《基于计算机视觉技术的肉质评价综述》
目的:评估肉类生产过程的安全性和质量,确保人类食用更加安全健康的肉类
传统方法:昂贵和耗时、破坏性、不一致、不稳定
解决思路:将计算机视觉技术引入肉食品的各种质量检测
评价指标:新鲜度、嫩度
经典的评估方法有:感官评估和化学技术、TVB-N(总挥发盐基氮)和微生物种群
图像评估可根据肉类的属性:颜色、形状、大小、表面纹理特征
使用机器视觉方法的局限性:仅限于识别颜色、大小、表面结构等外部质量因素。
机器视觉系统:帧捕捉器、相机、光源、计算机硬件和软件
图像预处理:预处理、分割、特征提取
图像处理的三个阶段:低级、中级、高级
低级处理:采集数字形式的视频,进行降噪、几何校正、灰度矫正、离焦矫正
中级处理:图像分割、显示、描述
高级处理:图像诊断和评论
颜色模型:颜色空间,如RGB,HSV
列举的例子
鱼类:
- 采用SVM分类器对鲤鱼进行新鲜度评价,分类效果准确率为:86.3%(结合眼睛虹膜和鱼表面纹理)
- 基于RGB颜色指数的鱼类新鲜度分类,计算机视觉技术与近红外光谱技术相结合,93.33%(鱼眼在贮藏过程中的颜色)
- 使用计算机视觉确定基于salmon评分的鲑鱼片的颜色评分
- 基于野生金枪鱼眼睛和鳃颜色变化的机器视觉来评估新鲜度
- 人工神经网络对鲤鱼贮藏过程中的新鲜度进行评价,ABS-ANN算法,SVM、KNN、ANN对图像进行分类
- 鱼眼睛图像的颜色光谱和通过 3D 扫描仪获得的眼睛凹陷指数
牛肉:颜色变化
- IMF特征与IMF化学含量之间的相关性
- 数字成像方法,不同颜色类别的瘦牛肉的颜色参数进行测定和分析,研究瘦牛肉的颜色特征与颜色得分之间的关系。
- SVM对牛肉脂肪颜色进行分级并结合细菌分析
- 基于PH值的DFD颜色分类
- 对牛肉大理石花纹和数量进行研究
猪肉:
- 根据PH测量,DFD和PSE的分析,可以区分类别
- 用颜色区域比(CRR)来鉴定腐烂程度从而判别新鲜度
- 图像纹理和化学成分结合判定猪肉的质量
- 通过分析猪肉图像的PSE检测猪肉
- 通过TVB-N的含量
- 基于猪肉颜色和纹理特征
- 基于颜色特征和肌间脂肪的百分比(IMF%)
鸡肉:新鲜度评定:颜色、质地、PH值、TVB-N含量和柔软度
- 图像纹理和颜色,采用粒子群优化算法(PSO)和神经网络分类器相结合进行特征选择。
- 鸡肉中的脂肪含量
- 计算机视觉和色度计测量的CIELab特征对鸡胸部颜色属性进行检测
- 计算机视觉与线性和非线性分类器相结合的鸡块自动分类方法
- 利用计算机视觉的方法检测鸡翅的质量。将BP-ANN模型应用于鸡翅质量的分类和预测。
- 计算机视觉和人工技术相结合来估计鸡肉的新鲜度。使用GA-ANN方法进行图像处理。
- 使用CV和近红外光谱NIR方法对鸡胸肉进行木质胸肉WB和正常鸡胸肉的识别和分类
羔羊:新鲜度评定:嫩度、多汁性和风味,根据动物年龄和大理石花纹等指标
- 灰度差分统计纹理图案
- 神经图像分析对羔羊尸体中的大理石纹理进行分类。
- 人工神经网络用于羔羊胴体图像分类的适当性和提取的特征用DFA根据分类的准确性进行评估。
- 感官评估
- 药物反应,成分含量