基于图像处理的肉类品质检测国内外研究现状

基于图像处理的肉类品质检测国内外研究现状

1.2.1国外研究现状

对于基于图像处理的肉类品质检测的研究在国外一直是研究的重点，同时，研究成果也是非常多的。

Shiranita（2000）等学者结合图像处理、神经网络技术和多元回归分析，实现肉质分级系统。大理石纹评分是测量脂肪在肋眼区分布密度的一种方法。我们确定了五个用于肉类图像分级的特征。针对这五个特征的评价[13]，提出了一种基于专业分级机输入的三层神经网络图像二值化方法和基于多元回归分析的五个特征中的两个特征评价的肉质分级系统。实验结果表明，该系统是有效的。利用“大理石花纹评分”的概念，结合图像处理和神经网络技术，Otsubo（2006）等学者研究实现了肉质分级系统。大理石花纹评分是指脂肪区面积与全肋眼区面积之比，是决定肉质等级的主要指标。因此，在肉类图像中，应正确地将脂肪区与肋眼区的肌肉分离开来[14]。提出了一种利用三层神经网络对图像进行二值化的方法。在二值化中，二值化图像（1或0）的像素的值是通过考虑原始图像（4位图像）中相邻9个像素（3×3，包括自身）的值来确定的。LIU（2017）等学者利用“大理石花纹评分”的概念，结合图像处理和神经网络技术，研究实现了肉质分级系统。大理石花纹评分是指脂肪区面积与全肋眼区面积之比，是决定肉质等级的主要指标[16]。因此，在肉类图像中，应正确地将脂肪区与肋眼区的肌肉分离开来。提出了一种利用三层神经网络对图像进行二值化的方法。在二值化中，二值化图像（1或0）的像素的值是通过考虑原始图像（4位图像）中相邻9个像素（3×3，包括自身）的值来确定的。一个功能齐全的分级或分类系统必须允许在不需要买方亲自检查产品的情况下进行屠体和肉类交易。要做到这一点，系统必须准确地显示肉的数量、肉的内在质量以及任何可能影响零售可接受性的外观方面。PRICE（2016）等学者提出了一个适用于各属胴体的客观系统，为可靠的远程交易提供了必要的信息。分级信息将表明瘦肉精在胴体中的实际重量以及适当零售店的重要指标（大小、年龄、脂肪厚度和无缺陷）。标签上的其他信息将表明屠宰后处理可能会影响肉的适口性。关键词：胴体、分级、肉质[17]。

1.2.2国内研究现状

在国内对于基于图像处理的肉类品质检测的研究也是渐渐开始了，从21世纪开始研究而且随着城市的发展研究逐步深入，并且成为了研究的重点，同时，在中国研究成果也是非常多的。

邵东锋（2014）等学者发现了中国的畜牧业和肉类工业在很大程度上依赖中国农业部提供其肉类的销售评级。自1927年实施屠体牛肉分级系统以来，屠体已由人类分级员进行分级。为了达到更好的一致性和公平性，开发了一个基于知识的专家系统来帮助分级员对胴体牛肉进行分级。本文介绍了基于知识的专家系统的开发过程，并讨论了如何将专家系统与语音识别子系统集成，为专家系统提供胴体的特征[18]。马本学（2019）通过对牡蛎生肉的几何和物理特性的测试，开发了一种基于微机的数码相机分级机的分级算法。由于牡蛎肉通常是根据大小或体积来分级的，因此需要一种与体积和投影面积相关的分级算法。测量重量、体积、投影面积和高度。发现了各种性质之间的统计相关性。肉的体积与投影面积和重量高度相关。牡蛎肉的高度也被发现是一个重要的因素时，相关的体积和投影面积。体重比投影面积更能预测体积[19]。孙宝（2012）的研究是在海拔3680米的Huancavelica屠宰场进行的。从200头华卡亚羊驼中采集数据，对其胴体与体重（BW）、热胴体重量（HCW）、冷胴体重量（CCW）和分级肉的关系进行了研究。雄性和雌性的体重分别为49.5和55.6kg，4齿和全口动物的体重分别为51.3和53.1kg。男性和女性的HCW分别为27.3和30.0kg，4齿和羊驼全口的HCW分别为28.1和28.8kg。目前，我国肉羊等级鉴定普遍采用表型分级法，由于该方法存在较多的变异因素和主观偏差，影响肉羊等级鉴定的准确性，刘国庆（2016）采用物元分析方法，建立了肉羊定量分级鉴定模型，并将该模型应用于肉羊分等学者级鉴定，结果表明，该模型能更客观、合理地进行肉羊分级鉴定，在肉羊育种中具有良好的应用前景该模型也适用于其它类似的分级识别[20]。

1.3研究内容与研究方法

1.3.1研究内容

本文主要要就内容如下：

（1）从基于图像处理的肉类品质检测研究意义出发，然后查阅资料了解一些汇基于图像处理的肉类品质检测相关的现状以及国内外研究情况来夯实自己的基础；

（2）然后本文为了进一步具象化本文内容，选择以牛肉来当做本文的研究对象，对于本文一些用到的基本理论知识进行了了解，比如牛肉结构、牛肉等级划分、PCA方法等。

（3）接着，通过收集一些图片作为处理对象，进行牛肉图像采集与牛肉图像预处理，具体也就是牛肉图像的灰度化、牛肉灰度图像二值化、牛肉灰度图像去噪、牛肉图像分割处理，

（4）最后基于预处理之后的牛肉图像进行基于PCA方法的图像处理的牛肉等级识别，并且通过仿真实例验证了基于PCA方法图像处理的的牛肉等级识别的可行性。

1.3.2研究方法

（1）文献法：通过网络和图书馆等资源手段，查阅基于图像处理的肉类品质检测研究分析的相关资料，了解基于图像处理的肉类品质检测研究的背景知识，以及国内外研究现状。

（2）实验法：收集基于图像处理的肉类品质检测研究分析研究资料，收集资料然后进行MATLAB仿真分析。

（3）数据统计法：从得出来的数据进行进一步的数据统计，运用统计学知识进行分析，进而得到结论。