《基于计算机视觉技术的肉质评价综述》

目的：评估肉类生产过程的安全性和质量，确保人类食用更加安全健康的肉类

传统方法：昂贵和耗时、破坏性、不一致、不稳定

解决思路：将计算机视觉技术引入肉食品的各种质量检测

评价指标：新鲜度、嫩度

经典的评估方法有：感官评估和化学技术、TVB-N（总挥发盐基氮）和微生物种群

图像评估可根据肉类的属性：颜色、形状、大小、表面纹理特征

使用机器视觉方法的局限性：仅限于识别颜色、大小、表面结构等外部质量因素。

机器视觉系统：帧捕捉器、相机、光源、计算机硬件和软件

图像预处理：预处理、分割、特征提取

图像处理的三个阶段：低级、中级、高级

低级处理：采集数字形式的视频，进行降噪、几何校正、灰度矫正、离焦矫正

中级处理：图像分割、显示、描述

高级处理：图像诊断和评论

颜色模型：颜色空间，如RGB，HSV

列举的例子

鱼类：

• 采用SVM分类器对鲤鱼进行新鲜度评价，分类效果准确率为：86.3%（结合眼睛虹膜和鱼表面纹理）
• 基于RGB颜色指数的鱼类新鲜度分类，计算机视觉技术与近红外光谱技术相结合，93.33%（鱼眼在贮藏过程中的颜色）
• 使用计算机视觉确定基于salmon评分的鲑鱼片的颜色评分
• 基于野生金枪鱼眼睛和鳃颜色变化的机器视觉来评估新鲜度
• 人工神经网络对鲤鱼贮藏过程中的新鲜度进行评价，ABS-ANN算法，SVM、KNN、ANN对图像进行分类

• 鱼眼睛图像的颜色光谱和通过 3D 扫描仪获得的眼睛凹陷指数

牛肉：颜色变化

• IMF特征与IMF化学含量之间的相关性
• 数字成像方法，不同颜色类别的瘦牛肉的颜色参数进行测定和分析，研究瘦牛肉的颜色特征与颜色得分之间的关系。
• SVM对牛肉脂肪颜色进行分级并结合细菌分析
• 基于PH值的DFD颜色分类
• 对牛肉大理石花纹和数量进行研究

猪肉：

• 根据PH测量，DFD和PSE的分析，可以区分类别
• 用颜色区域比（CRR）来鉴定腐烂程度从而判别新鲜度
• 图像纹理和化学成分结合判定猪肉的质量
• 通过分析猪肉图像的PSE检测猪肉
• 通过TVB-N的含量
• 基于猪肉颜色和纹理特征
• 基于颜色特征和肌间脂肪的百分比（IMF%）

鸡肉：新鲜度评定：颜色、质地、PH值、TVB-N含量和柔软度

• 图像纹理和颜色，采用粒子群优化算法（PSO）和神经网络分类器相结合进行特征选择。
• 鸡肉中的脂肪含量
• 计算机视觉和色度计测量的CIELab特征对鸡胸部颜色属性进行检测
• 计算机视觉与线性和非线性分类器相结合的鸡块自动分类方法
• 利用计算机视觉的方法检测鸡翅的质量。将BP-ANN模型应用于鸡翅质量的分类和预测。
• 计算机视觉和人工技术相结合来估计鸡肉的新鲜度。使用GA-ANN方法进行图像处理。
• 使用CV和近红外光谱NIR方法对鸡胸肉进行木质胸肉WB和正常鸡胸肉的识别和分类

羔羊：新鲜度评定：嫩度、多汁性和风味，根据动物年龄和大理石花纹等指标

• 灰度差分统计纹理图案
• 神经图像分析对羔羊尸体中的大理石纹理进行分类。
• 人工神经网络用于羔羊胴体图像分类的适当性和提取的特征用DFA根据分类的准确性进行评估。
• 感官评估
• 药物反应，成分含量