一种畜禽肉质均匀度的分析方法与流程

本发明涉及畜禽肉质质量评定领域，具体涉及一种畜禽肉质均匀度的分析方法。

背景技术：

中国是世界上最大的畜禽肉质生产国与消费国。畜禽肉质的质量与安全已经成为公众普遍关心的核心话题，食品质量检测是保证食品质量安全的关键一环。

在过去的几十年间，因畜禽肉质的营养价值高以及可口的味道，消费者对其的需求急剧增加。但是，畜禽肉质极易腐烂与污染。在肉制品行业，为了降低肉制品的加工成本，也为了持续提供高质量的产品，必须实施食品质量控制程序。均匀性是肉质食品最为重要的工艺质量属性之一，其评定往往来源于训练有素的专业小组成员给出的主观得分。人们普遍认为，更好的纹理均匀性对于诸如多汁性、嫩度与香味等感官品质均具有良好的正面影响。鉴于此与食品质量安全密切相关，纹理均匀性的高精度检测是畜禽肉质行业最为重要的工作之一。

技术实现要素：

本发明针对畜禽肉质肉质均匀性判定问题，提出一种畜禽肉质均匀度的分析方法，用于判断畜禽肉质质量，相较于以往肉质质量判断方法，本发明的优点体现在：简单方便；提高了畜禽肉质食品质量的检测准确度，实用性高。

一种畜禽肉质均匀度的分析方法，包括以下步骤：

（1）拍摄畜禽肉质照片，利用图像分割算法提取照片中间区域的图片，并以1000dpi×1000dpi的空间分辨率对图片进行裁剪；

（2）利用matlab数学软件提取步骤（1）裁剪所得图片的彩色格式图像，所得彩色图像提取红色通道、绿色通道以及蓝色通道，利用常用灰度化函数rgb2gray得到三种通道的灰度化图片；仔细观察三种灰度化图片，选取其中纹理最清晰的灰度化图片作为后续研究处理对象，获得该图片的灰度数字矩阵（0-255），然后运用自适应阈值进行二值化，获得二值化图像；连续或任意选取二值化图像中n个肉质图像区域，进行像素点分布均匀性的计算，即计算每个图像区域的局部偏差函数，=选取图像区域面积/整个二值化图像面积-选取图像区域内点的像素数点的数量/整个二值化图像内点的像素点的数量，n≥1；

（3）基于星偏差方法，提出定义平均绝对偏差（meanabsolutediscrepancy，mad）方法，利用步骤（2）计算得到的和公式，i≤n，计算mad值，mad越小，肉质越均匀，为了使得引入的度量标准能够在数学度量与人类感知均匀性方面获得直观的解释和理解，特给出如下所示的混合均匀度（uniformitycoefficient，uc），，uc越大肉质越均匀。

所述uc≥0.5时，肉质是均匀的，否则是不均匀。

本发明的特点和效果如下：

（1）本发明方法简单方便，实用性较高。

（2）相较于以往肉质质量判断方法，提高了畜禽肉质食品质量的检测准确度，实用性高。

附图说明

图1为本发明实施例1的猪肉rgb图像、灰度图像以及roi图像图；

图2为本发明实施例1的猪肉纹理均匀性分析图（二值化图像（a）、选取图像区域面积/整个二值化图像面积的百分比-局部偏差函数（b））。

具体实施方式

下面结合附图和实例进一步说明本发明的实质内容，但本发明的内容并不限于此。

实施例1

一种猪肉肉质均匀度的分析方法，包括以下步骤：

（1）图像预处理：为证明本发明方法的科学客观性，选取huang等（2013）公开报道的猪肉图像数据作为研究对象，分析此研究中猪肉的质量；利用图像分割算法提取猪腰肉中间区域的图片，并对猪肉样品的猪腰肉中间区域以1000dpi×1000dpi的空间分辨率进行裁剪；利用加权平均方法获得了猪肉灰度图像以及roi图像（即感兴趣区域），如图1所示；

（2）特征提取：利用matlab软件提取步骤（1）的猪肉彩色图像，所得的猪肉彩色图像提取红色通道、绿色通道以及蓝色通道，利用常用灰度化函数rgb2gray得到三种通道的灰度化图片；仔细观察三种灰度化图片，分析可知：猪肉的rgb图像很好地展示了猪肉肉质的大理石纹特征；红色通道不能明显展示瘦肉与纹理的差异，绿色通道与蓝色通道能够较为明显地展现出瘦肉与纹理的差异，相比之下，绿色通道更为明显，因此，选取绿色通道作为猪肉rgb图像的灰度化图像；运用常用的matlab工具对选定的图片进行灰度化处理，获得灰度数字矩阵（0-255），然后运用自适应阈值进行二值化，获得二值化图像；任意选取n个肉质图像区域，n为图片横坐标像素点的个数，以二值化图像左下角为原点，以此原点为角点，取二值化图像横坐标像素点为横边，二值化图像纵坐标像素点为纵边，做矩形，进行该矩形区域内像素点分布均匀性的计算，即计算每个图像区域的局部偏差函数，=选取图像区域面积/整个肉质图像面积-选取图像区域内点的像素数点的数量/整个肉质图像内点的像素点的数量，连续取区域，之后所选区域包含之前的区域，直至取的区域覆盖整个二值化图像，其中区域面积计算为选取矩形的面积计算公式，即：长乘以宽；而像素点的数量即二值化图像中黑色目标的数量（白色为背景），如图2（a）；

（3）均匀度计算：基于星偏差方法，提出定义平均绝对偏差（meanabsolutediscrepancy，mad）方法，利用步骤（2）计算得到的和公式，i≤n，计算mad值，mad越小，肉质越均匀，为了使得引入的度量标准能够在数学度量与人类感知均匀性方面获得直观的解释和理解，特给出如下所示的混合均匀度（uniformitycoefficient，uc），，uc越大肉质越均匀；选取huang等（2013）公开报道的猪肉图像数据作为研究对象，提取猪肉样品数字彩色图像绿色通道roi中的纹理特征，绿色通道的纹理检测结果如图2所示，二值化图像（a）、选取图像区域面积/整个二值化图像面积的百分比-局部偏差函数（b）；计算mad值和uc值，猪肉样品绿色通道的混合均匀度为uc=0.8667，说明纹理在该猪肉样品中的分布是均匀的，也即猪肉样品的肉质质量很好。

实施例2

一种鸡肉肉质均匀度的分析方法，包括以下步骤：

（1）图像预处理：利用图像分割算法提取鸡肉中间区域的图片，并对鸡肉样品的中间区域以1000dpi×1000dpi的空间分辨率进行裁剪；利用加权平均方法获得了鸡肉灰度图像以及roi图像（即感兴趣区域）；

（2）特征提取：利用matlab软件提取步骤（1）的鸡肉彩色图像，所得的鸡肉彩色图像提取红色通道、绿色通道以及蓝色通道，得利用常用灰度化函数rgb2gray得到三种通道的灰度化图片；仔细观察三种灰度化图片，分析可知：鸡肉的rgb图像很好地展示了鸡肉肉质的大理石纹特征；红色通道不能明显展示肉与纹理的差异，绿色通道与蓝色通道能够较为明显地展现出肉与纹理的差异，相比之下，绿色通道更为明显，因此，选取绿色通道作为鸡肉rgb图像的灰度化图像；运用常用的matlab工具对选定的图片进行灰度化处理，获得灰度数字矩阵（0-255），然后运用自适应阈值进行二值化，获得二值化图像；任意选取4个肉质图像区域，4个区域分别位于二值化图像的四个角上，即以二值化图像的四个角为顶点分别做矩形，矩形的长为图片横坐标像素点的大小的20倍，宽为图片纵坐标像素点的大小的20倍，进行矩形区域内像素点分布均匀性的计算，即计算每个图像区域的局部偏差函数，=选取图像区域面积/整个肉质图像面积-选取图像区域内点的像素数点的数量/整个肉质图像内点的像素点的数量，其中区域面积计算为选取矩形的面积计算公式，即：长乘以宽；而像素点的数量即二值化图像中黑色目标的数量（白色为背景）；

（3）均匀度计算：基于星偏差方法，提出定义平均绝对偏差（meanabsolutediscrepancy，mad）方法，利用步骤（2）计算得到的和公式，n=4，计算mad值，mad越小，肉质越均匀，为了使得引入的度量标准能够在数学度量与人类感知均匀性方面获得直观的解释和理解，特给出如下所示的混合均匀度（uniformitycoefficient，uc），，uc越大肉质越均匀；提取鸡肉样品数字彩色图像绿色通道roi中的纹理特征，计算mad值和uc值，鸡肉样品绿色通道的混合均匀度为uc=0.5557，说明纹理在该鸡肉样品中的分布是均匀的，也即鸡肉样品的肉质质量很好。

实施例3

一种牛肉肉质均匀度的分析方法，包括以下步骤：

（1）图像预处理：利用图像分割算法提取牛肉中间区域的图片，并对牛肉样品的中间区域以1000dpi×1000dpi的空间分辨率进行裁剪；利用加权平均方法获得了牛肉灰度图像以及roi图像（即感兴趣区域）；

（2）特征提取：利用matlab软件提取步骤（1）的牛肉彩色图像，所得的牛肉彩色图像提取红色通道、绿色通道以及蓝色通道，利用常用灰度化函数rgb2gray得到三种通道的灰度化图片；仔细观察三种灰度化图片，分析可知：牛肉的rgb图像很好地展示了牛肉肉质的大理石纹特征；红色通道不能明显展示牛肉与纹理的差异，绿色通道与蓝色通道能够较为明显地展现出牛肉与纹理的差异，相比之下，绿色通道更为明显，因此，选取绿色通道作为牛肉rgb图像的灰度化图像；运用常用的matlab工具对选定的图片进行灰度化处理，获得灰度数字矩阵（0-255），然后运用自适应阈值进行二值化，获得二值化图像；任意选取1个肉质图像区域，该区域位于二值化图像的中心位置，即以二值化图像的中心为圆点做矩形，矩形的长为图片横坐标像素点的大小的200倍，宽为图片纵坐标像素点的大小的200倍，进行矩形区域内像素点分布均匀性的计算，即计算每个图像区域的局部偏差函数，=选取图像区域面积/整个肉质图像面积-选取图像区域内点的像素数点的数量/整个肉质图像内点的像素点的数量，其中区域面积计算为选取矩形的面积计算公式，即：长乘以宽；而像素点的数量即二值化图像中黑色目标的数量（白色为背景）；

（3）均匀度计算：基于星偏差方法，提出定义平均绝对偏差（meanabsolutediscrepancy，mad）方法，利用步骤（2）计算得到的和公式，n=1，计算mad值，mad越小，肉质越均匀，为了使得引入的度量标准能够在数学度量与人类感知均匀性方面获得直观的解释和理解，特给出如下所示的混合均匀度（uniformitycoefficient，uc），，uc越大肉质越均匀；提取牛肉样品数字彩色图像绿色通道roi中的纹理特征，计算mad值和uc值，牛肉样品绿色通道的混合均匀度uc=0.4885，说明纹理在该牛肉样品中的分布不均匀，也即牛肉样品的肉质质量一般。