我国牛肉大理石花纹等级图谱的改进研究

本文通过对牛肉眼肌截面照片的图像处理，提取其中大理石花纹的特征参数，建立了大理石花纹得分与大理石花纹总面积、大颗粒脂肪密度、中等颗粒脂肪密度和脂肪分布均匀度的线性预测模型，合理性较好（R2=0.8415）；并在此模型和有代表性的样本参数统计的基础上对不同大理石花纹等级的特征参数进行了量化，对我国《牛肉质量等级》中的大理石花纹等级图谱进行了调整，将原有的4级调整为7级，大理石花纹总面积百分比从1至7级依次为14%、11%、8%、6%、4%、2%和0.5%。     

基于计算机视觉的肉质大理石花纹含量的测定

 针对传统的肉质分级方法测定大理石花纹含量存在成本高、主观性强、准确性低等问题,本文以计算机视觉技术为基础,运用统计学中的最大方差法去除了黑色背景,使用二值法对大理石花纹进行了提取,并对其含量进行了测定。研究结果表明,运用计算机视觉技术可以很好地实现胴体图像中大理石花纹区域的分割和大理石花纹含量的测定,为肉质自动分级打下基础。     

计算机图像技术在牛肉品质检测中的应用(综述)

概述了计算机图像技术在牛肉嫩度、牛肉胴体等级、活体牛肉品质检测中的应用.颜色、大理石纹特征、纹理特征等图像外观特征是计算机可见光图像技术无损检测牛肉内在品质--嫩度的主要方法.计算机可见光图像技术用于检测牛肉胴体等级,通常采用统计彩色图像中R、G、B或L、a、b分量灰度值来确定颜色级别,用统计像素点的方法来确定眼肌肉中脂肪分布和面积,用灰度共生矩阵和行程长度等纹理特征来计算大理石纹分值.超声波图像技术可以用于对活体牛肉品质进行评估,此方法有较好的可重复性和准确性.最后提出了当前需进一步研究的问题.     

美国的肉牛业（下）

四、牛肉品质牛肉的销售市场取决于牛肉质量。在美国牛肉质量取决于肌肉间脂肪含量（大理石花纹状肉） ,因为美国牛肉的质量等级体系完全以大理石纹为基础 ,大理石纹的得分越高 ,肉的适口性越好。肋骨处大理石状肉达６ %就算优质牛肉 ,这种牛肉主要为家庭和餐馆消费。优质牛肉占美国全部牛肉产量的２５ %,在美国 ,把育肥牛的肉质分为特级、精选级、优质级和标准级４个等级。一旦大理石花纹达到“优质”级 ,９５ %的消费者就认为是适口性很好的牛肉。美国农业部研究结果表明 ,在牛肉质量上只有不到１０ %的变异 ,能用大理石花纹特性来解释。…     

基于牛肉大理石花纹标准(BMS)图像的纹理特征分析

 【目的】研究基于图像纹理特征来描述牛肉大理石花纹标准的方法。【方法】以日本、美国和澳大利亚的牛肉大理石花纹分级图像为基础,通过线性回归的方法来研究纹理特征与牛肉大理石花纹标准之间的内在关系。【结果】通过彩色梯度和局部二值模式(LBP)处理后提取灰度共生矩阵的4个特征：对比度、相关度、能量和一致性,这些特征可以准确地描述3个不同国家的牛肉大理石花纹标准。其中,能量特征对图像的差异性不敏感,可以作为3种牛肉大理石花纹标准的共性特征。【结论】基于牛肉LBP纹理特征的线性回归预测模型可以作为牛肉大理石花纹标准的一项合理评估依据。     

基于视觉注意模型的苗期油菜田间杂草检测

提出了基于视觉注意模型的苗期油菜/杂草图像检测方法。针对苗期油菜大田环境,获取油菜/杂草RGB原始图像。根据原始图像颜色分布特点改进Itti模型,生成系列特征显著图,结合区域生长算法分割出感兴趣区域。针对该区域提取形状和纹理特征参数作为支持向量机输入量,判别出所有油菜区域,最后融合原始图像和油菜区域获取最终株间杂草区域。结果表明:与局部迭代阈值法和最大类间方差法相比,本研究提出的图像分割方法更优,正确分割目标概率、错误分割目标概率及漏分割目标概率分别为92.46%、3.26%及7.54%;针对形状、纹理、综合特征及精选特征四类特征参数集,径向基-支持向量机的识别率分别为96.00%、94.29%、100.00%及96.00%。     

基于机器视觉和机器学习技术的鸡胴体质量自动分级方法

[目的]为实现对鸡胴体质量等级的非接触在线自动判定,本文提出一种基于机器视觉和机器学习技术的鸡胴体等级在线检测方法。[方法]首先用图像采集装置获取鸡胴体图像,对图像进行预处理并提取包括投影面积、胴体长度、轮廓长度、鸡胸长度、鸡胸宽度和鸡胸面积等图像特征参数。在对所得到的数据进行无量纲处理后,再以这6个特征参数为输入、质量为输出,分别利用随机森林(random forest,RF)算法、自适应提升算法(Adaboost,AB)和梯度提升算法(gradient boosting,GB)3种机器学习方法,建立鸡胴体质量等级预测的非线性回归模型,对鸡胴体质量等级进行自动判定。[结果]在对鸡胴体质量进行预测时,梯度提升模型的判定系数最大,为0.996 0,明显优于线性模型,也优于其他2种非线性模型;在对鸡胴体质量等级进行判定时,也是梯度提升模型的判定正确率最高,为96%。[结论]可利用梯度提升模型对鸡胴体质量和等级进行精确预测和判定。     

基于支持向量机回归的鲜烟叶含水量预测模型

为了提高鲜烟叶含水量的检测准确率,基于机器视觉技术,应用支持向量机理论,建立支持向量机回归的鲜烟叶含水量预测模型,输入变量为鲜烟叶图像的r（红色分量所占比例）、g（绿色分量所占比例）、H（色调）、均值、一致性、熵、宽、面积和伸缩率9个特征参数,输出变量为含水量.通过对利用机器视觉技术提取到的鲜烟叶图像参数进行模型的训练测试,并将其结果与ELMAN神经网络对比.结果表明:支持向量机含水量模型的最大相对误差绝对值为2.410%,平均绝对误差为0.007 9,平均绝对百分比误差为1.119%,误差方差为7.806×10-5,其拟合效果均优于ELMAN神经网络.该方法能够更准确地反映鲜烟叶含水量的实际值,为选择最优烘烤模式和烘烤工艺提供了参考依据.     

预测黄牛及其改良牛牛肉嫩度的胴体性状筛选

测定国内主要地方品种黄牛及其改良牛共362头的活体与胴体指标进行相关分析，发现剪发力值与胴体长、年龄、胴体重及眼肌面积的相关性显著（P＜0．05）。以剪切力值为因变量，以所有测定指标为自变量进行线性回归分析，以期找出能够精确预测剪切力的线性模型。结果表明，地方品种黄牛及其改良牛肉剪切力值的方程决定系数较小。因此，只能在一定显著性水平上通过年龄与大理石花纹等性状预测牛肉嫩度。     

吉林省杂交猪胴体等级评定方法

以吉林省瘦肉型优质猪为研究样本，讨论了胴体等级评定方法和评定体系，设计了胴体等级预报模型。胴体等级预报采用了多元线性回归和人工神经网络2种方法。多元线性回归方程的准确率为80％，神经网络方法的准确率为90％。猪胴体级别模糊描述考虑了肉质方面的因素，使猪胴体等级的最终评定体系更科学、更合理。该方法适合二元、三元杂交等“杂交猪”胴体等级的评定。     

肉牛胴体背最长肌脂肪酸组成与大理石花纹等级相关性研究

 【目的】研究中国黄牛背最长肌肌内脂肪及皮下脂肪含量与其脂肪酸组成相关性。【方法】选取大理石花纹等级2级以上（含1级和2级）、3级和4级的黄牛胴体各10头，分别测定脂肪含量和脂肪酸组成。【结果】背最长肌水分和肌内脂肪含量与大理石花纹等级显著相关。肌内脂肪和皮下脂肪中单不饱和脂肪酸（MUFA）的顺式油酸含量最高，其次是饱和脂肪酸（SFA）中的棕榈酸和硬脂酸，多不饱和脂肪酸（PUFA）含量很少，主要是亚油酸。背最长肌棕榈酸、硬脂酸及SFA与肌内脂肪含量没有相关性，膜脂和储存脂肪中SFA百分含量趋于一致。【结论】油酸、MUFA百分含量以及M/S与肌内脂肪含量存在正相关，大理石花纹越丰富，肌内脂肪中油酸和MUFA百分含量越高，M/S比值也越高；而亚油酸、PUFA、n-6PUFA百分含量及P/S、n-6/n-3都与肌内脂肪含量呈负相关，大理石花纹越丰富，肌内脂肪中亚油酸、PUFA、n-6PUFA百分含量及P/S、n-6/n-3比值都越低。皮下脂肪中n-3PUFA含量显著低于肌内脂肪n-3PUFA含量。     

Update of Meat Standards Australia and the cuts based grading scheme for beef and sheepmeat

Changing markets and evolving consumer demand present new challenges for the beef and sheep industries. In response, the industry has been investing in innovations to deliver new products and management systems to consumers. One such innovation is the Meat Standards Australia (MSA) system. This system is a Total Quality Management System, aimed at delivering an eating quality guarantee to consumers, and through this adding value to the entire supply chain. At present, it is well developed for beef and still evolving for sheepmeat. MSA has identified Critical Control Points (CCPs) in the production, pre-slaughter, processing and value-adding aspects of the supply chain that impact on consumer palatability through the large-scale taste testing of meat by untrained consumers. These CCPs are used as either (1) mandatory criteria determining eligibility for grading, and (2) inputs in a model predicting the palatability of individual combinations of muscle and different cooking methods. Through the prediction of palatability, MSA increases consumer satisfaction and is used to provide assurance for branded products and new marketing innovations in Australia and internationally. This has added significant value to the Australian beef industry, with several retail examples demonstrating consumer willingness to pay more for premium quality beef and sheepmeat products based on the MSA grading scores. This price differential at retail allows the value of the carcass to be calculated based on the eating quality as well as the volume produced, thereby delivering a financial reward for farmers producing high quality carcasses. The continuous quality scale of MSA allows producers to realise the financial gain of incremental improvements in quality, as well as the precise economic weights associated with traits such as marbling, ossification score, or breed. The use of MSA in this fashion has underpinned a new and innovative supply chain where the pricing is transparent and allows producers to make informed decisions to modify both quality and yield traits. To date, the MSA system for beef has proved to be effective in predicting beef palatability not only in Australia but also in many other countries (France, Poland, Ireland, Northern Ireland, Japan, South Korea, New-Zealand, the USA and South Africa). In Europe, results of the ProSafeBeef and ProOptiBeef projects as well as other national projects demonstrate the potential to develop an MSA-like international grading system for the supply chain in the EU, despite the diverse cultures and complex beef production systems within the member states. International testing in lamb has only just begun and preliminary results are discussed here.     

我国6个肉牛品种肌肉纤维特征研究

研究比较我国不同品种牛肌肉纤维特征,为高档牛肉生产和品种培育提供技术参数。运用肌肉组织冰冻切片、琥珀酸脱氢酶染色法(SDH)研究6个品种肉牛(利木赞牛、皮埃蒙特牛、中国西门塔尔牛、鲁西牛、秦川牛和晋南牛)的背最长肌、腰大肌、股二头肌的肌纤维类型、肌纤维直径和肌纤维密度等特征。结果表明:1)鲁西牛和利木赞牛背最长肌的红肌纤维(R型)比例分别为32.7%和29.5%,显著高于其他4个品种(P<0.05);晋南牛腰大肌和鲁西牛股二头肌的R型纤维比例最高为42.7%和48.7%;2)秦川牛背最长肌中的3种类型肌纤维直径值分别为60.009、61.109和67.800μm均显著大于另外5个品种(P<0.05),秦川牛和晋南牛的腰大肌和股二头肌的红肌纤维(R型)和中间型纤维(I型)的肌纤维直径显著大于其他4个品种(P<0.05);3)皮埃蒙特牛和利木赞牛腰大肌的红肌纤维(R型)密度分别为216.667和189.583根/mm2,白肌纤维(W型)密度分别为200.926和261.11根/mm2显著大于其他品种(P<0.05);鲁西牛的背最长肌和股二头肌的R型肌纤维密度大于其他品种;4)每一品种牛不同部位肌肉组织中不同肌纤维...     

Antizyme 1 Gene is Associated with Loin Muscle Area and Marbling in Landrace × Lantang F2 Resource Population

The expression level of antizyme 1 （AZ1） gene in Longissimus dorsi muscle of Landrace pigs is significantly higher than that of Lantang pigs based on our previous studies. The AZ1 is a key regulator of the concentration of polyamines in cells. It is a good candidate gene for pig＇s performance because polyamines regulate the growth and development of cells. Four PCR-RFLPs were selected to study the relation between AZ1 genotypes and porcine performance. Results showed that the loci of -713 C/T, -584 A/C, and ＋2 432 G/A had significant or highly significant opposite effects on loin muscle area and marbling.     

利-草杂交牛F_1血清酶活性与肉用性状相关研究

本研究测定了18头利木赞和草原红牛杂交牛F1代血清中谷草转氨酶(GOT)、谷丙转氨酶(GPT)、淀粉酶(Amy)、乳酸脱氢酶(LDH)、碱性磷酸酶(AKP)的活性。5种酶的活性与肾脂重、产肉率、肉骨比、眼肌面积、大理石花纹呈现不同程度的相关关系。根据线性回归分析结果,GPT活性可作为选择胴体产肉率、肉骨比的参考指标,GOT活性可作为选择眼肌面积的参考指标。     

宰前因子对牛肉品质的影响

 【目的】探讨宰前因子对牛肉品质的影响,得出DFD（dark firm dry）牛肉的判定标准。【方法】研究某企业DFD肉的发生率,并挑选600头延边×西门塔尔杂交公牛进行不同的宰前处理,通过测量牛胴体背最长肌的pH、温度以及品质指标,对劣质牛肉的发生率及牛肉品质进行分析。【结果】宰前因子中待宰密度、温湿度以及短途运输对DFD肉的发生影响不大;而屠宰时间、季节、待宰时间和屠宰方式对劣质牛肉（PSE肉、DFD肉）的发生都有不同程度的影响;牛肉品质的颜色指标中b*比L*更具有作为判定劣质牛肉标准的意义;DFD牛肉的判定标准为pH24＞6.09,L*＜37.40±3.78,b*＜10.25±1.94,汁液损失值＜7.36%±2.81%。【结论】在冬季清晨,待宰24 h、击晕屠宰的肉牛DFD肉发生率较低;夏季、清真屠宰的肉牛PSE肉发生率较高;科学、规范的宰前管理可以降低肉牛的应激反应,有效减少劣质牛肉的发生;牛肉pH24＞6.09,品质会产生较大的差异。     

吉林省牛肉品质控制及评定

从几个方面说明牛肉品质控制及评定方法。在肉牛品质控制方面,从肉牛入栏开始,就应严格控制肉牛的品质,并按照国标方法进行肉牛宰前及宰后检疫。在牛肉品质方面,通过肉色、大理石花纹、脂肪色、牛肉厚度、背膘厚度、pH值、嫩度、多汁性和风味等多方面进行评定,并制定了品质评定的标准图谱及标准方法。