基于机器视觉的牛肉嫩度预测技术研究进展.pdfVIP

∗ （教育部肉品加工与质量控制重点开放实验室，江苏南京 210095 ） 摘要：嫩度是影响牛肉质量的重要因数，实现无损化预测嫩度需要从生产工艺、信息获 取方式、牛肉本身性状的研究等多方面入手。本文介绍了利用机器视觉技术预测牛肉嫩度的 研究进展，将颜色和大理石纹、纹理及结缔组织作为预测嫩度的指标，介绍了各指标与嫩度 的关系，以及如何通过机器视觉的方法反映各指标与嫩度的关系。 关键词：牛肉；嫩度预测；机器视觉 随着人们生活水平的提高，人们对牛肉的消费需求越来越大。嫩度、风味和多汁性是影 响消费者评定肉质量的三个因素[1，2] ，但由于牛肉嫩度测定方法的不足，嫩度在各国牛肉质 量评定标准中并未作为重要参考技术指标提出。通过测剪切力的方法测定牛肉嫩度是目前应 用最普通的方法[3] 。然而，测剪切力的方法具有破坏性、耗时长，同时无法实现在线检测。 现有的牛肉智能化分级设备，主要考察颜色、大理石纹、生理成熟度等指标，研究表明这些 指标并不能准确反映牛肉嫩度[4-5] 。这些分级系统不包含足够有关嫩度的信息。这就迫切需 要在牛肉分级标准中增加反映牛肉嫩度的指标，最好是量化指标。市场对嫩度评定设备需求 巨大，特别是屠宰分割企业。他们在分装牛肉时无法满足消费者零售商对嫩度评级的要求。 在现有出现的新兴技术中，基于光学原理的方法是实现在线分级牛肉嫩度的最具潜力方法。 这种方法能实现快速无损检测，并且检测成本适当。其中基于机器视觉的牛肉嫩度预测技术 在近年来成为研究热点。 机器视觉是鲜肉品质最具前途的客观评定方法。这方面的研究始于80 年代早期，Lenhert and Gilliland 在1985 年设计了一套黑白图像分级系统用于测算瘦肉产量[6] 。Cross et al. (1983) [7]和Wassenberg, Allen, and Kemp (1986) [8]报导了这个系统的应用结果。图像处理技术用于 牛肉品质分析始于Chen, McDonald 和Crouse(1989)的研究。他们统计了美国分级标准中各 个等级图片的大理石纹含量[9]，并用形态运算方法在背最长肌中分离出纹理组织。为了在黑 [10] 白图像中区分瘦肉和脂肪，Chen,Nguyen 和Park 建议用6 阶矩作为阈值标准 。 [11-12] [13-14] [14] 影响肉嫩度的因素有很多，包括宰前因素如品种 、年龄 、性别以及解剖部位 、 营养[15-17]、应激等，宰后因素如冷却方式、胴体吊挂方式、成熟、烹调方式和时间等[18-19] 。 这些外在的因素主要通过肌纤维特性（如肌纤维直径、肌节长度、保水性等）、肌内结缔组 织的特性（肌束膜厚度、胶原蛋白含量及可溶性、热变性温度、机械强度等）及肌肉脂肪等 [20] ，而基于机器视觉研究比较多的主要包括颜色和大理石纹、 内在因素来影响牛肉的嫩度 纹理及结缔组织。 1 基于机器视觉评定颜色和大理石纹及其与嫩度的关系 各国牛肉分级标准中，都将颜色和大理石纹丰富程度作为牛肉分级的重要指标，牛肉分 ∗基金项目：现代农业（肉牛）产业技术体系专项经费资助（MATS-Beef Cattle System ） 作者简介：谌启亮，男，硕士在读，研究方向为肉品加工与质量控制。 E-mail ：shenqiliang27@163.com 级标准中的大理石纹等级都与大理石纹面积之间存在较强的相关性，但是二者却不能完美的 统一。大理石纹面积可以在一定程度上反映大理石纹等级，但不能反映全部，也就是说大理 石纹面积不是“丰富程度”的唯一量化指标，前者是计算机客观度量的结果，后者是分级员 主观评判的结果，分级员可能考虑了多种因素。 分级员在分级的时候，的确考虑了大理石纹面积，但他们可能并没有把大理石纹面积作 为唯一评判标准，他们可能因为脂肪颗粒的数量、脂肪颗粒的大小、脂肪的光泽、肌肉的颜 色以及其它个人因素的影响而错误的估计大理石纹面积，还有可能是他们除了估计大理石纹 面积，还考虑了上述的脂肪特性。 D.E.GERRARD 等用多元回归分析了大理石纹评分和肌肉颜色、不同大小脂肪颗粒密