基于机器视觉的雪花肉分级方法研究.docx
《基于机器视觉的雪花肉分级方法研究.docx》由会员分享,可在线阅读,更多相关《基于机器视觉的雪花肉分级方法研究.docx(31页珍藏版)》请在冰点文库上搜索。
基于机器视觉的雪花肉分级方法研究
本科生毕业论文(设计)
题目:
基于机器视觉的雪花肉分级方法研究
姓名:
学院:
工学院
专业:
自动化
班级:
自动化91班
学号:
32209101
指导教师:
职称:
教授
2012年5月10日
南京农业大学教务处制
目录
摘要…………………………………………………………………………………………4
关键词………………………………………………………………………………………4
Abstract……………………………………………………………………………………4
Keywords…………………………………………………………………………………4
第一章绪论…………………………………………………………………………………5
1.1课题研究的来源和目的以及意义……………………………………………………5
1.1.1课题的来源…………………………………………………………………………5
1.1.2课题研究的目的与意………………………………………………………………5
1.2国内外研究动态……………………………………………………………………51.2.1国外研究现状………………………………………………………………………6
1.2.2国内研究现状………………………………………………………………………6
1.3机器视觉与雪花肉简介………………………………………………………………7
1.3.1机器视觉简介………………………………………………………………………7
1.3.2雪花肉简介…………………………………………………………………………7
第二章本课题研究的出发点、主要内容及技术路线……………………………………8
2.1研究的出发点…………………………………………………………………………8
2.2雪花肉分级的人工评定方法…………………………………………………………8
2.1.1大理石花纹级别判定方法…………………………………………………………8
2.2.2肌肉颜色级别判定方法……………………………………………………………9
2.2.3脂肪颜色级别判定方法……………………………………………………………9
2.3研究的主要内容………………………………………………………………………10
2.4雪花肉分级的技术路线………………………………………………………………10
2.5本课题研究的创新点…………………………………………………………………11
第三章雪花肉眼肌切面图像信息智能检测方法研究…………………………………12
3.1雪花牛肉眼肌切面图像采集…………………………………………………………12
3.2雪花牛肉眼肌切面图像处理流程及眼肌切面图像特征……………………………12
3.2.1雪花牛肉眼肌切面图像处理流程…………………………………………………13
3.2.2雪花牛肉眼肌切面图像特征………………………………………………………13
3.3雪花牛肉眼肌切面图像处理方法研究………………………………………………14
3.3.1图像预处理方法研究………………………………………………………………14
3.3.1.1灰度化……………………………………………………………………………14
3.3.1.2噪声去除…………………………………………………………………………15
3.3.1.3图像增强…………………………………………………………………………15
3.4二值化…………………………………………………………………………………16
3.5图像自适应阈值分割方法研究………………………………………………………16
第四章有效眼肌目标区域提取方法研究………………………………………………16
4.1有效眼肌的提取……………………………………………………………………16
4.2大理石花纹的提取…………………………………………………………………16
4.3雪花牛肉眼肌切面图像分级信息检测……………………………………………17
4.3.1有效眼肌面积计算………………………………………………………………17
4.3.2大理石花纹面积计算……………………………………………………………17
4.3.3大理石花纹面积占有效眼肌区域的比例………………………………………17
4.3.4大理石花纹分布密度率…………………………………………………………17
4.3.5试验材料与方法…………………………………………………………………18
4.3.5.1试验材料…………………………………………………………………………18
4.3.5.2试验方法…………………………………………………………………………18
4.4结果与分析…………………………………………………………………………18
第五章总结和展望………………………………………………………………………19
5.1课题总结……………………………………………………………………………19
5.2课题展望……………………………………………………………………………19
致谢…………………………………………………………………………………………20
参考文献……………………………………………………………………………………21
基于机器视觉的雪花肉分级方法研究
自动化专业学生:
王乐指导老师:
沈明霞
摘要:
牛分割肉眼肌切面含有丰富的牛肉品质特征信息,是进行牛肉分级评价的重要部位。
在传统的牛肉加工行业中,通常采用人工测量或目测法来获取这些信息。
人工方法依赖于人员的个人经验及心理,存在相当大误差,效率低,认可性差,严重时能影响牛肉分级评价的整个环节。
本课题根据我国牛肉分级现状,提出采用计算机技术代替人工方法,研究采用机器视觉及图像处理技术获取牛分割肉眼肌切面处的分级信息实现牛肉品质分级智能化。
雪花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Matlab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,利于雪花肉肉等级的准确判定。
关键词:
牛肉品质;智能分级;机器视觉;牛肉眼肌;大理石花纹;腐蚀;膨胀;图像分割;识别
Snowflowerandthemeatclassificationmethod
basedonmachinevisionresearch
Studentmajoringinautomation:
wangleTutor:
shenmingxia
Abstract:
Beefcattlecaneyemusclesectioncontainsrichinformationqualitycharacteristics,isanimportantpartofbeefgradingevaluationintraditionalbeefprocessingindustry,oftenartificialmeasuresorvisualmethodisusedtoobtainthisinformation.ArtificialpartyMethodreliesonpersonalexperienceandpsychology,thereisconsiderableerror,lowefficiency,poorrecognition,seriouswhencaninfluencethebeefgradingevaluationofthelink.Thistopicaccordingtothesituationofourcountrybeefgrading,usingcomputertechnologyinsteadofmanualmethodisputforward,researchusingmachinevisionandimageprocessingtechniqueforcattlecaneyemuscleaspectsofimplementationofbeefqualitygradinggradinginformationintellectualization.Marblinglevelofbeefrib-eyeregionisoneoftheimportantindicatorsinSnowflowerandthemeatclassification.Atotalof50rib-eyeimagesweretakenbyusingindustrialcameras,thenMatlabimageprocessingtechnologywasusedtodenoiseimagethroughsmoothingoperation;thentherib-eyeregionwasisolatedfrombackgroundwithadaptivethresholdbeforetheeffectiverib-eyeregionwasdeterminedbyusingmathematicalandsegmentation-basedmethod.Eventuallywecouldidentifymarblingthroughmathematicalstatisticsmethod.Experimentalresultsshowthatmachinevisioncaneffectivelyidentifyrib-eyeregionofthemarbling,anditsshorttime-consumingandaccurateidentificationwillhelpdeterminetheexactqualitylevelofSnowflowerandthemeat.
Keywords:
Beefquality;Intelligentgrading;Machinevision;Snowflowerandthemeatrib-eye;Marbling;Erosion;Dilation;Imagesegmentation;Recognition.
第一章绪论
1.1课题研究的来源和目的以及意义
1.1.1课题的来源
随着雪花肉逐渐融入人民的饮食与生活。
雪花肉的分级方法也越来越受人民的重视。
较早出现的方法是人工评定方法。
然而人工方法依赖于人员的个人经验及心理,存在相当大误差,效率低,认可性差,严重时能影响牛肉分级评价的整个环节。
因此,利用机器视觉来分级雪花肉已成为趋势。
本课题根据我国牛肉分级现状,提出采用计算机技术代替人工方法,研究采用机器视觉及图像处理技术获取牛分割肉眼肌切面处的分级信息实现牛肉品质分级智能化。
1.1.2课题研究的目的和意义
随着社会的快速发展,人们的饮食食品越来越丰富,种类也越来越多。
自然雪花肉也成了一个不错的选择。
于此同时,频繁发生的因食品引发的事故使人们也越来越看重食品健康,为此,雪花肉的制作、分级便成了一个难题。
众所都知,雪花肉从树枝状、雪花状、霜片到雾点……逐步形成纹理,最后如大理石纹般红白色彩交相辉映。
由于市场雪花肉产品需求多样差异层次,雪花肉产品质量多样差异。
是由产品转化为商品的现代基础工艺。
因此了解雪花肉的分级方法也是十分的重要。
为了利于快速了解雪花肉的分级方法,有必要设计一种可快速实现了解雪花肉分级的研究方案。
本次基于机器视觉的雪花肉分级方法研究旨在能快速、明了的了解雪花肉的分级方法,并具有一定的智能化。
这也适应了经济社会发展的要求,相信这样的课题研究将会广泛的适用于市场,忠实的为人民服务。
针对此次处理的雪花牛肉图片的特征,本研究对牛肉眼肌切面图像进行去噪、增强等预处理操作后;对图像进行自适应阈值分割,将肌肉像素点与脂肪像素点分离;后运用数学形态学的方法以及区域标记法,最后基于区域分割的方法确定有效眼肌区域。
整个过程主要运用最大连通域标记等算法,对进行膨胀、腐蚀操作后的牛肉眼肌切面图像进行区域提取,从而提取有效的牛肉眼肌区域。
1.2国内外研究动态
牛肉品质自动分级技术的研究主要依据该国家的肉牛产业评定标准进行。
国外一些肉牛产业发达的国家,制定符合本国国情的牛肉品质分级评定标准时间较早,并且已经在其国内广泛推行、根深蒂固,目前均已形成成熟的牛肉质量系统评定方法和标准,为其牛肉品质自动分级技术的研究奠定坚实的基础。
美国于1917年开始牛肉分级系统的研究并由农业部于1931年正式推出执行。
加拿大(1972)、欧盟(1975)、日本(1979年)等国家也都有比较完善的标准,标准的制定有效地促进了这些国家肉牛产业的发展。
因此国外对牛肉品质智能分级技术的理论研究已经较成熟。
我国肉牛产业相对比较落后,牛肉等级标准制定的也比较晚,基于机器视觉的牛肉品质智能分级技术的研究近几年才开始,在理论研究和系统研发上与国外相比,尚有一定距离。
1.2.1国外研究现状
众所周知在国外,一些肉牛产业发达的国家,较早的对牛肉自动分级技术展开了相关的研究,在理论研究上取得了一定成果。
20世纪90年代初期,McDonald和Chen等首先将图像处理方法引入牛肉品质等级自动评定的研究领域中,他们依据瘦肉与脂肪不同的反射特性,应用数学形态学的方法研究了眼肌切面图像中背长肌区域的分割技术并获得很好的成效,掀起了研究基于机器视觉和图像处理技术的牛肉自动分级的热潮。
1996年,Gerrard等人采用快速结构标记算法来确定背长肌肉的结构特征,用RGB和Lab颜色纹理特征来评定大理石花纹和颜色等级,成功实现了用不同的颜色模型表征颜色纹理特征。
1997年,Li等人利用牛肉图像的纹理特征分析牛肉的嫩度,利用回归分析和神经网络技术对图像特征和牛肉嫩度感官评定进行了比较,发现纹理特征与牛肉嫩度之间存在着紧密的相关性。
1999年,Yoshikawa等人用Ostu阈值法分割图像中脂肪和肌肉像素,该算法通过眼肌图像的灰度直方图确定全局阈值,用行程长度来表征大理石花纹等级,获得了较高的分割精度和大理石纹分级准确性。
2000年,Shiranita等人通过统计牛肉图像中的肌肉和脂肪像素的灰度来确定标准的肌肉像素模式和脂肪像素模式,成功实现利用人工神经网络对图像中的脂肪和肌肉像素进行分割,用图像纹理特征—灰度共生矩阵来表征大理石纹的分值,结果表明这种方法取得了非常理想的效果。
同时,Kazuhiko等人分别通过统计行程长度和大理石花纹面积来表征大理石花纹的等级,继而利用回归分析方法得到大理石花纹等级的预测模型。
1.2.2国内研究现状
在国内,为了缩短与国外发达肉牛产业的差距,国内许多学者致力于中国肉牛产业发展的研究工作,借鉴国外牛肉质量自动分级技术,针对中国牛肉自动分级技术的研究提出了许多宝贵的建议和对策。
任发政等直接选择眼肌处大理石花纹图像为研究对象,利用Matlab软件中的imZbw函数将RGB图像转化为二值图,以识别不同牛肉的大理石花纹等级。
但该方法识别误差较大,故采用了改进的图像处理技术,将边界识别算法中灰度等级均匀化,然后对图像进行直方图分析,确定红白灰度值域,读取像素阈值,计算红白比例[13]。
该研究分析得出:
用图像处理的办法是可以完成牛肉大理石花纹的分级评定工作的。
孙永海等先将脂肪组织和结缔组织(在图像中表现为白色)与肌肉组织(在图像中表现为红色)分割开来,然后用两种方法对脂肪组织进行分割:
一是用阈值法,由用户根据系统绘制的直方图交互式地设置分割阈值,系统读取用户输入的阈值后将刺激值大于设定阈值的像素点作为脂肪组织,修改其颜色信息,使得这些像素点的颜色信息对后续的颜色特征计算不起作用;二是利用人工神经网络进行图像分割,先从牛肉图像中得到脂肪组织和肌肉组织的样本,将组成样本的像素颜色信息作为网络输入,训练用于识别脂肪像素和肌肉像素的网络。
屠康等从牛肉等级标准图片中,人工提取出一部分带有大理石花纹的肌肉区域,采用阈值法(阈值T=128)对其进行了分割,并统计了归属为大理石花纹的像素。
刘木华
等提出了基于模糊C均值聚类的牛肉图像脂肪和肌肉区域分割技术。
该研究利用最大方差自动取阈值法(OSTU)把黑色背景与整块牛肉图像分割开来;然后把处理后的图像变成灰度图像,用模糊C均值聚类算法(FCM)计算出牛肉脂肪像素和肌肉像素灰度值的聚类中心,以各个像素点灰度值与两个聚类之间的绝对值距离来区分出图像中的脂肪和肌肉像素。
结果表明,FCM方法是分割肌肉和脂肪区域的有效方法。
赵杰文等则研究利用数学形态学的方法对牛胴体眼肌切面图像中背长肌区域进行分割,以提取牛胴体眼肌的大理石纹。
该研究首先运用模糊C均值聚类方法实现脂肪区域与背长肌区域的分割,得到包括周围肌肉组织及背长肌的图像。
然后采用数学形态学中的变结构元素进行图像腐蚀,再用截止时的结构元素对其进行膨胀,获得不含大理石纹的背长肌区域图像,最后将形态操作得到的图像与预处理后的牛肉图像进行“与”操作得到大理石纹。
结果表明,这种方法能有效地提取大理石纹。
江龙建采用了一种类似差影法的分割算法在样本图片中实现了牛肉图像与复杂背景的分割、该研究采用的类似差影法不是利用不同时间拍摄的图像相减,而是应用真彩色图像的不同颜色分量相减,保留了红色区域,消除了复杂背景[16]。
实验中发现R分量与G分量之差所获得的灰度图像直方图呈现明显的双峰,利于阈值法的分割操作。
江龙建利用区域增长标记法实现了有效眼肌区域的分割及大理石花纹特征参数的提取。
1.3机器视觉与雪花肉简介
1.3.1机器视觉简介
机器视觉就是用机器代替人眼来做测量和判断。
机器视觉系统是指通过机器视觉产品(即图像摄取装置,分CMOS和CCD两种)将被摄取目标转换成图像信号,传送给专用的图像处理系统,根据像素分布和亮度、颜色等信息,转变成数字化信号;图像系统对这些信号进行各种运算来抽取目标的特征,进而根据判别的结果来控制现场的设备动作。
机器视觉的研究是从20世纪60年代中期美国学者L.R.罗伯兹关于理解多面体组成的积木世界研究开始的。
当时运用的预处理、边缘检测、轮廓线构成、对象建模、匹配等技术,后来一直在机器视觉中应用。
罗伯兹在图像分析过程中,采用了自底向上的方法。
用边缘检测技术来确定轮廓线,用区域分析技术将图像划分为由灰度相近的像素组成的区域,这些技术统称为图像分割。
其目的在于用轮廓线和区域对所分析的图像进行描述,以便同机内存储的模型进行比较匹配。
实践表明,只用自底向上的分析太困难,必须同时采用自顶向下,即把目标分为若干子目标的分析方法,运用启发式知识对对象进行预测。
机器视觉形成几个重要研究分支:
①目标制导的图像处理;②图像处理和分析的并行算法;③从二维图像提取三维信息;④序列图像分析和运动参量求值;⑤视觉知识的表示;⑥视觉系统的知识库等。
1.3.2雪花肉简介
雪花牛肉是从外形上来命名的。
雪花牛肉源于日本和牛,中国已涌现出一批“雪花牛肉”自主品牌。
雪花牛肉含有丰富的蛋白质,氨基酸组成比猪肉更接近人体需要,能提高机体抗病能力。
雪花牛肉,即指脂肪沉积到肌肉纤维之间,形成明显的红、白相间,状似大理石花纹的牛肉,也称其为大理石状牛肉。
脂肪在牛不同的部位均有,多以其分布的密度、形状和肉质作为等级之分。
常见的肥牛也可算是一种,而选用眼肉、上脑、外脊的话,就更为上乘。
这种牛肉香、鲜、嫩,是中西餐均宜的高档牛肉,价格较贵。
第二章本课题研究的出发点、主要内容及技术路线
2.1研究的出发点
本课题研究的出发点主要包括以下几个方面:
1.世界上一些肉牛产业发达的国家虽在牛肉品质智能分级技术的研究方面取得了显著成绩,并研发出了成型的智能分级系统,取得了较好的应用效果。
但是,结构复杂、价格不菲使得这些智能评价系统在与人工评价相比时并没有显示出太大的优势。
另外,通过对这些智能分级系统的分析、比较与研究发现,这些系统在实际使用中还存在着诸多不足,种种原因使得其在牛肉加工行业中的广泛推行受到限制。
2.尽管国内部分少数牛肉生产企业引进了一些智能分级系统,但通过使用发现,这些智能分级系统并不能够完全适合我国的国情。
因此研发出结构简单、廉价方便、通用性强、功能全面的牛肉品质智能分级系统,将有助于牛肉品质智能分级技术的推广。
3.牛分割肉眼肌切面图像的分割是基于机器视觉的牛肉品质智能分级技术的关键步骤,国内外学者在这方面做了大量的研究工作。
但由于采集牛分割肉眼肌切面的方式、环境及设备不能完全一致,加上牛分割肉眼肌切面本身自带的复杂性,所以同一种图像处理方法或是图像处理流程将无法适用于所有图像类型,从而也就并不能够保证一致的理想分割效果。
如何设计并采用高效、精确地牛分割肉眼肌切面图像分割方法,仍然是目前牛肉品质智能分级技术凾解决的关键问题之一。
2.2雪花肉分级的人工评定方法
2.2.1大理石花纹级别判定方法
大理石花纹是衡量牛肉品质的重要指标,切面的肌内脂肪的含量和分布是决定牛
肉大理石花纹等级的主要因素,当肌内脂肪达到一定比例且分布比较均匀时,牛肉断
面即呈现出美丽的大理石花纹,这样的牛肉质地鲜嫩、柔软、多汁、是理想的肉品。
S级A级
B级C级
图1-1牛肉大理石花纹评级参考图谱
我国最新行业标准根据大理石花纹丰富程度将其分为四个等级,即S级、A级、
B级和C级,并给出了每级中花纹的最低标准图板,如图1-1所示。
采用进行等级评
定时,经过专业训练的评级员对照标准图板给出大理石花纹等级。
2.2.2肌肉颜色级别判定方法
我国最新牛肉分级行业标准中规定,我国牛肉肌肉颜色按颜色深浅分为S、A、B、
C共4个级别,以S级为最好,级别依次降低。
肌肉颜色的评定采用比色板法,此方
法是将肌肉颜色与标准比色板对比,对照肌肉颜色等级图片判断牛分割肉眼肌切面有
效眼肌区域内肌肉颜色的等级。
肌肉颜色等级示意图见图1-2
SA
BC
图1-2肌肉颜色等级标准图
2.2.3脂肪颜色级别判定方法
我国最新牛肉分级行业标准中规定,我国牛肉脂肪色颜色按颜色深浅分为S、A、
B、C共4个级别,以S级为最好,级别依次降低。
肌肉颜色的评定也采用比色板法,
此方法是将脂肪颜色与标准比色板对比,对照脂肪颜色等级图片判断牛分割肉眼肌切
面有效眼肌区域内脂肪颜色的等级。
脂肪颜色等级示意图见图1-3。
SA
BC
图1-3脂肪颜色等级标准图
2.3研究的主要内容
本课题研究的内容主要包括探究牛肉眼肌切面的图像处理方法及提取牛肉眼肌切面图像内