基于手机拍摄图像猪肉新鲜度检测.docVIP

基于手机拍摄图像猪肉新鲜度检测 　　摘要：首先对手机拍摄的猪肉图像进行预处理，利用Otsu算法较好地分割出图像中的猪肉部分和背景，然后用颜色因子∣R-G∣+∣R-B∣的值对图像进行彩色分层从而计算出颜色区域比值，建立了用猪肉的色泽、黏度、弹性、氨气、硫化氢、表面菌落总数、颜色区域比等7个特征为输入的BP网络分类模型。试验结果表明，该方法能够较好地对猪肉新鲜度进行检测。 关键词：猪肉；新鲜度；颜色因子；BP神经网络 中图分类号：TP751.1 文献标识码：A 文章编号：0439-8114（2013）13-3168-03 我国是世界上最大的猪肉生产和消费国，据中国国家统计局统计，2011年我国猪肉产量为5 053万t，约占全球总产量的50%。猪肉新鲜度是猪肉品质最重要的评价标准。 随着《中华人民共和国动物防疫法》和《生猪屠宰管理条例》的颁布实施[1]，全国各地均开展了定点屠宰、集中检疫工作，从根本上杜绝了私屠滥宰，尤其是防止对染疫及死因不明动物的屠宰，从而保证了上市肉品的安全性及品质。但肉品在屠宰、分割、包装、运输、销售等过程中有很多被微生物污染的机会，会导致肉品发生变质甚至腐败。近期以来，消费者对猪肉产品的安全问题日益关注，我国生猪产业已处于发展的瓶颈阶段[2]。因此，如何快速有效地检测猪肉的新鲜度是亟待解决的问题。 常用的猪肉新鲜度检验方法有猪肉表面菌落总数[3，4]、挥发性盐基氨（TVB-N）[5]、pH、硫化氢，还有K值、球蛋白、氨等测定方法。这些方法大多操作复杂，技术含量高，检测时间长，不便于对猪肉新鲜度进行快速检测。该系统基于计算机视觉，用手机拍摄猪肉图片，输入到手机中安装的猪肉新鲜度检测系统中进行评定。此方法快速有效，简单易行，适用于任何单位和个人。 1 材料与方法 1.1 检测材料 试验材料为河北省保定市的超市以及农贸市场的市售鲜猪肉，每个采样点分前膀、里脊、后座3个部位取样，购回后用清水洗净，沥干，切为约2 mm厚、6 cm长、2 cm宽的肉条，制作15个样本，室温置于灭菌的培养皿中保存，使猪肉自然腐败，连续进行3 d。每天9∶00开始检测，间隔6～8 h进行一次样本图像采集，每天采集3次图像，并通过对TVB-N的检测记录其新鲜度。 1.2 检测原理 此方法主要是根据猪肉色泽的变化检测肉质新鲜度。猪肉的色泽主要由肌红蛋白的化学特性所决定[6]。当猪被屠宰后，由于刚切开的肌肉表面尚未与氧结合而呈暗红色；当在空气中与氧接触后，肌红蛋白成为氧合肌红蛋白，从而呈鲜红色；但在空气中放久之后氧合肌红蛋白变成变性肌红蛋白，使肉呈暗褐色。因此肌肉表面的颜色可以用来表征猪肉的新鲜程度。 1.3 图像采集方法 将猪肉置于黑色背景下，在非强光照射条件下用三星S5230手机获取猪肉图像样本。拍摄时尽量使手机的镜头与猪肉所在的平面平行，使光线在猪肉上均匀分布，避免产生明显的形变导致后续处理困难[7]。 1.4 图像分割 图像分割是将图像分成一些有意义的区域，然后对这些区域进行描述，相当于提取出某些目标区域图像的特征，判断图像中是否有感兴趣的目标。在自然环境下用手机拍摄的彩色图像存在分辨率低、对比度不明显等情况。因此有必要在分割之前对猪肉图像样本进行预处理。 首先采用中值滤波法去除图像中的噪声，然后去除图像背景，采用Otsu算法较好地分割出了图像中的猪肉部分和背景。试验用Otsu算法公式计算图像最佳阈值，然后用这个阈值将灰度图像二值化，结果如图1。 图1（a）为原始图像，图1（b）为图像分割并去除背景后的结果。 1.5 特征提取 对多种图像特征提取方法的研究和对比，根据猪肉颜色与新鲜度相关的特点，对彩色图像处理中的彩色分层[8]方法进行了深入研究，在此基础上提出了一种新的表征新鲜度的图像特征——颜色区域比。彩色分层方法能够突出图像中特殊的彩色区域，从而分离出目标物。其基本思路是：①显示感兴趣的颜色以便从背景中把它们分离出来，②像模板那样使用由彩色定义的区域，以便进一步处理。此次颜色区域比利用颜色分层后的区域[9]，计算颜色分层区域与图像总体区域的面积比值，即颜色分层区域像素点数量与图像像素总数之比，颜色区域比的计算公式如下： R=■ （1） 其中，I（x，y）为图像（x，y）点像素值，T为图像分层阈值，sum（）为求和运算。 由于猪肉红色变化与新鲜度相关，根据图像中颜色特征R，以及颜色因子R-G、R-B、∣R-G∣+∣R-B∣的值对图像进行分层，进而计算颜色区域比。在试验中，对于颜色特征R的分层阈值T经过大量试验，得到最佳值为T=110；对于颜色因子R-G、R-B、∣R-G∣+∣R-B∣的分层阈值T经过大量