基于图像处理的肉类品质检测国内外研究现状
肉类品质无损检测技术的应用及研究现状
关键词：肉类品质；无损检测；技术研究
肉类无损检测技术在国内外的专 家学者之间应用较多，主要通过这一 手段对肉制品的各方面性状进行检测， 相比于传统的检测方式，这种方式更 安全，不容易对产品产生破坏 [1]。同时， 无损检测技术可以对产品进行实时的 检测，对产品的商业化很有意义，容 易实现产品的管理和自动化监控。
3 结语
无损检测是一种很有优势的新型 检测技术，检测效率高，操作简单， 而且能最大程度地保证肉品的最佳状 态，这些优点使得无损检测技术大量 应用成为发展趋势。未来肉品检测趋 于技术的融合创新，开发出更优质的 检测方法，最大限度地做到无损，使 我国的肉品在国际市场也能有更强的 竞争力。 参考文献
[1] 凡艳 , 韩剑众 . 无损检测技术在 食品品质检测中的应用 [J]. 食品工业科 技 ,2007(7):221-224.
[2] 陈 卫 军 , 魏 益 民 , 欧 阳 韶 晖 , 等 . 近红外技术及其在食品工业中的应 用 [J]. 食品科技 ,2017(4):55-57.
93 Feb. 2019 CHINA FOOD SAFETY
Copyright©博看网 . All Rights Reserved.
分析与检测
肉类品质无损检测技术的应用及研究现状
□ 张 会 河北冠卓检测科技股份有限公司廊坊分公司
摘 要：在人们物质生活水平大幅度提升的当下，肉类食品成了餐桌上的常客，需求不断增加，但肉类制品的品质不 仅关系到人们的一日三餐，更关系到人们的健康安全，所以要求肉类制品的品质检测方法和机构都需要适当提升，保证消 费者的安全。当前，无损检测技术实现了更完美的品质检测，但这项技术的应用还尚短，有很多方面需要研究。
食品领域中基于图像识别的质量检测技术研究
食品领域中基于图像识别的质量检测技术研究在食品行业中，保障食品质量和安全一直是一个重要的问题。
随着科技的发展，基于图像识别的质量检测技术逐渐成为食品领域中的研究热点。
这项技术利用计算机视觉技术，通过对食品图像的处理和分析，实现对食品质量的自动检测和判定。
首先，基于图像识别的质量检测技术主要应用于食品外观质量的检测。
通过拍摄食品的照片，并使用图像处理算法对照片进行分析，能够自动识别出食品的外观缺陷，如变形、破损、污染等。
比如，在水果和蔬菜的质量检测中，可以利用该技术快速识别出烂掉、变色或者有虫蛀的水果，从而减少人工检测的时间和成本。
此外，在包装食品的质量检测中，该技术也可以检测包装是否完整、有没有破损，以及是否满足相关的食品安全标准。
其次，基于图像识别的质量检测技术还可以应用于食品内部质量的检测。
食品的内部质量主要指的是食品的密度、含水量、成分比例等方面的性质。
借助该项技术，我们可以通过对食品的断面图像进行分析，来判断食品的内部品质是否符合标准要求。
例如，在面包和蛋糕的制作过程中，使用基于图像识别的质量检测技术，可以实时监测蛋糕的膨胀程度、面包的松软程度，并及时调整工艺，以确保产品的一致性和质量。
此外，基于图像识别的质量检测技术也可以用于食品中有害物质的检测。
现在食品中的有害物质问题越来越受到关注，如农药残留、重金属污染等。
利用该技术，可以通过对食品图像进行分析，来检测食品中是否存在有害物质并进行定量分析。
比如，在蔬菜和水果的检测中，该技术可以识别出是否存在农药残留，从而确保消费者的健康。
此外，还可以通过对海产品的图像进行分析，来检测是否存在重金属和其他污染物质。
不过，基于图像识别的质量检测技术还面临一些挑战。
首先是图像数据的获取和处理。
食品的外观和内部质量可能受到光照、角度、变形等因素的影响，导致图像质量不稳定。
因此，如何应对图像数据的多样性和噪声，以及如何快速获取高质量的图像数据，是一个需要解决的难题。
国内外肉类加工技术的现状和发展趋势(下)
==—
—
—
—
= = _
_
矿 y 移侈 碧店
一
2 0 14
01
期 总第 2 8 0 期
工 (下 ) 趋 和 术 的 势 现 状 发 展 技
罗
欣
，
( 山 东 农 业 大 学 食 品 科 学 与 工 程 学 院 山 东 泰 安 2 7 10 1 8 )
中 图 分 类 号 ：F 3 2 6
文 献 标 识 码 ：C
流 通 效 率作 用 明 显
、
，
实 现 了 肉品 生 产 的 商 品 化
，
，
定 并使 用 不 同 的 等级 标 志
， ，
。
本 着 自愿 付 费 分
、 、
使得不 同养殖 场 不 同 品 种 的畜 禽 肉 形成 了 等
级 内质 量
一
级 员 评 定 三 原 则 美 国 推 行 牛 肉 分 级 标准 取 得 了
肉类 P A C CP 技 术
c r
所 谓 P A CC P (p a l a
o
ta
b il it y
点 的 数 据 库 该 数据 库 包 括 了 胴 体 分 级 所 涉 及 的 指 标 包 括 大理 石 花 纹 肉 色和 脂 肪 色
，
、
a s s u r a n c e
it ic a l
，
c o n
包 括 了胴 体 分 级 所 涉及 的指标 ( 生 理 成 熟度 大
理 石 花纹 肉 色 脂 肪 色 )，而 且 还 包 括 牛 的 品 种
、 、
又 能 消 除抽 真 空 包 装 的 汁 液 渗 出现 象 。
一
作 为较理 想 的 延 长 冷 却 肉 货 架 期 的 方 法
基于图像处理的品质检测技术研究
基于图像处理的品质检测技术研究随着制造业的不断发展和进步，品质检测技术在工业生产领域中变得越来越重要。
品质检测技术的不断改进和更新，不仅可以提高产品的品质和生产效率，还可以降低企业的成本和风险，保证品牌的形象和声誉。
在品质检测技术的市场上，基于图像处理技术的品质检测技术因其高精度、高效率、不易受环境影响等优点，越来越受到企业和市场的重视。
本文将介绍基于图像处理的品质检测技术的原理、应用场景和前景。
一、基于图像处理技术的品质检测技术原理基于图像处理技术的品质检测技术是通过对产品图像进行处理和分析，来判断产品的合格性。
图像处理技术包括图像采集、图像预处理、特征提取与选择、图像分类等步骤。
1.图像采集：将产品在不同环境和状态下的图像进行采集，一般可以采用数码相机、扫描仪或视频摄像机等设备进行采集。
采集到的图像通常是数字化格式，可以被计算机读取和处理。
2.图像预处理：采集到的图像可能会受到光线、色彩、拍摄角度等因素的影响，需要进行预处理，包括去噪、增强、滤波、减色等操作。
3.特征提取与选择：对图像进行分割和特征提取，通常采用边缘、纹理、形状等特征符号。
根据特征符号的选择、值、权重等信息进行分析和处理。
4.图像分类：根据特定的算法和模型对图像进行分类，判断产品的合格性，并输出检测结果。
分类算法包括支持向量机、神经网络、决策树、模糊逻辑等。
二、基于图像处理技术的品质检测技术应用场景基于图像处理技术的品质检测技术可以在制造业中的不同环节应用，而且市场需求十分广泛。
下面是几个典型的应用场景：1.食品加工：基于图像处理技术的品质检测技术可以用于检测食品颜色、大小、形状、表面缺陷等，保证食品的卫生安全和品质。
2.电子制造：基于图像处理技术的品质检测技术可以用于检测表面焊接、元器件对位精度、电路板布线，以及产品外观缺陷等问题。
3.纺织制造：基于图像处理技术的品质检测技术可以用于检测纺织品的织物密度、花型、颜色、纹理，以及检测瑕疵和污点等问题。
图像处理技术在质检中的应用研究
图像处理技术在质检中的应用研究摘要：随着科技的不断发展，图像处理技术在质检中的应用日趋普遍。
本文基于对图像处理技术在质检中的研究，探讨了图像处理技术在质检过程中的应用，包括质检图像的采集与处理、质检结果的判断与分析。
通过论述图像处理技术在质检中的应用优势与挑战，展望了未来图像处理技术在质检领域的发展趋势。
关键词：图像处理技术、质检、质检图像1. 引言质检作为工业生产中的重要环节，对产品质量的监控与评估起着关键作用。
传统的质检方法往往依赖于人工目测，这种方式存在着主观性强、易受人为因素影响的问题。
而随着计算机技术和图像处理技术的快速发展，图像处理技术在质检领域的应用成为了现实。
本文旨在探讨图像处理技术在质检中的应用研究，并展望其未来发展的方向。
2. 图像处理技术在质检中的应用2.1 质检图像的采集与处理质检图像的采集是质检过程中的第一步，其准确性和真实性直接影响后续的质检结果。
图像处理技术可以应用于质检图像的采集中，通过智能设备、高清摄像头等工具对待质检产品进行图像采集。
然后，使用图像处理技术对所采集到的质检图像进行预处理，例如去噪、增强、去背景等操作。
这些操作有助于提高图像的质量和清晰度，为后续的质检分析提供更可靠的图像数据。
2.2 质检结果的判断与分析质检结果的判断和分析是质检过程中的核心任务，它涉及到对图像数据进行解析和处理。
图像处理技术可以应用于质检结果的判断与分析中，通过算法和模型的设计，将质检图像与已有的标准进行对比，实现对产品质量的判断。
同时，图像处理技术还可以对质检图像中的缺陷、异常与标准进行比对，提取特征信息，并进行统计与分析。
这些分析结果能够辅助质检人员快速准确地识别产品质量问题，为质检工作提供有效的决策支持。
3. 图像处理技术在质检中的优势与挑战3.1 优势使用图像处理技术进行质检具有以下优势：3.1.1 提高质检效率：图像处理技术能够快速准确地分析质检图像，大大提高了质检的速度和效率。
基于高光谱成像技术的红肉品质评定研究进展
弓ｌ文 格 式 ：
李 东泽 ，吴桂 芳，刘 汉涛 ，等 ．基 于高光 谱成 像技 术 的红 肉品质 评定 研 究进展 ［Ｊ］．肉类 研 究，２０１８，３２（７）：５９—６３．
ＤＯＩ：１０．７５０６／ｒｌｙｊ１００１—８１２３—２０１８０７０１ １． ｈｔｔｐ：Ｈｗｗｗ．ｒｌｙｊ．ｐｕｂ
ＬＩ Ｄｏｎｇｚｅ，Ｗ Ｕ Ｇｕｉｆａ ｎ ｇ，ＬＩＵ Ｈａｎｔａｏ，ｅｔ ａ１．Ｒｅｃｅｎｔ ｐｒｏｇｒｅｓｓ ｉｎ ｅｖａｌｕａｔｉｏｎ ｏｆ ｒｅｄ ｍｅａｔ ｑｕａｌｉｔｙ ｕｓｉｎｇ ｈｙｐｅｒｓｐｅｃｔｒａｌ ｉｍａｇｉｎｇ
ｔｅｃｈｎｏｌｏｇｙ［Ｊ］．Ｍｅａｔ Ｒｅｓｅａｒｃｈ，２０１８，３２（７）：５９—６３．ＤＯＩ：１０．７５０６／ｒｌｙｊ１００１—８１２３—２０１８０７０１ １． ｈｔｔｐ：／／ｗｗｗ．ｒｌｙｊ．ｐｕｂ
中 田 肉 类 食 品 螓 合 研 究 中 ·－ｔ ＣＨＩＮＡ Ｍ ＥＡＴ ＲＥＳＥＡＲＣＨ ＣＥＮＴＥＲ
肉 类研 究
Ｍ ＥＡＴ ＲＥＳＥＡＲＣＨ
２０１８，ＶｏＬ ３２，Ｎ ｏ．７ ５９
专题 论 述
基于高光 谱成像 技术 的红 肉品质评 定研究进展
李 东泽 ，吴 桂 芳 ，刘汉 涛 ，杨 明 ，邢 凯
Ａｂｓｔｒａｃｔ：Ｗ ｈｅｎ ｔｈｅ ｑｕａｌｉｔｙ ｏｆ ｒｅｄ ｍｅａｔ ｉｓ ｄｅｔｅｃｔｅｄ ｂｙ ｔｒａｄｉｔｉｏｎａｌ ｍｅｔｈｏｄｓ，ｔｈｅ ｓａｍｐｌｅ ｗｉｌｌ ｂｅ ｃｏｎｔａｍｉｎａｔｅｄ，ａｆｆｅｃｔｉｎｇ ｔｈｅ
ｍｅａｓｕｒｅｍｅｎｔ ｏｆ ｐｈｙｓｉｃｏｃｈｅｍｉｃａｌ ｉｎｄｅｘｅｓ．Ｔｈｅｙ ａｒｅ ａｌｓｏ ｄｅｓｔｒｕｃｔｉｖｅ ｗｈｅｎ ｕｓｅｄ ｔｏ ｍ ｅａｓｕｒｅ ｃｅｒｔａｉｎ ｓｃａ ｌａ ｒ ｉｎｄｅｘｅｓ．Ｔｈｅｒｅｆｏｒｅ，
基于高光谱成像技术的冷鲜猪肉品质无损检测方法研究
基于高光谱成像技术的冷鲜猪肉品质无损检测方法研究长期以来,在我国居民的膳食结构中,肉类占据着重要地位。
在肉类消费中,猪肉又居于主导地位。
因此,猪肉品质安全是关系国计民生的大事,做好猪肉品质检测对于猪肉品质安全控制、保障居民的食肉安全有着重要的现实意义。
目前,猪肉品质检测大多停留在感官评价和理化分析阶段,而感官评价和理化分析方法均不利于猪肉产品流通中的快速检测。
近年来,高光谱成像技术因具有分辨率高、样品无需预处理、操作简便、非破坏性等特点,成为农畜产品无损检测领域的研究热点,其在肉品品质无损检测中的应用研究也取得了一定的成果,但还存在一些问题需要进一步研究:高光谱数据是立方体数据,数据量大、冗余多,数据处理过程计算量大、比较耗时、影响建模速度;数据处理方法会影响所建模型的精度;样本品种等因素变化会影响模型的适用范围。
因此,对猪肉品质高光谱无损检测方法研究,可提高检测精度和检测速度、增强检测模型的适应性,进而对于促进猪肉品质高光谱无损检测技术的进一步实用推广、促进猪肉品质多光谱在线检测系统的开发和便携式检测设备的研制、以及推动猪肉工业化生产进程具有重要的科学意义和广阔的应用前景。
本文以冷鲜猪肉为检测对象,以含水率、p H值和挥发性盐基氮(TVB-N)含量为评价指标,综合运用化学计量学、数理统计学、机器学习理论和计算机技术对冷鲜猪肉品质高光谱无损检测过程中的异常样本检测方法、样本集划分方法、光谱预处理方法、建模方法、特征波段选择方法和模型维护方法进行较为深入地研究。
研究内容和结论如下:1)提出了异常样本蒙特卡洛二次检测法。
比较了杠杆值-学生化残差T检验方法、蒙特卡洛检测方法,异常样本蒙特卡洛二次检测法3种方法对冷鲜猪肉异常样本的检测结果,确定了异常样本蒙特卡洛二次检测法剔除冷鲜猪肉异常样本的结果最优。
2)比较了Kennard-Stone法(KS)、光谱理化值共生距离法(SPXY)、双向法(Duplex)、随机法(RS)和浓度梯度法(CG)5种样本集划分方法对冷鲜猪肉各样本集的划分结果。
肉类检测技术中基于光学成像的质量鉴定研究
肉类检测技术中基于光学成像的质量鉴定研究随着人们生活水平的提高和健康意识的增强，越来越多的人开始关注肉类食品的安全和质量。
为了保证消费者的健康和安全，肉类生产企业不断研发新的检测技术，以确保产品的质量和安全性。
近年来，基于光学成像的肉类检测技术逐渐成为肉类行业的热点研究方向之一。
基于光学成像的肉类检测技术主要是利用光学成像原理对肉类进行质量鉴定和分类。
这项技术的优点是速度快、成本低、非侵入性强、检测精度高等等。
因此，它在肉类生产和销售过程中具有广泛的应用前景。
下面我们将从原理、方法、应用等方面对该技术进行详细的介绍和探讨。
一、基于光学成像的肉类检测技术原理基于光学成像的肉类检测技术主要基于物体的形态、颜色、材质等信息，将肉类按照特定的标准进行分类鉴定。
肉类在不同生长阶段、不同品种、不同品质的情况下，其颜色、形态和材质都存在差异，这些差异被记录在影像数据之中。
采用计算机图像处理技术提取出一个肉品的色彩、纹理、重量、面积等信息，通过与已知标准对比从而判断该肉品在质量方面是否合格。
该技术基于光学成像原理，既可以应用于生长期间的动态监测，也可以用于已经加工包装后的肉类质量监测。
因为它无需物理接触，不仅不会对肉品造成伤害，而且没有辐射，无污染，非常安全可靠。
二、基于光学成像的肉类检测技术方法基于光学成像的肉类检测技术主要分为两大类，一类是在生长期间对肉类进行无损检测，另一类是在生产过程中对肉类进行检测。
这两类检测方式的方法也略有不同。
1、生长期间的无损检测对于养殖场和企业来说，对肉类生长的监测和诊断能够更好地控制和管理肉类的生产。
基于光学成像技术的肉类检测仪器主要采用RGB或HSV模型来识别肉类的外观特征。
在检测前，需要针对不同品种的肉类定制不同的特征参数，通过对肉类的颜色、纹理、外形等特征进行提取和处理，识别出肉类在生长过程中的质量和健康状况。
这些特征提取技术包括灰度共生矩阵、峭度、纹理分析等方法，可根据不同肉类的特性进行不同的数据处理，并对产生的数据进行深度学习以实现更加准确和实时的预测或分类分析。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于图像处理的肉类品质检测国内外研究现状
1.2.1国外研究现状
对于基于图像处理的肉类品质检测的研究在国外一直是研究的重点，同时，研究成果也是非常多的。
Shiranita（2000）等学者结合图像处理、神经网络技术和多元回归分析，实现肉质分级系统。
大理石纹评分是测量脂肪在肋眼区分布密度的一种方法。
我们确定了五个用于肉类图像分级的特征。
针对这五个特征的评价[13]，提出了一种基于专业分级机输入的三层神经网络图像二值化方法和基于多元回归分析的五个特征中的两个特征评价的肉质分级系统。
实验结果表明，该系统是有效的。
利用“大理石花纹评分”的概念，结合图像处理和神经网络技术，Otsubo（2006）等学者研究实现了肉质分级系统。
大理石花纹评分是指脂肪区面积与全肋眼区面积之比，是决定肉质等级的主要指标。
因此，在肉类图像中，应正确地将脂肪区与肋眼区的肌肉分离开来[14]。
提出了一种利用三层神经网络对图像进行二值化的方法。
在二值化中，二值化图像（1或0）的像素的值是通过考虑原始图像（4位图像）中相邻9个像素（3×3，包括自身）的值来确定的。
LIU（2017）等学者利用“大理石花纹评分”的概念，结合图像处理和神经网络技术，研究实现了肉质分级系统。
大理石花纹评分是指脂肪区面积与全肋眼区面积之比，是决定肉质等级的主要指标[16]。
因此，在肉类图像中，应正确地将脂肪区与肋眼区的肌肉分离开来。
提出了一种利用三层神经网络对图像进行二值化的方法。
在二值化中，二值化图像（1或0）的像素的值是通过考虑原始图像（4位图像）中相邻9个像素（3×3，包括自身）的值来确定的。
一个功能齐全的分级或分类系统必须允许在不需要买方亲自检查产品的情况下进行屠体和肉类交易。
要做到这一点，系统必须准确地显示肉的数量、肉的内在质量以及任何可能影响零售可接受性的外观方面。
PRICE（2016）等学者提出了一个适用于各属胴体的客观系统，为可靠的远程交易提供了必要的信息。
分级信息将表明瘦肉精在胴体中的实际重量以及适当零售店的重要指标（大小、年龄、脂肪厚度和无缺陷）。
标签上的其他信息将表明屠宰后处理可能会影响肉的适口性。
关键词：胴体、分级、肉质[17]。
1.2.2国内研究现状
在国内对于基于图像处理的肉类品质检测的研究也是渐渐开始了，从21世纪开始研究而且随着城市的发展研究逐步深入，并且成为了研究的重点，同时，在中国研究成果也是非常多的。
邵东锋（2014）等学者发现了中国的畜牧业和肉类工业在很大程度上依赖中国农业部提供其肉类的销售评级。
自1927年实施屠体牛肉分级系统以来，屠体已由人类分级员进行分级。
为了达到更好的一致性和公平性，开发了一个基于知识的专家系统来帮助分级员对胴体牛肉进行分级。
本文介绍了基于知识的专家系统的开发过程，并讨论了如何将专家系统与语音识别子系统集成，为专家系统提供胴体的特征[18]。
马本学（2019）通过对牡蛎生肉的几何和物理特性的测试，开发了一种基于微机的数码相机分级机的分级算法。
由于牡蛎肉通常是根据大小或体积来分级的，因此需要一种与体积和投影面积相关的分级算法。
测量重量、体积、投影面积和高度。
发现了各种性质之间的统计相关性。
肉的体积与投影面积和重量高度相关。
牡蛎肉的高度也被发现是一个重要的因素时，相关的体积和投影面积。
体重比投影面积更能预测体积[19]。
孙宝（2012）的研究是在海拔3680米的Huancavelica屠宰场进行的。
从200头华卡亚羊驼中采集数据，对其胴体与体重（BW）、热胴体重量（HCW）、冷胴体重量（CCW）和分级肉的关系进行了研究。
雄性和雌性的体重分别为49.5和55.6kg，4齿和全口动物的体重分别为51.3和53.1kg。
男性和女性的HCW分别为27.3和30.0kg，4齿和羊驼全口的HCW分别为28.1和28.8kg。
目前，我国肉羊等级鉴定普遍采用表型分级法，由于该方法存在较多的变异因素和主观偏差，影响肉羊等级鉴定的准确性，刘国庆（2016）采用物元分析方法，建立了肉羊定量分级鉴定模型，并将该模型应用于肉羊分等学者级鉴定，结果表明，该模型能更客观、合理地进行肉羊分级鉴定，在肉羊育种中具有良好的应用前景该模型也适用于其它类似的分级识别[20]。
1.3研究内容与研究方法
1.3.1研究内容
本文主要要就内容如下：
（1）从基于图像处理的肉类品质检测研究意义出发，然后查阅资料了解一些汇基于图像处理的肉类品质检测相关的现状以及国内外研究情况来夯实自己的基础；
（2）然后本文为了进一步具象化本文内容，选择以牛肉来当做本文的研究对象，对于本文一些用到的基本理论知识进行了了解，比如牛肉结构、牛肉等级划分、PCA方法等。
（3）接着，通过收集一些图片作为处理对象，进行牛肉图像采集与牛肉图像预处理，具体也就是牛肉图像的灰度化、牛肉灰度图像二值化、牛肉灰度图像去噪、牛肉图像分割处理，
（4）最后基于预处理之后的牛肉图像进行基于PCA方法的图像处理的牛肉等级识别，并且通过仿真实例验证了基于PCA方法图像处理的的牛肉等级识别的可行性。
1.3.2研究方法
（1）文献法：通过网络和图书馆等资源手段，查阅基于图像处理的肉类品质检测研究分析的相关资料，了解基于图像处理的肉类品质检测研究的背景知识，以及国内外研究现状。
（2）实验法：收集基于图像处理的肉类品质检测研究分析研究资料，收集资料然后进行MATLAB仿真分析。
（3）数据统计法：从得出来的数据进行进一步的数据统计，运用统计学知识进行分析，进而得到结论。