為了實(shí)現(xiàn)手機(jī)對(duì)冷卻羊肉不同貯藏時(shí)間下不同部位的快速判別,本研究利用手機(jī)采集不同貯藏時(shí)間（0～12 d）下羊背脊肉、羊前腿肉和羊后腿肉樣品的圖像,提取不同顏色空間下的顏色均值和RGB顏色空間下的顏色矩等顏色特征并進(jìn)行差異顯著性分析,獲得不同部位之間具有顯著性差異的7個(gè)顏色特征。根據(jù)不同部位之間顏色特征的差異性以及不同的顏色空間,選定4種顏色特征組合作為模型輸入,分別利用極限學(xué)習(xí)機(jī)（extreme learning machine,ELM）、支持向量機(jī)（support vector machine,SVM）和反向傳播（back propagation,BP）神經(jīng)網(wǎng)絡(luò)進(jìn)行羊背脊肉、羊后腿肉和羊前腿肉的分類比較研究。結(jié)果表明:以不同的顏色特征組合作為模型輸入時(shí),所建立的BP模型分類效果均優(yōu)于SVM和ELM模型;當(dāng)以12個(gè)顏色均值特征作為輸入時(shí)所建立的BP模型分類效果最優(yōu),該模型的訓(xùn)練集、交叉驗(yàn)證集和測(cè)試集的判別準(zhǔn)確率分別為96.13%、95.11%、91.44%,可以實(shí)現(xiàn)對(duì)不同貯藏時(shí)間下不同部位羊肉的定性判別分析。上述研究為后續(xù)開(kāi)發(fā)手機(jī)應(yīng)用APP及利用手機(jī)實(shí)現(xiàn)對(duì)不同貯藏時(shí)間下冷卻羊肉部位的快速... 

【文章來(lái)源】：食品科學(xué). 2020,41(23)北大核心EICSCD

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

手機(jī)圖像采集裝置

為消除圖像采集過(guò)程中背景、光照影響所產(chǎn)生的噪聲以及在腐敗變質(zhì)過(guò)程中脂肪與筋膜等同肌肉組織呈現(xiàn)的差異性問(wèn)題，本實(shí)驗(yàn)圖像預(yù)處理主要的流程如圖2所示，采用色差法[29](R-B）來(lái)使背景和樣品區(qū)分度增大，并將分割閾值設(shè)定為0～20以去除背景中的陰影和水印，然后利用高低帽變換使脂肪和肌肉的特征差異明顯化，最后選取25～35的閾值，通過(guò)分水嶺分割算法[30]對(duì)樣品圖像內(nèi)的脂肪、筋膜等進(jìn)行分割，并對(duì)分水嶺分割后的圖像進(jìn)行開(kāi)運(yùn)算將樣品中的脂肪、筋膜等非肌肉組織部分進(jìn)行去除。1.3.3 圖像特征提取

在分別利用不同部位間具有顯著性差異的7個(gè)顏色特征、RGB顏色空間下的9個(gè)顏色特征、4種顏色空間下的12個(gè)顏色均值特征，及全部18個(gè)顏色特征作為ELM模型的輸入變量進(jìn)行分類判別時(shí)，均以隱層神經(jīng)元數(shù)目10為步長(zhǎng)，以最高的交叉驗(yàn)證集判別準(zhǔn)確率為尋優(yōu)目標(biāo)進(jìn)行隱層神經(jīng)元數(shù)目尋優(yōu)。在上述4種輸入情況下，建立尋優(yōu)后的ELM模型的隱層神經(jīng)元數(shù)目分別為90、90、100和100，其中以全部18個(gè)顏色特征作為輸入構(gòu)建模型時(shí)，其尋優(yōu)結(jié)果如圖3所示。在上述4種輸入情況下，所建立的尋優(yōu)后ELM模型結(jié)果如表2所示，在ELM模型中當(dāng)選用所有18個(gè)顏色特征做模型的輸入時(shí)，將羊背脊肉、羊前腿肉和羊后腿肉進(jìn)行三分類的模型效果最優(yōu)，模型的訓(xùn)練集、交叉驗(yàn)證集和測(cè)試集的判別準(zhǔn)確率分別為92.05%、88.84%和88.38%。選用12個(gè)顏色均值特征作為模型輸入時(shí)，模型較優(yōu)，訓(xùn)練集、交叉驗(yàn)證集和測(cè)試集的判別準(zhǔn)確率分別為91.23%、86.46%和87.77%。當(dāng)選用RGB顏色空間下的9個(gè)顏色特征以及選用具有顯著性差異的7個(gè)顏色特征作為模型輸入時(shí)，模型的訓(xùn)練集、交叉驗(yàn)證集和測(cè)試集的判別準(zhǔn)確率分布在73.09%～85.42%之間。

【參考文獻(xiàn)】：
期刊論文
[1]基于RGB顏色空間的冷凍豬肉儲(chǔ)藏時(shí)間機(jī)器視覺(jué)判定[J]. 李文采,李家鵬,田寒友,鄒昊,劉飛,白京,張振琪,王輝,王守偉.  農(nóng)業(yè)工程學(xué)報(bào). 2019(03)
[2]基于改進(jìn)色差法的復(fù)合絕緣子圖像分割技術(shù)[J]. 黃新波,張慧瑩,張燁,劉新慧,邢曉強(qiáng),楊璐雅.  高電壓技術(shù). 2018(08)
[3]基于近紅外技術(shù)快速測(cè)定不同鮮肉中脂肪含量[J]. 花錦,趙悠悠,高媛惠,張梨花,郝佳雪,宋歡,趙文英.  光譜學(xué)與光譜分析. 2017(11)
[4]電子鼻結(jié)合氣相色譜-質(zhì)譜法對(duì)寧夏小尾寒羊肉中鴨肉摻假的快速檢測(cè)[J]. 王綪,李璐,王佳奕,張娟,王遠(yuǎn)一飛,丁武.  食品科學(xué). 2017(20)
[5]蘇尼特羊不同部位肌肉揮發(fā)性風(fēng)味成分和脂肪酸分析[J]. 羅玉龍,趙麗華,王柏輝,劉暢,張亞琨,楊帆,岳建平,靳燁.  食品科學(xué). 2017(04)
[6]計(jì)算機(jī)視覺(jué)用于豬肉新鮮度檢測(cè)的顏色特征優(yōu)化選取[J]. 潘婧,錢(qián)建平,劉壽春,韓帥.  食品與發(fā)酵工業(yè). 2016(06)
[7]大足黑山羊宰后成熟過(guò)程中感官與理化性質(zhì)的變化[J]. 張聰聰,王曉香,王亞娜,尚永彪.  食品科學(xué). 2015(19)
[8]冷鮮羊肉冷藏時(shí)間和水分含量的高光譜無(wú)損檢測(cè)[J]. 王婉嬌,王松磊,賀曉光,何建國(guó).  食品科學(xué). 2015(16)
[9]基于電子鼻和SPME-GC-MS聯(lián)用分析脆肉鯇魚(yú)肉的揮發(fā)性風(fēng)味成分[J]. 榮建華,熊詩(shī),張亮子,謝淑麗,熊善柏.  食品科學(xué). 2015(10)
[10]融合顏色聚類和分水嶺算法的鐵譜圖像分割[J]. 王靜秋,張龍,王曉雷.  中國(guó)礦業(yè)大學(xué)學(xué)報(bào). 2013(05)

博士論文
[1]基于電子鼻和電子舌的羊肉品質(zhì)檢測(cè)[D]. 田曉靜.浙江大學(xué) 2014



本文編號(hào)：3533501