统的光源包括上光源和下光源，所述上光源与下光源之间包括置物台，所述被采集中药材放置在置物台上，通过图像采集装置采集中药材的图像信息；所述光源由灯管组成，所述上光源为对称光源，所述上光源中设置有均光扩散柱；所述下光源为水平光源，所述下光源的上表面设置有扩散板。
本实验新型可有效较少中药材阴影对图像采集的影响，确保图像采集环境为均匀光照环境，为中药材图像采集提供稳定、标准的环境。
申请人：成都中医药大学
地址：610000 四川省成都市温江区柳台大道1166号
国籍：CN
代理机构：成都高远知识产权代理事务所(普通合伙)
更多信息请下载全文后查看。
激光及X射线肉图像同步采集系统设计及实验
基 金项 目：江 苏省国际科技 合作 计划项 目（ Ｚ ０ ８ ０ ８ ） Ｂ ２００００ 作 者简介 ：洪 冠 （ ９ １ ） 男 ， １ ８ 一 ， 南京人 ， 师 ， 士研 究生 ， Ｅ— ａｌ 讲 硕 （ ｍ ｉ ）
ｊｈ ｈ ｎ＠ １６ ｃｒ。 ｏ — ｏ ｇ ２ ．ｏ ｎ
实 际应 用 工作 。
图 １ Ｘ射线下的厚度不规则肉
Ｆ ｇ １ Ｉｒ ｇ ｌｒ ｔ ｉ ｋ ｅ ｓ ｐ ｕ ｔｙ Ｘ— ａ ｍａ ｅ ｉ ． ｒｅ ｕ ａ ｈ ｃ ｎ ｓ ｏ ｌ ｒ ｙ ｉ ｇ ｒ
为了解决 肉厚度不规则 导致对 ｘ射线 的吸收量
不均 匀 、 法从 肉 图像 上 区 分 碎 骨 的 问题 ，本 文 提 出 无
２１ ０ １年 １ １月
农 机 化 研 究
第 １ １期
激 光 及 Ｘ 射 线 肉 图 像 同 步 采 集 系 统 设 计 及 实 验
洪 冠 ，赵 茂 程 ，汪 希伟
２０３ ｌ ０ ７；２ 南 京 铁 道 职业 技 术 学 院 ，南 京 ． ２Ｏ １ １ ０ ５）
（ ． 京林 业 大 学 机 械 与 电子 学 院 ，南 京 １南 摘
农 机 化 研 究
第 １ １期
１ 激光及 Ｘ射线 肉图像 采集 系统 结构
１ １ቤተ መጻሕፍቲ ባይዱ系统机 构 ．
程 开关 后 ， 光光 源发射 线 激光 ； 肉制 品表 面经 过 反 激 在 射 ， 激 光 Ｃ Ｄ相 机 拍 摄 采 集 ， 盘上 的 肉 同步 运 送 被 Ｃ 托
至软 ｘ射线光源下方； 图像增强器将低密度的 ｘ射线 图像转化为可见光图像 ， Ｃ Ｃ Ｄ摄像机将相机拍摄采集
基于嵌入式机器视觉技术的便携式牛肉品质分级系统图像采集装置[
专利名称：基于嵌入式机器视觉技术的便携式牛肉品质分级系统图像采集装置
专利类型：发明专利
发明人：沈明霞,彭增起,梁林,刘超超,史庆春,吴海娟,王卫,谌启亮,陈士进,李小林,黄文龙,吴江奎
申请号：CN201210065639.9
申请日：20120113
公开号：CN102608118A
公开日：
20120725
专利内容由知识产权出版社提供
摘要：一种基于嵌入式机器视觉技术的便携式牛肉品质分级系统图像采集装置，它包括壳体（1）及其内部的反光镜（2）和工业相机（3），所述的反光镜（2）斜向设置于壳体（1）的顶部，壳体（1）的底部设有通光口（7），通光口（7）位于反光镜（2）和待测牛肉（4）之间，待测牛肉（4）的影像从通光口（7）入射至反光镜（2），反光镜（2）反射待测牛肉（4）的影像至工业相机（3），工业相机（3）拍摄牛肉影像后输出至图像处理系统。
申请人：南京农业大学
地址：210095 江苏省南京市玄武区卫岗1号
国籍：CN
代理机构：南京天华专利代理有限责任公司
代理人：夏平
更多信息请下载全文后查看。
近红外光谱分析技术快速检测冰温贮藏牛肉品质
近红外光谱分析技术快速检测冰温贮藏牛肉品质许倩;朱秋劲;叶春;王文秀【摘要】In this experiment, a rapid quantitative detection method was proposed by near infrared spectroscopy (NIR) for beef quality during ice temperature storage. The calibration models of beef pH, water loss, TVB-N and color value (L*/a*) were established by NIR technique allowing the simultaneous predication of several beef quality indicators. The correlation coefficient (R2) of the calibration models were all above 0.70 and theR2 values for the predicted and actual values were all above 0.90. The calibration models had high prediction accuracy. Furthermore, cluster analysis was used to categorize the near infrared spectral data of beef stored for different durations. The results showed that based on the near infrared spectral data meat freshness was categorized well. NIR is suitable for rapid and non-invasive estimation beef quality and freshness as an alternative to the traditional detection method.%利用近红外光谱分析技术建立冰温贮藏牛肉品质的快速定量检测方法。
牛肉图像直方图增强算法的改进
牛肉图像直方图增强算法的改进
贾渊;姬长英
【期刊名称】《农村．农业．农民：下半月》
【年(卷),期】2005(000)002
【摘要】在传统直方图均衡的基础上,提出一种增强牛肉图像直方图的改进算法.先用一个函数来缩小最大的灰度频数与最小灰度频数之间的差距以使其更好保留细节,然后对有效的灰度级进行等间距处理以使图像在整个显示范围内显示.理论和实践证明本算法可以更好地保留细节,脂肪边界清楚,同时可使直方图更为平滑.
【总页数】3页(P122-124)
【作者】贾渊;姬长英
【作者单位】南京农业大学工学院,江苏,南京,210031;南京农业大学工学院,江苏,南京,210031
【正文语种】中文
【中图分类】TP274+.3
【相关文献】
1.浅谈关于指纹图像增强的蚁群算法和改进的指纹图像增强算法 [J], 刘霞;吕翠丽;赵鑫
2.基于MATLAB的乳腺钼靶图像直方图增强方法的比较 [J], 杨韬;刘春;王娟;汤乐民
3.自适应红外图像直方图均衡增强算法 [J], 赵耀宏;史泽林;罗海波;裴立力;韩国瑞
4.基于PCNN的图像直方图均衡化增强 [J], 张煜东;吴乐南;李铜川;王水花
5.基于数字图像直方图均衡化改进算法的设计研究 [J], 王玮
因版权原因，仅展示原文概要，查看原文内容请购买。
基于计算机视觉的牛肉质量分级研究进展
基于计算机视觉的牛肉质量分级研究进展
丁冬;陈士进;沈明霞;彭增起;梁琨
【期刊名称】《食品科学》
【年(卷),期】2015(036)007
【摘要】牛肉品质分级对于肉牛产业具有重要意义,为克服人工评级的弊端,客观、无损的自动分级技术成为研究热点.本文综述了国内外利用计算机视觉对牛肉大理石纹、生理成熟度、肉色和脂肪色这些指标进行分级预测的研究进展情况,讨论了研究过程中诸如图像分割、特征提取方面存在的困难,最后指出了计算机视觉技术在牛肉品质分级应用过程中存在的问题以及可能的发展方向.
【总页数】5页(P251-255)
【作者】丁冬;陈士进;沈明霞;彭增起;梁琨
【作者单位】南京农业大学工学院,江苏南京 210031;南京农业大学工学院,江苏南京 210031;南京农业大学工学院,江苏南京 210031;南京农业大学农业部农畜产品加工与质量控制重点开放实验室,江苏南京 210095;南京农业大学工学院,江苏南京210031
【正文语种】中文
【中图分类】TP391.41;TS251.7
【相关文献】
1.近红外技术在牛肉质量分级体系中的应用研究进展 [J], 郎玉苗;李海鹏;沙坤;孙宝忠;刘菲;党欣;周楠
2.基于计算机视觉和神经网络的牛肉颜色自动分级 [J], 陈坤杰;孙鑫;陆秋琰
3.基于计算机视觉的牛肉分级技术综述 [J], 贾渊;姬长英;汤晓艳
4.基于计算机视觉的冷却牛肉新鲜度评价方法 [J], 孙永海;赵锡维;鲜于建川
5.基于计算机视觉的冷却牛肉嫩度分析方法 [J], 孙永海;鲜于建川;石晶
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
陆秋琰,陈坤杰(南京农业大学工学院,南京 210031)摘 要:研制了一种用于牛肉自动分级机器视觉系统的图像采集照明装置。
该装置根据系统的照明要求,选取L E D灯作为照明设备的光源,采用漫反射式的点阵光源方式进行照明。
通过正交试验对系统参数进行优化,运用数字技术对照明系统的光照均匀性和照度进行分析。
试验结果表明:光照强度随着L E D灯的排数和数量的增加而增大,但光照均匀性受试验条件的影响较小;在最佳参数条件下,该装置可以使被测对象获得均匀且具有一定强度的照明效果关键词:牛肉图像采集;光照系统;自动分级中图分类号:T P391.41 文献标识码:A文章编号:1003-188X(2008)06-0078-040 引言我国牛肉质量等级评定以牛胴体第12～13根胸肋间眼肌切面大理石花纹、肌肉颜色、脂肪颜色和牛的生理成熟度作为主要评定指标[1]。
随着机器视觉技术的快速发展,采用机器视觉技术进行牛肉自动分级的研究正受到越来越多的关注[2,3]。
要建立起相应的机器视觉系统,牛肉眼肌切面图像采集是需要完成的关键工作之一。
许多机器视觉研究者发现,图像采集的照明效果对采集的图像质量具有十分重要的影响。
光强不均和光照强度不足,是造成提取的目标图像效果不佳的主要因素。
只有在良好的照明条件下,机器视觉系统才可以获得高质量的图像,从而大大减少图像前期处理工作的难度和工作效率。
因此,有必要对图像采集系统照明装置的设计给予足够的重视,对照明效果进行深入的分析与研究。
目前,关于图像采集照明系统的相关研究很少,本研究为牛肉机器视觉分级系统设计一套图像采集照明装置,并运用数字技术对该系统的光照均匀性和强度进行研究分析。
1 照明设备的总体设计1.1 照明方式的确定光是物体成像不可缺少的条件,也是影响机器视觉系统输入的重要因素。
因此,要保证牛肉自动分级系收稿日期:2007-09-06基金项目:江苏省农机局科研基金资助项目(g x z04001)作者简介:陆秋琰(1982-),女,江苏无锡人,在读硕士,(E-m a i l)l u-q i u y a n30@126.c o m。
统采集到的图像能够清晰、准确和稳定地反映牛肉的视觉信息,需要采用合适的照明方案。
牛肉眼肌切面为平面状,表面呈现特别的纹理。
在实际的生产中,牛肉表面一般会不可避免地存在一定的水分,当光线直射时会发生一定的镜面反射,使采集到的图像出现许多高光点。
若采用单个点光源照明,被照表面的中心处亮度最大,照度距中心点越远就越小,且被照表面会产生光圈,对相对较大的平面状物体进行照明时,难以保证光照强度的均匀性。
因此,只有通过布置多个光源,采取有效的补光措施,才能使整个照明区域的照明效果保持一致。
在机器视觉系统常采用的照明方式中,正面照明能增强采集图像中被测物不同部分的灰度差别,有利于分辨被测物内部的不同部分[4]。
鉴于此,本研究采用漫反射式的多光源正面照明设计方案。
1.2 照明箱体设计为消除环境光对照明设备的干扰,根据牛肉图像采集样本的几何尺寸,采用底部640m m×530m m长方形的封闭箱形式,总体结构如图1所示。
1.外箱体2.拱形内腔3.托盘4.L E D灯图1 光照箱简图在图像采集的照明设备中,光源的选择至关重要。
目前的机器视觉系统最常见的光源有卤素灯、荧光灯和L E D(L i g h t-e m i t t i n g D i o d e)光源,其主要性能比较如表1所示[5]。
表1 常见光源类型性能使用寿命/h亮度响应速度特性卤素灯5000～7000亮慢发热大几乎没有光亮度和色温的变化,便宜荧光灯5000～7000较亮慢发热少,扩散性好,适合大面积均匀照射,较便宜L E D光源6万～10万使用多个L E D,达到很亮快发热少,波长可以根据用途选择,制造形状方便,运行成本低,耗电少 由表1可知,荧光灯和卤素灯的稳定性和使用寿命都远低于L E D光源。
高亮度的白色L E D显色性好,且光谱范围宽,能覆盖可见光的整个范围,功耗低、寿命长,且没有频闪,没有红外和紫外辐射,是一种典型的绿色光源[6,7]。
单个L E D属于点光源,光照方向性比较强,发光强度较低,不能满足图像采集的照明需要;但多个L E D光源排列使用,可以达到足够的照明强度,满足图像采集的亮度要求。
因此,本研究采用多个L E D组成点阵光源,以加大其发光亮度和发光面积,改善光照的均匀性。
2 照明装置的试验研究L E D的个数与点阵光源的布置位置以及托盘的高度,都可能影响光照均匀度与照度值的大小。
为使所要拍摄的牛肉切面在L E D点阵光源的照明下获得具有一定强度且均匀的光照,需通过试验研究来确定这些重要参数的大小,并分析其对照度值和光照均匀度的影响。
2.1 试验材料与设备采用一张尺寸为22m m×30m m、具有漫射特性的2.2 试验方法由于影响因素较多,为减少试验次数,运用L16 (45)正交试验表安排试验,并进行试验结果分析。
以试样上各点照度的算术平均值作为光照强度大小的评定标准,以试样上总体照度的标准偏差来衡量样本上各点照度值波动的大小,作为判定光照均匀性的定量指标,试验因素和水平如表2所示。
表2 正交试验因素及水平水平L E D灯排数/排每排L E D灯数量/个距同侧托盘边沿离/m m托盘高度/m m 113030502221608033159011044121201402.3 光照效果检测检测光强分布的传统方法有像纸或干板接受法、小孔法和刀口法等,这些方法通常以人眼来观察光强的分布情况。
因为人眼所获得的仅仅是光强分布的包络信息,很难发现其详细的结构信息(如发光的细微缺陷、能量分布在某点的异常或不均匀),对单色图像灰度的分辨率仅约为16级[8],检测结果往往不够精确。
在数字图像中,单色光强度通常采用灰度级进行描述,计算机对单色图像灰度的分辨率可达256级。
因此,使用数字技术能够简便又准确地对图像的光照强度和均匀性进行定量分析和描述。
本试验使用C C D相机在不同布光条件下采集白色纸板的图像,将图像转换成计算机可以识别的图像数据,即M×N的矩阵(本试验将图像统一为640×480), M、N分别为数字图像的行数和列数。
矩阵元素是正比于光照强度的灰度值。
首先,运用M a t l a b分析软件,统计计算每一个矩阵元素的灰度值;然后,计算出矩阵总体灰度的算术平均值和标准偏差,作为光照效果的评价指标。
总体灰度的算术平均值越高,说明光照强度越高;标准偏差越小;表示射光均匀性越好。
2.4 试验结果与分析根据正交试验安排,共进行16次试验,试验结果表3 试验因素对指标的影响结果及分析序号L E D灯排数/排每排L E D灯数量/个距同侧托盘边沿距离/m m托盘高度/m m算术平均值标准偏差11111135.463.99 21222101.594.38 3133372.914.58 4144452.964.55 52123183.703.26 62214147.253.76 72341131.503.75 82432115.044.08 93134214.272.59 103243187.763.27 113312166.573.92 123421144.973.62 134142234.841.72 144231210.432.92 154324183.073.17 164413166.193.84 R1362.92768.27615.47622.36R2577.49647.03613.33618.04R3713.57554.05612.65610.56R4794.53479.16607.06597.55极差431.61289.118.4124.81S117.5011.5615.5114.28S214.8514.3314.4314.1S313.4015.4214.1714.95S411.6516.0913.2914.07极差5.854.532.220.88 注:R i值为各因素各水平下照度算术平均值之和;S i值为各因素各水平下照度标准偏差之和。
由表3可知,在不同的试验条件下,照度的变化非常显著,而光照均匀度的变化则很小。
这表明,照度受试验条件的影响比较大,光照均匀度受试验条件的影响很小。
通过极差分析可知,在本试验的范围内,L E D灯的排数对照度大小和光照均匀度的影响都最大,随着排数的增加,照度和均匀度都得到了提高。
每排L E D灯的个数对照度和均匀度的影响次之,当每排光源的个数增加时,照度和均匀度也随之改善。
点阵光源距同侧托盘边沿的距离和托盘高度这两个因素对照度值和均匀度的影响较小,总体上呈现如下趋势:1)当点阵光源距同侧托盘边沿的距离越小,其照度值越大,均匀性越差。
2)当托盘高度越低,照度值越大,在最大高度时,均匀性呈现出相对较好。
所以,在本试验范围内可以确定最佳光照参数为:灯排数为4排,每排L E D灯的个数为30个,距同侧托盘边沿距离30m m,托盘高度80m m。
在此条件下,使用M a t l a b绘制出投射在测试样本表面的光照强度分布的三维图如图2所示。
图2中曲面隆起部分表示照度较高,凹陷部分表示照度较低。
总体来看,光照强度分布基本上呈一平面,表明在该条件下系统具有良好的光照均匀性。
图2 数字图像的光强分布三维图3 结论1)以白色L E D为光源,L E D灯的排数和数量对照度大小有显著的影响;2)光照均匀度受试验条件的影响较小,表明该照明装置的拱形结构对光源射出光线形成了良好的漫反射,产生了理想的光照均匀性。
3)采用该光照系统,可以使被检测物表面获得均匀且具有一定强度的良好光照,其运用于牛肉图像采集工作中将具有良好的效果。
参考文献:[1] N Y/T676-2003.牛肉质量分级[S].北京:中国标准出版社,2003.[2] 陈坤杰,姬长英.牛肉自动分级技术研究进展[J].农业机械学报,2006,37(3):153-156.[3] 陈坤杰,秦春芳,姬长英.牛胴体眼肌切面图像的分割方法研究[J].农业机械学报,2006,37(6):155-158.[4] 闫 枫,吴 斌.视觉检测系统中的光源照明方法[J].兵工自动化,2006,25(11):85-86.[5] 张纪明.基于P C的机器视觉系统研究[J].机器视觉,2006(11):107-110.[6] 刘 宏,张晓晶.高亮度白光L E D直流照明灯的研究[J].节能与环保,2005(8):5-7.[7] 徐德平.L E D照亮世界[J].中国科技奖励,2005(10):44-48.[8] 方海涛,吴路生.利用数字技术进行激光横向光强分布分析的研究[J].量子电子学报,2003,20(4):508-512.D e s i g na n dR e s e a r c ho f L i g h t i n g D e v i c e f o r C a p t u r i n g S y s t e m o f B e e f I m a g eL UQ i u-y a n,C H E NK u n-j i e(E n g i n e e r i n g A c a d e m y,N a n j i n g A g r i c u l t u r a l U n i v e r s i t y,N a n j i n g210031,C h i n a)A b s t r a c t:T h e o b j e c t o f t h i s s t u d y i s t o d e v e l o p a n i l l u m i n a t i o n d e v i c e u s e d i n t h e m a c h i n e v i s i o n s y s t e mf o r a u t o m a t i c a l l y g r a d i n g o f b e e f q u a l i t y.L E Dl i g h t s w e r e c h o s e n a s e x t e r n a l l i g h t s o u r c e a n d d i f f u s e r e f l e c t i o n l i g h t i n g w a s e m p l o y e d i n t h i s d e v i c e a c c o r d i n g t o t h e s p e c i f i c d e m a n d o f t h i s m a c h i n e v i s i o n s y s t e m.S y s t e mp a r a m e t e r s:L E Dr o wc o u n t,L E Dn u m b e r p e r r o w,s a l v e r h e i g h t a n d d i s t a n c e b e t w e e n t h e L E Da n d s a l v e r w e r e o p t i m i z e d b y m e a n s o f o r t h o g o n a l t e s t s.T h e u n i f o r m-i t y a n d l u m i n a n c e o f l i g h t i n g g i v e n b y t h i s d e v i c e w e r e a n a l y z e d b a s e d o n d i g i t a l t e c h n o l o g y.E x p e r i m e n t a l r e s u l t s s h o w e d t h a t t h e l i g h t i n g i n t e n s i t y r i s e s w i t h t h e i n c r e a s e o f L E Dr o wc o u n t a n d L E Dn u m b e r p e r r o w,r e s p e c t i v e l y,w h i l e t h e u n i-f o r m i t y o f l i g h t i n g i s s l i g h t l y a f f e c t e d b y t h e s e p a r a m e t e r s.A f t e r b e i n g o p t i m i z e d,t h e o p t i m u mp a r a m e t e r s w e r e:L E Dr o w c o u n t4,L E Dn u m b e r p e r r o w30,s a l v e r h e i g h t80m ma n d d i s t a n c e b e t w e e nt h e L E Da n ds a l v e r30m m.G o o da n d u n i-f o r mi l l u m i n a t i o n c o u l d b e p r o v i d e d b y t h i s d e v i c e.K e y w o r d s:b e e f i m a g e c a p t u r e;l i g h t s o u r c e s y s t e m;a u t o m a t i c a l l y g r a d i n g。