点击接通在线客服
计算机视觉技术在食品检测中的应用(一)
【来源/作者】周世红 【更新日期】2018-07-06

一、食品膨化质量的自动检测

食品双螺杆挤压膨化机是食品膨化加工的主要设备。颜色和体积是膨化食品的重要质量特征,体积反映了膨化食品的膨胀度和密度;颜色则是膨化食品内部结构和其他物理性质的外部反映。因此,在膨化食品加工中,经常选择膨化食品的颜色和体积作为监控产品质量的参数。

实验用玉米面由美国伊利诺劳豪夫谷物公司提供。物料在挤压腔内受高温、高压的作用,经圆形模头挤出机外,呈连续圆柱条,由旋转刀片切成段状。由于膨化玉米段近似为旋转体,故当玉米段平躺在输送带上时,其俯视投影面积直接反映膨化玉米段体积的大小。颜色间接反映膨化玉米段的口感质量,经感官评定实验,棕黄色口感最好,黄色、淡黄、浅黄次之,黄白最差。为了测量膨化玉米的俯视投影面积和颜色,开发了一个计算机视觉系统,分别用RGB、CMY和HSI模型对膨化玉米的颜色和投影面积进行了对比分析。

用直方图刺激值的平均值作为颜色特征对膨化果质量进行评价。为了研究图像直方图的均值瓦随膨化系统输入参数变化的规律,对120幅在不同条件下摄取的样本图像进行了统计分析,如表2-1所示。结果说明图像的均值特征甄是加工系统输入参数的函数,并随系统参数的不同而变化。当喂入量为45.4kg/h,含水量由21%变到17%时,膨化果的黄色成分减少,颜色由黄变为黄白,均值x-i有较大幅度的变化。如,x-k由215变到202,最大差值为13。而当含水量为19%、喂人量由40.9kg/h变到49.9kg/h时,各刺激值也随之变化,但变化幅度较小,瓦的变化范围仅在207~209之间。由此可知,与喂入量相比,含水量对膨化果的颜色影响较大。

由表2-l可知:①在含水量为19%,喂入量由40.9kg/h变到49.9kg/h过程中,黄色刺激的均值瓦在喂入量为45.4kg/h处取得极值;②在相同条件下,RGB、CMY的刺激值变化大于HSI的变化,具有较好的可区别性;③膨化果的投影面积随含水量和喂入量的变化而改变,变化的幅度比颜色大得多,且产品的颜色越黄投影面积越小,膨化果投影面积的变化在二维平面内反映了膨化果体积的差别,膨化过程中,投影面积随颜色有规律变化的结果,说明膨化果的颜色和体积是相关的。

二、基于计算机视觉的冷却牛肉嫩度分析方法

肉的嫩度是评价肉的食用质量的重要指标之一。目前常用的检验方法有主观评价和客观评价两类。主观评价比较接近正常食用条件下对嫩度的评价,缺点是对评价人员素质要求高。

针对各部位牛肉脂肪和肌肉分布的特点,采用大理石纹对含脂肪牛肉进行研究。

为定量分析牛肉脂肪分布密度,需要从其图像中提取相应特征量作为评价依据,这就要求系统能够准确地将图像中像素点归属于脂肪和肌肉两个区域。脂肪组织在图像中表现为白色,肌肉组织在图像中表现为红色。

利用人工神经网络进行图像分割。从牛肉图像中得到脂肪组织和肌肉组织的样本。将组成样本的像素颜色信息作为网络输入,训练用于识别脂肪像素和肌肉像素的网络。

脂肪组织分割采用多层BP网络结构,包含一个输入层、一个隐含层和一个输出层,隐含层节点数为12。像素颜色信息由R、G、B三个分量组成,输人层节点数为3。有两种可能输出,故取输出节点数为1,输出“0”表示该像素为脂肪,输出“1”表示该像素为肌肉。因为网络输出不是整数值,所以需要对其进行处理。对计算结果依据四舍五入原则取整,将其输出归类。

脂肪组织分割网络的训练测试过程是:从l~28号试验组肉在不同存放时间获得的图像中分割出有代表性的脂肪组织和肌肉组织的图像区域,共计lO087×2个像素点(脂肪组织和肌肉组织的像素点各50%),随机抽取3000×2个像素点作为测试样本集,余下像素点作为训练样本集。

用测试集对网络性能进行评价时,对像素的正确识别率可达97%,分割结果令人满意。

牛肉大理石纹主要指分布于肌肉组织中的脂肪组织。试验模拟专业评价员对牛肉大理石纹的评定过程,用能够表征这种脂肪组织分布情况的4个变量作为相应的特征量,分别为:单位牛肉图像中脂肪像素所占百分比m1,M组织总数m2,小M组织的总数m3,大M组织的总数m4,分析研究这些量与牛肉嫩度主、客观评定结果之问的关系。

参考资料:现代食品检测技术


【关键词】计算机视觉,食品检测,自动检测,国家标准物质网 

<< 上一篇:食品质量与安全现状及现代食品检测技术的主要内容

>> 下一篇:农药残留试验良好实验室规范