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
(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
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
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
(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
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
(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
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
(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