滩羊胴体眼肌切面图像处理与分级特征值提取.docVIP

滩羊胴体眼肌切面图像处理及分级特征值的提取 　　摘 要：为获得高质量滩羊胴体眼肌切面图像，采集图像用工业摄像机，并对样本图像分割算法进行研究。首先预处理样本图像，3×3模板中值滤波器去除干扰，采用加权平均值灰度化，用自动选择最优分割值OTSU算法去除复杂背景；再对其进行二值化，通过区域逐步分割对目标区域进行粗提取，通过区域标记和形态学处理进行有效眼肌区域的精确提取；最后对有效眼肌区域面积、背膘厚度进行计算。结果表明，图像处理算法具有较好的分割效果和计算效果 关键词：滩羊胴体；眼机切面；图像处理；分级特征值 Abstract： High-quality images of Tan sheep carcass rib-eye cross-sections were taken with an industrial camera and used to develop an algorithm to segment them. Firstly， the images were pre-processed and grayed by the weighted average method after removing the interference by 3 × 3 template median filter. The automatic selection of the optimal segmentation threshold by the Otsu algorithm was carried out to remove the complex background. Then， after the binarization of the images， and the target region was roughly extracted through gradual region separation for accurate extraction of the effective rib-eye area by region labeling and morphological processing. At last， the effective rib-eye area and the back fat thickness were calculated. The image processing algorithm has a good segmentation and calculation performance. Key words： Tan sheep carcass grading； rib-eye cross-section； image processing； feature value DOI：10.15922/j.cnki.rlyj.2016.11.002 中图分类号：TS251.1 文献标志码：A 文章编号：1001-8123（2016）11-0006-05 建立羊肉分级体系，对引导市场消费趋势、规范羊肉流通渠道、促进羊肉产业健康发展具有重要意义。目前，由于技术原因，羊肉胴体等级评定工作仍然停留在人工操作的水平，在人工分级过程中，分级人员评价观念差异、经验丰富程度不同以及工作量等因素对最终结果有很大影响，传统的感官评价和人工检测方法很难满足快速在线检测需求[1] Chandraratne等[2]取生鲜羔羊肉表面图像特征信息，利用人工神经网络、线性和非线性回归分析，预测羊肉嫩度，其中神经网络分析法和非线性回归分析法预测决定系数分别为0.746和0.602，表明可通过机器视觉采集眼肌横切面的品质特征值。陈丽等[3]对羊胴体产量分级模型进行了研究，并对多个参数进行测量，保留一个方差提供综合信息达80.5%的主分量，且主分量内部相关程度较高，肋肉厚与腹壁厚2 个变量相对关系达到0.972，选择了肋肉厚为产量分级参数。对肋肉厚与出肉比例进行方程拟合，得到羊躯干产量评级最佳方程 目前国内外基于计算机视觉的图像处理和肉类质量分级研究主要集中在对牛肉的研究[4-13]，也有对猪肉背最长肌切面图像的研究[14-15]，但对羊肉的研究较少。对牛肉和猪肉计算机视觉图像研究为实现肉类自动产业化分级奠定了基础，但对羊肉自动分级还有很多实际问题需进一步探讨，其中滩羊胴体眼肌图像的获取和分析是实现滩羊胴体分级信息自动采集的前提和关键技术，也是本研究要解决的问题 本实验以宁夏特色农产品滩羊为研究对象，对获得样本图像分割算法进行研究，并对有效眼肌区域面积、背膘厚度进行计算，为实现羊肉自动化分级以代替人工评定方法提供理论基础 1 材料与方法 1.1 材料与试剂 羊肉（