我国牦牛肉分级标准体系研究现状与发展趋势

牛肉等级评价体系是将质量和产量参差不齐的牛肉按照一定的标准划分成不同等级,不仅实现了优质优价的原则,更满足了消费者的选择。世界上许多国家都已拥有自己独立的牛肉分级制度,我国近年来也制定了相关的牛肉分级标准,但适应范围太窄,且暂无牦牛肉分级标准。本文主要介绍了国内外牛肉分级体系现状,各国分级体系存在的差异,以及高新技术的应用和我国牦牛肉分级存在的问题和不足。     

基于计算机视觉的牛肉分级技术研究进展

自从主要的牛肉生产国相继颁布牛肉分级系统以来,计算机视觉牛肉分级技术一直就是牛肉分级领域中的研究重点.本文概述了目前世界上主要的牛肉分级体系,着重论述了国内外计算机视觉牛肉分级技术的发展情况,提出了现行的计算机视觉牛肉分级技术面临的主要问题及其发展方向.     

计算机视觉在牛肉自动分级技术中的应用

国外计算机视觉牛肉自动分级技术较为成熟,国内的研究也取得了一定的成果。鉴于国内牛肉分级意义重大,本文概述了我国牛肉质量等级标准和国内外研究现状,并针对利用计算机视觉技术对牛肉自动分级,从完善标准、调整工艺、设计成像条件和计算方法等多个方面提出所遇到的问题,并指出牛肉自动分级技术的研究方向。     

牛肉分级标准及分级技术发展概况综述

我国肉牛业起步较晚,肉质较差,高档牛肉的生产无法满足国内市场日益增长的需求。我国尚未真正实施统一的牛肉等级评价体系,无法形成以质论价、优质优价的优良市场机制,制约我国肉牛产业发展。而肉牛产业发达国家很早就开始推行牛肉分级制度,各自拥有一套适合本国肉牛业发展的牛肉等级评价体系,是各国肉牛产业发展的重要保障。本文在对肉牛业发达国家的牛肉分级标准和先进牛肉自动分级技术进行概述的基础上,针对我国牛肉分级标准和分级技术的研究发展现状,提出适合我国国情的牛肉分级研究及开展分级工作的建议。     

边缘检测、二值化处理进行牛肉分级的应用

采用图像处理技术自动估算牛肉眼肌横切面特征值,为基于计算机视觉的牛肉品质自动分级检测奠定基础.以牛胴体6～7肋横断面图像为试验材料,采用边缘检测、二值化处理技术等,运用VisualC++6.0编程语言,对牛肉眼肌的眼肌面积、脂肪、肌肉总面积比、脂肪分布均匀度、眼肌圆度、肌肉和脂肪色度值5个特征参数进行特征提取和检测.结果表明:经测量所得的眼肌面积越大,圆度越大,肌肉和脂肪色度值越高、大理石纹密度分布均匀的牛肉品质越好,相反,眼肌面积小、圆度小、肌肉和脂肪色度值越低、密度分布不均匀的牛肉品质低.该设计可有效计算眼肌面积和特征参数,能代替常规分级方法,实现牛肉质量等级的自动判别.     

牛肉质量评定分级标准现状、制定原则及作用

实施统一的牛肉质量评定分级标准是世界各牛肉生产、消费和贸易发达国家在牛屠宰加工过程中应用的优质牛肉生产主要技术手段。我国受缺乏可行、实用、统一的国家牛肉质量评定分级标准的影响，牛肉等级化产品一致性低下，规模化屠宰加工业与千家万户个体屠宰者在牛肉质量低水平、生产低效益水平上恶性激烈竞争日益严重，牛肉生产消费和贸易发展受到了严重影响。一、国内外牛肉质量评定分级标准制定与实施现状自20世纪20年代初美国颁布实施牛胴体肉评定分级标准以来，加拿大、澳大利亚、英国、法国、德国、前苏联、新西兰、南非、阿根廷、日本…     

基于计算机视觉的牛肉质量分级研究进展

牛肉品质分级对于肉牛产业具有重要意义,为克服人工评级的弊端,客观、无损的自动分级技术成为研究热点。本文综述了国内外利用计算机视觉对牛肉大理石纹、生理成熟度、肉色和脂肪色这些指标进行分级预测的研究进展情况,讨论了研究过程中诸如图像分割、特征提取方面存在的困难,最后指出了计算机视觉技术在牛肉品质分级应用过程中存在的问题以及可能的发展方向。     

国内外犊牛肉分级体系分析

介绍了美国、欧盟和加拿大的犊牛分级体系,并对建立我国的犊牛肉分级标准提出了自己的设想.犊牛分级体系对于提高国内奶公牛犊资源利用率,实现犊牛肉的规模化生产和解决目前国内犊牛肉质量不一致等方面具有重要意义.     

牛肉品质检测技术的研究进展

牛肉品质检测在牛肉生产、加工和消费过程中起着重要的作用。本文介绍了剪切力测定、近红外光谱分析(NIR)和机器视觉三种牛肉品质测定方法的技术特点和国内外研究现状,着重介绍了机器视觉技术在牛肉颜色、大理石花纹、纹理和生理成熟度等品质参数测定方面的研究进展情况,指出机器视觉技术是未来牛肉品质检测研究的主要发展方向。     

近红外光谱技术在农产品加工中的应用

简述了现代近红外分析技术 ,包括光谱特征 ,定量和定性分析方法 ,分析了影响近红外光谱仪精度的主要因素。着重介绍了这门新技术在农产品检测领域中的应用。最后介绍了近红外技术对苹果进行在线检测分级系统     

近红外光谱分析技术在鸡肉品质检测中的应用研究进展

全球的鸡肉产量和消费量逐年上升,鸡肉品质已成了消费者的重点关注对象。近红外光谱分析技术是一种无损、快速、环保以及实时的检测技术,目前已快速发展成为一种应用于食品分析领域的新方法,在肉品检测方面也展现出极大的分析和应用潜力,近年来,已有较多国内外研究探讨了其在鸡肉品质检测方面的可行性。本文通过对近红外检测技术在鸡肉颜色、p H值、持水力、剪切力及化学成分预测方面的定量分析,肉品动物来源、鸡肉产地溯源及品质等级划分的定性分析以及其他相关方面检测的研究进行了综述,总结了应用近红外检测各品质指标的研究现状,可为相关研究者提供参考和借鉴,并基于分析总结对今后近红外光谱分析在鸡肉品质检测应用的发展前景及发展方向做了展望。     

Challenges and solutions of optical-based nondestructive quality inspection for robotic fruit and vegetable grading systems: A technical review

BackgroundOptical techniques, including computer vision, spectral imaging, near-infrared technology and other emerging imaging and spectroscopy techniques, have been rapidly developing and widely applied in fruit and vegetable grading systems for nondestructive quality inspecting and grading over the past decades. However, automatic detection of quality and grading is still difficult due to some still existing challenges, which are the key of blocking their commercialization in robotic fruit and vegetable grading systems. The challenges include the following aspects: the influence of physical and biological variability, whole surface detection, discrimination between defects and stems/calyxes, unobvious defect detection, robustness of the features and algorithms, as well as rapid optical detection system development. These challenges can reduce the fruit or vegetable quality inspection accuracy, thus greatly reducing automatic level of the quality inspecting and grading machines.Scope and approachAs agricultural engineers with about eight years of technical experience in fruit grading systems, we believe the ultimate goal of each scientific research should seek its task in serving the engineering. So, we have made many attempts to solve the challenges and increase the automation of the grading machines.Key findings and conclusionsThe review gives a detailed summary about the challenges and solutions of optical-based nondestructive quality inspection for fruit or vegetable grading systems from the perspective of engineering. Particular attention has been paid to the techniques that can improve the automation degree of the grading robot in this review. The advantages and disadvantages of the solutions are compared and discussed. Additionally, the remaining engineering challenges and future trends are also discussed.     

基于深度学习的牛肉大理石纹智能分级研究

目的开发客观、准确、无损的基于深度学习的牛肉大理石纹智能化分级技术。方法将深度学习的图像识别方法应用于牛肉大理石纹的特征提取和分类上,并进行相应的调试和学习。结果通过计算机调试和学习,评级正确率分别达到84.2%(一级)、89.4%(二级)、81.9%(三级)、84.1%(四级)、82.6%(五级)。各级牛肉的识别率均在80%以上,识别时间都在1 s以内,达到了预期目标。结论将深度学习的图像识别方法应用于牛肉大理石纹的特征提取和分类上,评级准确率非常高,且随着图片数据库样本数的不断增多,其识别的准确度将不断提高,可进行大量推广使用。     

牛眼肌区域大理石花纹评级特征的研究

针对我国牛肉分级制度中的大理石花纹等级评定特征不确定的问题,提出用几何、粒度及形状参数来表征花纹几何、形状及分布特点的方法。选择对牛肉大理石花纹等级评定起主要作用的特征参数,对中国、美国及日本3个国家的牛肉等级图进行深入地研究,找寻3个国家牛肉大理石花纹分级标准的侧重点。对选取的参数数据进行相关性分析,剔除原特征集中相关性较强的特征,应用主成分分析法对影响大理石花纹等级的参数进行线性组合,选取适合的主成分建立大理石花纹的等级预测模型。     

中国酿酒行业中近红外光谱技术的应用进展

近红外光谱分析技术作为近几年一种新兴的检测技术,具有无需预处理、速度快、成本低、无污染、不破坏样品化学性质、结果重演性高、绿色环保、多成分可同时分析等优点。目前,我国的酿酒企业多以品评作为酒体质量检测与等级划分的标准,随着近红外光谱分析技术的引入,这为酒体的品评及成分分析提供了一种快速准确科学的分析方法。本文综述了近红外光谱分析技术在目前中国酿酒行业中的应用进展研究,涵盖了白酒、葡萄酒、啤酒、黄酒,并对红外光谱分析技术的进一步发展做了展望。     

近红外检测技术在白酒生产中的应用研究进展

白酒根据酿造工艺的不同而各具特色。传统白酒通过固态发酵、固态蒸馏的生产工艺,最终形成了独具特色的风味酒。实现白酒生产过程中相关理化指标快速测量,对于指导白酒生产、提高白酒酒质、增加基酒产酒率具有重要意义。相较于常规检测法中存在的不足,近红外光谱分析技术因其具有快速、无损、在线检测等优势在白酒生产中得到了一定应用与发展。文章通过对近红外分析技术原理及近红外分析模型建立步骤进行概述,综述了近红外光谱分析技术在白酒生产中应用与发展,从酿酒原料、酿酒中间产物以及白酒理化指标检测及分类进行阐述。针对当前近红外分析技术难点探讨未来发展方向,并对近红外分析技术在白酒生产中应用发展进行展望,为白酒生产过程相关参数的快速检测技术发展及相关研究人员研究工作提供参考。     

柑橘近红外光谱无损检测技术研究进展

柑橘是世界第一大水果,中国是柑橘生产和销售大国.现阶段我国柑橘产业存在各环节分离、加工技术粗糙、采后品质分级落后等问题,导致我国柑橘在国际市场上缺乏竞争力.对柑橘产品进行检测与分级是提高竞争力的有效手段,然而传统的柑橘品质检测手段如肉眼识别法、图像识别法、化学滴定法等存在费时费力、精度不高等缺陷,且化学滴定法等对样品具...