基于决策树雪花牛肉大理石花纹分级模型

为建立雪花牛肉大理石花纹等级评价方法,根据不同等级雪花牛肉大理石花纹图像特征及人工评级的标准,确定了影响大理石花纹的等级主要因素。本研究提出影响大理石花纹等级的几何参数特征、几何分布参数特征和统计参数特征。其中几何参数特征主要反映大理石花纹面积、周长等;几何分布特征主要反映大理石花纹图像中脂肪颗粒沉积的密度,根据脂肪颗粒沉积情况可分为大颗粒脂肪、中颗粒脂肪、小颗粒脂肪等;统计参数特征主要反映大理石花纹丰富程度以及大理石花纹分布均匀性。利用相关性分析提取影响雪花牛肉大理石花纹等级的特征参数。建立基于C4.5和CART算法的决策树模型,结果表明：对于C4.5算法建立的决策树分级模型,三级和五级大理石花纹分级预测精度分别为91.80%、92.31%,而该模型针对四级样本建立的模型无效,其结果多数误判为三级;对于CART算法建立的决策树模型同样存在这样的问题,即三级和五级大理石花纹分级预测精度高,而对四级样本分级无效。     

基于改进分水岭算法及Hopfield神经网络的牛肉大理石纹等级评级方法

在HSV颜色空间H分量图像上进行分割预处理,结合改进分水岭算法对牛眼肌与大理石花纹区域进行精确分割,对中国、日本及美国的大理石纹的标准等级图的特征参数作相关性分析,优选出5个表征大理石纹分布的特征参数,提出一种基于图像处理及Hopfield神经网络的自动评级方法,结果表明,对大理石花纹分级准确率达到87.23%。     

牛肉大理石花纹分级系统软件设计

目的 运用机器视觉技术, 开发牛肉大理石花纹自动检测系统。方法 该软件设计以VC++6.0为开发工具, 首先从牛肉大理石花纹检测系统人机界面着手, 通过对CCD相机的控制, 得到大理石花纹图像, 并最终用图像处理的方法得到牛肉大理石花纹的分级结果。结果 该软件运行效率高, 对牛肉大理石花纹的分级准确率达到87.5%。结论 该系统可以满足企业实际需要。     

机器视觉技术在牛肉大理石花纹识别中的应用

牛肉眼肌区域大理石花纹的丰富程度是牛肉分级的重要指标之一。采用工业相机采集多幅牛肉眼肌切面图像,利用VC++ 图像处理技术,对图像进行平滑去噪操作,采用自适应阈值法将眼肌区域从背景中分离,然后运用数学形态学的方法以及基于区域分割的方法确定有效眼肌区域,最终通过数理统计的算法识别大理石花纹。结果表明,该技术能有效识别眼肌区域中的大理石花纹,其耗时短、识别结果准确,利于牛肉等级的准确判定。     

基于图像纹理特征的牛肉嫩度预测方法研究

在经过图像预处理,背最长肌与大理石花纹的分割,并实现大理石花纹特征值的提取后,利用灰度共生矩阵提取4个对嫩度剪切力贡献较大的纹理特征参数,并统计这些参数应用多元线性回归建立牛肉嫩度剪切力预测模型。结果表明：可见光下利用纹理特征预测牛肉嫩度的方法能够以96%的准确率实现嫩度剪切力等级的预测,具有较高的商用开发价值。     

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。     

应用MATLAB图像处理技术评判牛肉大理石花纹

本文简要论述了MATLAB图像处理原理和方法,重点研究了MATLAB图像域值化方法、图像面积提取技术以及图像均匀化处理和灰度值域处理方法在牛肉大理石花纹等级评判上的探索应用。     

人工牛肉大理石花纹的生产研究性状

由于人类追求牛肉胴体高瘦肉率导致大理石花纹等级低下以及高脂肪会引起健康方面的问题,开发研制脂肪代用品合成人工牛肉大理石花纹就越来越受到人类的关注.本文主要介绍了人工牛肉大理石花纹的生成研究性状,以期能为其它类健康食品的开发提供思路.     

计算机视觉在牛肉大理石花纹分级中的应用研究

牛肉大理石花纹是评价牛肉等级标准的重要标志。本文以计算机视觉技术为基础 ,以C ++程序语言为开发工具 ,运用图像处理技术 ,研究计算机视觉系统来对牛肉大理石花纹含量和分布进行量化。结果与现有人工标准相吻合并且可以量化表示     

牛排食用品质保证关键控制点研究

牛肉的食用品质主要包括嫩度、风味、多汁性,受遗传、宰前管理、宰后处理等因素的影响.本文探讨了嫩度、风味、多汁性在牛排食用品质中的权重,消费者对原料肉剪切力的接受程度,研究了大理石花纹等级对牛排食用品质的影响,以及不同分割部位肉食用品质的差异.结果表明,嫩度、风味、多汁性的权重分别为0.50、0.38、0.12,煎牛排时消费者能接受剪切力低于4.39kg的原料肉;大理石花纹(P<0.01)、不同分割部位(P<0.05)对牛肉的食用品质影响显著.     

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。     

基于不变矩和改进SVM的牛肉大理石纹评级

针对牛肉大理石纹人工评级过程中人为误差干扰大的问题,研究利用图像处理技术提高牛肉大理石纹评级的客观性并增强自动化程度,提出基于不变矩、灰度共生矩阵和混沌蜂群优化混合核函数支持向量机(Support Vector Machine,SVM)的牛肉大理石纹评级法。首先计算牛肉大理石纹图像的不变矩和灰度共生矩阵统计量并由此构造特征向量;然后将训练和测试样本输入到混合核函数SVM,采用混沌蜂群算法优化SVM中的惩罚因子及核参数,使其分类识别性能达到最优;最后输入待评级样本进行分类识别,得到最优评级结果。大量实验结果表明:根据我国NY/T676-2010牛肉大理石纹标准图谱,评级正确率分别达到100%(一级)、93.3%(二级)、93.3%(三级)、96.7%(四级)、100%(五级)。与基于灰度矩和SVM法、基于灰度共生矩阵和BP(Back Propagation)神经网络法相比,本文所得评级正确率最高,且与专业评级师的实际评级情况最相符。     

牛半腱肌营养成分和加工特性的研究

本文依据牛胴体第12-13肋骨处大理石花纹的丰富程度,选取花纹丰富和几乎没有花纹的牛胴体,分别定义为S级和C级,取出相应胴体的半腱肌(小黄瓜条)。分析其营养成分、凝胶特性和保水性、蛋白质乳化能力方面的差异,以研究对牛半腱肌分级的必要性。结果表明:在营养成分方面,仅脂肪含量存在明显特性,两个等级的牛半腱肌在凝胶特性方面无明显差异,蛋白质乳化能力方面存在较为显著的差异。考虑到牛半腱肌的用途,实验证明牛半腱肌没有分级必要性。     

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.     

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。     

The relationship of physiological maturity and marbling judged according to Korean grading system to meat quality traits of Hanwoo beef females

Fifty seven carcasses from Hanwoo beef females were randomly selected by official meat graders and were sorted into three levels of maturity and marbling. Carcass data was collected for back fat thickness, longissimus area, carcass weight, meat colour, fat colour, marbling score, yield and quality grades. Mature carcasses had more yellow fat, coarser texture, a larger longissimus muscle area and lower quality grades and marbling scores (P<0.05). Carcasses with a higher marbling score had thicker fat and a higher quality grade. Carcasses with low marbling had a higher yield grade and a coarser texture (P<0.05). Higher marbling scores corresponded with lower cook and drip loss values for longissimus steaks. As the maturity of carcass was increased, the redness and lightness of meat and the yellowness of fat all tended to increase. Tenderness, flavour and overall acceptability scores for the older maturity group were lower than for younger and intermediate groups. Marbling was significantly (P<0.01) correlated with quality grade, crude fat content, cook and drip losses, and Warner-Bratzler shear force. The maturity level was also significantly (P<0.01) correlated with quality grade, fat colour, texture score, number of calves produced and milk teeth, meat redness and yellowness, fat yellowness, and Warner-Bratzler shear force. Results indicate that a low marbling group and older maturity group based on Korean grading system could negatively influence carcass traits and beef qualities of Hanwoo beef female.     

基于非完全信息算法的牛肉大理石花纹提取方法

提出一种基于非完全信息算法的牛肉大理石花纹提取方法。首先,在遍历理论和对象有效性相关原理的基础上构建了非完全信息算法。然后,结合加权平均值灰度化算法、自适应最佳阈值算法和改进的自适应模糊多级中值滤波算法实现上述方法。研究表明,该方法能够准确有效地反映出牛肉大理石花纹的真实情况。