基于手机拍摄图像猪肉新鲜度的检测

首先对手机拍摄的猪肉图像进行预处理,利用Otsu算法较好地分割出图像中的猪肉部分和背景,然后用颜色因子|R-G |+|R-B |的值对图像进行彩色分层从而计算出颜色区域比值,建立了用猪肉的色泽、黏度、弹性、氨气、硫化氢、表面菌落总数、颜色区域比等7个特征为输入的BP网络分类模型.试验结果表明,该方法能够较好地对猪肉新鲜度进行检测.     

猪肉新鲜度检测方法的综合评定

猪肉是主要肉食来源,容易腐败。做好肉类新鲜度的检测有着重要的现实意义。本文通过对市售的部分猪肉进行感官指标、菌落总数、大肠菌群、pH值、过氧化物酶、挥发性盐基氮（TW-N）、氨值、蛋白质沉淀反应与硫化氢等指标的测定。结果综合对比,探究猪肉新鲜度的最佳判定方法。     

猪肉新鲜度检测方法的综合评定

猪肉是主要肉食来源,容易腐败.做好肉类新鲜度的检测有着重要的现实意义.本文通过对市售的部分猪肉进行感官指标、菌落总数、大肠菌群、pH值、过氧化物酶、挥发性盐基氮(TVB-N)、氨值、蛋白质沉淀反应与硫化氢等指标的测定.结果综合对比,探究猪肉新鲜度的最佳判定方法.     

多源信息融合技术的猪肉新鲜度检测方法研究

随着猪肉产量的提高和人们对食品安全的重视,快速准确地检测肉新鲜度越来越有着重要的现实意义。针对猪肉腐败过程中气味与颜色的变化,本文设计了猪肉图像采集装置和气体采集装置,对10个不同时间段采集到的各240份猪里脊肉样品图像信息和气体信息进行特征层的融合,基于最小二乘支持向量机方法(LS-SVM)建立多源信息融合的猪肉新鲜度评价模型,结合二步格点搜索法(Grid Search-ing Technique)和交叉验证方法(Cross Validation),对该模型参数γ和σ2进行选择和优化,分析比较了机器视觉系统、电子鼻系统及其两者融合系统所建立的猪肉新鲜度评价模型,3个模型对猪肉新鲜度的识别率分别为达到77.33%、91.67%和97.33%。结果表明,基于机器视觉和电子鼻多源信息融合系统可显著提高猪肉新鲜度的识别率。     

猪肉新鲜度检测方法发展的文献综述

简述了猪肉检测的意义、主要方法及其原理,概述了当前国内外猪肉新鲜度检测领域的研究现状,最后分析了猪肉新鲜度检测领域的首要问题和主要研究方向.     

一种猪肉新鲜度智能检测方法初探

从多角度评判肉类新鲜度,融合各项新鲜度判别数据指标,通过人工神经网络的拟合训练,建立起检测模型,达到智能检测。在应用中,利用建立好的模型,在输入猪肉特征参数下,模型输出新鲜度的判定结果TVB-N,为猪肉新鲜度检测提供了一种高效快速方案。     

猪肉新鲜度近红外检测仪的设计与应用研究

[目的]设计猪肉新鲜度近红外检测仪,并进行实例应用,为快速、无污染对猪肉作新鲜度检测提供新的方法。[方法]基于近红外技术,设计了近红外猪肉新鲜度检测仪。该仪器以短波近红外发光二极管为光源、硅光电二极管作为检测器,由近红外发射、Si-PIN驱动及电源电路3个模块组成。相比近红外光谱仪,该仪器结构简单、体积小、成本低、使用方便。用该仪器对自然放置的猪肉肉样进行连续3 d共12次检测试验,相邻2次测量对应的输出电压差在10 mV数量级以上。[结果]对不同存放时间的猪肉,输出信号有较好的区分度。试验数据可用于监测猪肉在鲜腐过程中的变化,结合简单的感观判别,可对猪肉作新鲜度分级。[结论]该研究可为猪肉新鲜度的无损检测提供一个新的方法。     

肉品新鲜度检测方法

本文概述了肉品新鲜度检测的意义、原理和方法。     

CIEDE2000色差公式在猪肉颜色分级中的应用

猪肉的变质程度与颜色的变化呈现密切的关系。由于计算机视觉不受人的生理和心理因素影响,评价标准客观和稳定,为此,建立了用于颜色量化的计算机视觉系统,对猪肉的颜色和色差进行采集、处理、显示和评价。由于CIELab色差公式存在不足之处,而CIEDE2000色差公式在理论上是目前和人的视觉最能够相匹配的公式,因此应用CIEDE2000色差公式对肉样进行分级。     

鸭蛋新鲜度模型的试验研究

用计算机视觉技术，研究了鸭蛋新鲜度模型。取当天产新鲜鸭蛋，分青壳蛋和白壳蛋各150枚置于恒温衡湿环境中。每次定时任意取出其中白壳和青壳蛋各10枚用计算机视觉检测装置检测出蛋内容物的颜色参数。根据这些参数和与之对应且表征蛋新鲜度的Haugh值拟合出蛋新鲜度模型。白壳蛋新鲜度模型检验结果为：r=0.757,F=77.932；青壳蛋新鲜度模型检验结果为：r=0.767,F=75.911。检验结果表明鸭蛋新鲜度模型有较高的回归精度。     

基于高光谱成像技术的羊肉新鲜度预测

为实现羊肉新鲜度的快速、无损检测,应用高光谱成像技术对不同存储天数的羊肉建立挥发性盐基氮TVB-N(Total volatile basic nitrogen,TVB-N)含量预测模型。通过高光谱成像系统获取羊肉样本935～2 539nm的高光谱图像,选取样本左上、左下、右上、右下和中间5个位置20×20像素的方形作为感兴趣区域(Region of interesting,ROI),提取ROI并计算区域内样本平均光谱。利用二进制粒子群优化算法(Binary particle swarm optimization,BPSO)和相关系数分析法(Correlation coefficient,CC)提取羊肉TVB-N高光谱特征变量,结合偏最小二乘回归(Partial least squares regression,PLSR)和随机森林回归(Random forest regression,RFR)建模算法,分别建立表征羊肉TVB-N含量的BPSO-PLSR、BPSO-RFR、CC-PLSR、CC-RFR预测模型。依据袋外均方根误差RMSEOOB最小原则,对最佳回归子树和分裂特征2个主要参数进行寻优以提高RFR建模算法的预测精度。比较4个模型的预测效果发现,BPSO-RFR模型的预测精度最高,其校正集决定系数R_c~2和均方根误差RMSEC分别为0.87和2.99,预测集决定系数R_p~2和均方根误差RMSEP分别为0.86和3.36。综上,高光谱成像技术和机器学习算法的有机结合为快速有效检测肉品新鲜度提供了理论依据。     

猪肉储藏时间的电子鼻区分方法

用电子鼻对不同储藏时间(0~6 d)的猪肉样品进行区分,并确定电子鼻区分不同储藏时间肉品的较佳实验参数.对传感器信号进行多因素方差分析(analysis of variance,ANOVA)表明:对于固定容器的猪肉样品,不同的样品质量对电子鼻响应信号的影响极为显著;其次是样品在烧杯内的密封时间.通过单因素方差分析和区分度指标检验,得出猪肉在500 mL烧杯内的最佳参数为样品质量10 g、密封时间5 min.采用以上参数,对储藏0~6 d的猪肉样品进行辨别,结果发现不管是运用主成分分析(principle components analysis,PCA)还是线性判别分析(linear discri minant analysis,LDA),电子鼻都能很好地区分不同储藏天数的猪肉样品.     

鲜猪肉在不同物流模式下的新鲜度变化研究

根据目前鲜猪肉的物流模式特点,分别检测了常温运输销售、常温运输低温销售、低温运输销售、低温运输冰温销售等4种模式下鲜猪肉的新鲜度(挥发性盐基氮含量)变化。结果表明,温度对鲜猪肉的新鲜度变化显著;运输作为鲜猪肉运输的起始环节,其温度控制是否得当直接影响后续环节中猪肉的新鲜度变化;采用冰温销售的模式,可更大程度地保持猪肉的新鲜度。     

肉类新鲜度光谱检测模型构建及误差对比分析

针对传统肉类新鲜度检测方法复杂、速度慢等问题,在试验室常温条件下采集猪肉反射率光谱数据,对肉类新鲜度的光谱检测方法进行研究,并分析不同建模方法以及不同样本采样间隔对预测精度的影响。结果表明:1)基于光谱角距离测度准则构建的加权模型,肉类新鲜度检测结果精度最高,决定系数(R~2)为0.999 7,均方根误差(RMSE)为3.427 5;2)基于欧氏距离测度准则和三次多项式拟合法所构建的模型,其R~2分别为0.998 1和0.998 1,RMSE分别为8.572 5和8.473 5。基于光谱角距离测度准则构建的加权内插模型,可以作为肉类新鲜度光谱快速检测模型使用,其检测精度在3种方法中最高。     

基于二维熵的农业图像目标分割

农业图像的目标分割是在农业领域应用机器视觉技术的基础,采用阈值法进行图像的目标分割,能够克服一些图像缺陷。首先将彩色数字图像转换成像素灰度级分布与其邻域平均像素灰度级分布所构成的二维灰度图,再根据图像分割后的最大熵计算分割阈值,然后由计算出的阈值分割农业田间图像,分割的结果显示,二维熵法分割农业田间图像的效果很好,分割质量的优秀率达到了98%。     

基于脂肪酸差异的有机猪肉溯源识别研究

有机猪肉的真假鉴别是优质农产品质量安全监管的难点.利用脂肪酸作为表征因子,对有机猪肉的真实性进行溯源识别的方法进行研究.利用气相色谱-氢火焰离子化检测器法测定了有机和普通猪肉中21种脂肪酸.样品用氯乙酰-甲醇甲酯化,正己烷提取,CP7420毛细管柱(100 m×O.25 mm,0.25 μm)分离,高纯氮作载气;单因素方差分析结果表明,21种脂肪酸含量中,C12:0、C15:0、C16:0、C16:1、C18:2n6t、C18:2n6c、C18:3(n3)、C20:1、C21:0、C20:3(n6)、C22:0、C20:5(n3)、C24:0、C24:1、C22:6(n3)有显著差异;利用SPSS软件分析原始数据,建立了有机猪肉溯源识别模型,作判别分析和交叉验证,有机猪肉的正确判别率达到了100％;同时利用Origin软件作有机和普通猪肉PCA图.结果表明有机猪肉能够有效溯源识别.     

应用挥发胺/氧化三甲胺摩尔比值评价罗非鱼新鲜程度的可行性分析

为了有效而简便地对鱼类等水产品进行新鲜程度的评价,提出通过挥发胺/氧化三甲胺摩尔比值对罗非鱼的新鲜程度进行测定,验证此比值作为评价罗非鱼新鲜度指标的可行性.结果表明:单一的三甲胺(TMA)和氧化三甲胺(TMAO)只能了解罗非鱼的腐败趋势,而很难真实反映出贮藏期间任意时刻的新鲜程度;二甲胺(DMA)和甲醛(FA)是罗非鱼冻藏阶段的腐败产物,其不能作为各个贮藏阶段下的罗非鱼品质评价指标;挥发性盐基氮(TVB-N)在评价冷冻鱼品质时敏感度变差;菌落总数(TVC)很难反映冷冻贮藏样品的真实鲜度.参照感官评定,3个贮藏条件下,当挥发胺/氧化三甲胺摩尔比值大于1.05时,罗非鱼就超出了安全食用范围.     

基于图像特征的小麦胚芽鞘识别

利用图像颜色特征,首先分割小麦种子图像进而确定小麦种子轮廓矩,根据其轮廓距确定小麦种子质心坐标,然后根据小麦胚芽鞘图像颜色特征对胚芽鞘图像进行分割、获取小麦胚芽鞘图像,其次利用Zhang-Suen并行快速细化算法对小麦胚芽鞘进行细化获取胚芽鞘骨骼线,进而获取骨骼线图像(单像素)上所有点对胚芽鞘骨骼线进行多段直线曲线近似,最后根据小麦种子轮廓质心坐标、胚芽鞘骨骼线近似曲线和切割距离(给定)确定胚芽鞘的姿态和对小麦胚芽鞘切割点位置进行定位。通过对小麦胚芽鞘30幅图片进行图像处理验证。结果表明,该方法能完整地提取小麦种子和胚芽鞘图像、小麦胚芽鞘姿态及位置信息。基于图像颜色特征的小麦胚芽鞘识别及定位方法,为小麦胚芽鞘的识别与分析提供了准确、快捷、可视的技术手段,对于构建胚芽鞘智能识别、定位的视觉系统及自动化切割装置的研究意义重大。     

光源和光照度对猪肉脂肪氧化程度和色泽变化的影响

为找到对猪肉脂肪氧化和色泽变化影响较小的光源及光照度范围,为冷却肉的合理贮存、流通条件的确定提供依据,在(4±2)℃和(9±1)℃贮存条件下,采用避光、白炽灯和日光灯,进行了不同光源照明实验,并在(4±2)℃、日光灯照明贮存条件下,60~2 000 lx光照度范围内设置6种处理,进行了不同光照度实验。结果表明:在(4±2)℃温度下贮存时,不同光源各处理TBA(硫代巴比妥酸)值之间均无显著性差异(P>0.05),但红度值a之间差异显著(P<0.05),且白炽灯照射下a值最低。说明光源种类对猪肉脂肪氧化程度没有明显影响,但光照加快了猪肉的变色速度,故在此温度下贮存应采用日光灯照明。(9±1)℃时,白炽灯和日光灯照射条件下,肉样TBA值和a值均存在显著性差异,光照使肉样色泽变差,而且明显加快了其脂肪氧化速度,日光灯照射下尤为明显。猪肉在此温度条件下贮存,应采用白炽灯照明。(4±2)℃日光灯照明贮存条件下,在光照度<750 lx时,各处理间TBA、a值和高铁型肌红蛋白质量分数w(MMb)均无显著性差异,对猪肉脂肪氧化和色泽变化的影响较小,故在猪肉的流通过程中应采用<750 lx的光源照明。