点击接通在线客服
计算机视觉技术在食品检测中的应用(二)
【来源/作者】周世红 【更新日期】2018-07-09

M大小(以像素数为单位)需要设定,首先讨论与试验方法和条件相适应的应用效果最优M大小的定义。通过统计试验获取牛肉图像的脂肪组织大小后,最终将大M尺寸定在大于等于100个像素的范围内,将小M尺寸定为小于100、大于等于50个像素的范围之内。

为便于评价,将肉的嫩度定为6分以下,见表2-2。

表2-2表明不同嫩度等级的牛肉,其单位截面积双剪切力与嫩度评分结果之间存在对应关系。

编程处理1~15号试验组的牛肉图像,得到与每组图像相对应的变量值,经回归分析,剔除相关系数小于0.8的变量,保留相关系数分别为0.922、0.9197的两个变量m3、m4则有:

(2-57)

经检验,式(2-57)在O.01水平下回归效果显著。

检验结果表明,因素m3对指标y的作用在0.10水平下是显著的;因素m4对指标y的作用在0.10水平下是显著的。研究表明,牛肉的大理石纹与回归变量之间存在着对应关系。

式(2-57)表明,变量m3和m4对观测值的影响都是正的,也就是说单位图像中的M数目越多,肉的嫩度评分越高,牛肉嫩度双剪切力值也越小。

取试验号16-23的肉样进行验证性试验,计算值依据四舍五入的原则进行归类,结果只有其中的23号试验牛肉出错,实测等级和式(2-57)计算等级如表2-3所示,可知式(2-57)对牛肉嫩度的预报准确度在87.5%以上。

三、基于计算机视觉技术的冷却牛肉新鲜度评价方法

肉在贮藏过程中,肌肉的颜色往往随着肉的变质而发生变化。新鲜牛肉色泽红润;次鲜牛肉颜色发暗;而变质牛肉呈红褐色无光泽,且在局部区域有不均匀的绿色斑块。肉色是否正常,是鉴定牛肉是否新鲜的重要指标。

摄取牛肉图像可表示为fij(x,y),其中i=1~38为肉试验组编号,j为图像摄取时间间隔,单位为天。每一天摄取一次图像,用于牛肉新鲜度特征的提取。

牛肉中脂肪组织分布较少,主要由肌肉组织组成。在提取牛肉图像的颜色特征用于新鲜度评定时,主要考虑肌肉组织的色泽。因此,特征提取之前应将脂肪组织由肌肉组织中分割出去,分割方法如前。

以整幅图像3刺激值的均值作为牛肉颜色的统计特征,采用RGB、HSI和CMY 3种彩色计算模型分别进行统计计算其均值。

变质肉判断网络仍用多层BP网络,网络由输入层、隐含层和输出层组成。输入层节点数为3。经试算隐含层节点数取9。输出层由一个节点组成,取0时表示可食新鲜肉,取1时表示变质肉。首先摄取1~28号试验组中肉存放时间超过7d的变质肉图像,从中随机抽取20幅,作为变质肉图像库;从1~7d的图像中随机抽取新鲜可食肉图像70幅,作为新鲜可食肉图像库。在变质肉图像库中取变质肉图像lO幅,在新鲜可食肉图像库中取新鲜肉图像20幅作为测试集,其余作训练集。

肉新鲜度评定网络选取一个输入层、一个隐含层和一个输出层的网络结构。输入层节点数为3,隐含层节点数由经验确定为9,输出层节点数设为7,与牛肉存放天数相对应。若牛肉被识别为已存放了id,则第i个节点输出值为l,其余节点输出值为0。

肉新鲜度评定神经网络的训练和测试方法是从1~28号试验组肉在1~7d所摄取的共196幅图像中提取颜色特征,作为网络的训练样本集。将用于新鲜度验证性试验的29~38号试验组肉在1~7d所摄取的共70幅图像中提取的颜色特征作为测试样本集。

将设计好的新鲜度评价子系统用于试验所得28×7幅牛肉图像(28为试验组数,7为存放天数),评价结果说明,错误主要出现在第6天,有将第6天的肉归人第7天的情况。其原因是此相邻两天牛肉图像颜色变化不显著,网络不能从输入的颜色特征向量对图像进行准确分类。表2-4为不同彩色模型对第6天肉新鲜度评价准确度的比较,被识别图像总数为28。

比较不同彩色坐标下的新鲜度评定结果,可知HSI彩色坐标对肉新鲜度的评定结果较为准确。这是因为该彩色模型反映了人眼观察色彩的方式,与人眼感觉色彩的原理相似的缘故,所以分析结果最接近人的感官评定结果。

表2-5所示为牛肉存放过程中H、S、I颜色分量的平均变化情况。由数据表的分析可知,在肉由新鲜到腐败的变化过程中,H值先增大后减小,反映了肉表面色调上的变化,即由鲜红到暗红再到黄绿色斑块的产生。而I和S值基本上是呈一致的下降趋势,反映了腐败过程中牛肉表面光泽性上的变化,新鲜肉有光泽,随着新鲜度的下降肉的光泽逐渐变差。从以上对肉图像颜色特征值的分析可见,其变化规律是与鲜肉腐败过程的机理相一致的。

由表2-6可知,新方法与实验室分析方法相比,不仅对肉新鲜度评价的准确性有显著提高,且新方法的整个评价过程几乎全由计算机完成,操作者只需运行相应的软件,而无需进行繁琐的试验过程。用于新鲜度评定的子系统在确定系统结构和参数的初始化阶段需要一些试验和大量的计算过程,一旦完成了此阶段的研究,得到可实际应用的参数,操作将非常方便快捷,是一种效率更高的评价方法。

参考资料:现代食品检测技术

相关链接:

计算机视觉技术在食品检测中的应用(一)


【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:农药残留试验良好实验室规范

>> 下一篇:农药残留分析重要环节的质量控制