摘要：為解決冷凍豬肉儲(chǔ)藏時(shí)間在人工判定中準(zhǔn)確率和效率低的問題，該研究基于機(jī)器視覺和圖像處理技術(shù)分析了冷凍豬肉表面圖像RGB顏色特征，并將無光澤肌肉像素點(diǎn)比例作為自動(dòng)判定冷凍豬肉儲(chǔ)藏時(shí)間的特征參數(shù)。結(jié)果顯示：將紅度（R）與藍(lán)度（B）的差值小于等于30且紅度（R）與綠度（G）的差值小于等于30作為第一特征條件，將紅度（R）與藍(lán)度（B）的差值小于等于30、紅度（R）與綠度（G）的差值小于等于30 且藍(lán)度（B）大于等于100作為第二特征條件對(duì)冷凍豬肉顏色特征進(jìn)行提取時(shí)，二值化圖像能較好地識(shí)別冷凍豬肉表面總肌肉和無光澤肌肉。基于統(tǒng)計(jì)學(xué)分析，當(dāng)儲(chǔ)藏時(shí)間在3 個(gè)月以內(nèi)（1、2 和3個(gè)月）和超過12個(gè)月（13、15 和17個(gè)月）的冷凍豬肉無光澤肌肉像素點(diǎn)比例閾值為26.8%時(shí)，冷凍豬肉驗(yàn)證檢測(cè)判定準(zhǔn)確度最佳，分別為90.00% 和 81.67%。經(jīng)圖像分割后提出的基于無光澤肌肉像素點(diǎn)比例的判定方法可以為實(shí)際應(yīng)用提供技術(shù)支持和參考。

　　關(guān)鍵詞：無損檢測(cè)；圖像處理；儲(chǔ)藏；冷凍豬肉；無光澤肌肉像素點(diǎn)比例；機(jī)器視覺技術(shù)

　　在大宗冷凍豬肉交易過程中，儲(chǔ)藏時(shí)間的長(zhǎng)短主要依靠企業(yè)有經(jīng)驗(yàn)的員工目測(cè)冷凍豬肉的色澤來判定儲(chǔ)藏時(shí)間范圍，這種做法主觀性強(qiáng)，再加上冷凍豬肉個(gè)體差異較大，肉色細(xì)微變化不易覺察，因而容易導(dǎo)致誤判；或采用針對(duì)性較強(qiáng)的理化指標(biāo)，如采用過氧化值來作為冷凍豬肉儲(chǔ)藏時(shí)間判定的輔助指標(biāo)，但該方法測(cè)定時(shí)間長(zhǎng)，效率低。因此常規(guī)的感官評(píng)價(jià)和檢測(cè)方式無法滿足大宗交易和批量檢測(cè)中冷凍豬肉儲(chǔ)藏時(shí)間快速準(zhǔn)確判定的要求。

　　近30年來，機(jī)器視覺技術(shù)發(fā)展迅速，其越來越多的應(yīng)用于交通、農(nóng)業(yè)、醫(yī)學(xué)、工業(yè)等各個(gè)領(lǐng)域。隨著機(jī)器視覺技術(shù)理論和實(shí)踐越來越成熟，機(jī)器視覺技術(shù)在肉品新鮮度判定的應(yīng)用上也得到快速發(fā)展。張萌等利用圖像處理技術(shù)從生豬側(cè)面及背面圖像中提取體長(zhǎng)、體高、胸深、腹長(zhǎng)、臀寬、腰寬等數(shù)據(jù)，以這些體尺的比例為參數(shù)，通過徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)進(jìn)行瘦肉率估測(cè)。潘婧等基于計(jì)算機(jī)視覺，利用圖像處理的方法提取豬肉通脊表面的顏色特征參數(shù)，組合成RGB-HIS、RGB-L* a* b* 、rgb-HIS、rgb-L* a* b* 及HIS-L* a* b* 5 類特征參數(shù)組合，并利用BP和SVM神經(jīng)網(wǎng)絡(luò)構(gòu)造各類新鮮度等級(jí)預(yù)測(cè)模型。周煒建立了基于計(jì)算機(jī)視覺技術(shù)的豬肉圖像采集系統(tǒng), 通過對(duì)豬肉圖像消噪方法和豬肉圖像特征參數(shù)的優(yōu)化，建立了基于計(jì)算機(jī)視覺技術(shù)的豬肉新鮮度識(shí)別模型。Dowlati等通過機(jī)器視覺基于鰓和眼睛的顏色變化來評(píng)估烏頰魚海鯛新鮮度,通過圖像處理分析魚鰓和魚眼顏色的變化來判斷烏頰魚海鯛的新鮮度。從以上文獻(xiàn)分析可知，利用機(jī)器視覺技術(shù)提取肉品圖像特征，通過圖像處理技術(shù)實(shí)現(xiàn)肉品等級(jí)無損評(píng)定是無損檢測(cè)自動(dòng)判定的研究熱點(diǎn)。經(jīng)調(diào)研，目前冷凍豬肉交易市場(chǎng)上多為儲(chǔ)藏時(shí)間在3個(gè)月以內(nèi)和12個(gè)以上的的冷凍豬肉，企業(yè)員工通過肉眼觀察冷凍豬肉表面無光澤肌肉面積的大小來對(duì)冷凍豬肉的儲(chǔ)藏時(shí)間進(jìn)行判定和對(duì)豬肉的價(jià)格進(jìn)行劃分，儲(chǔ)藏時(shí)間在3個(gè)月以內(nèi)的被劃分為正肉，儲(chǔ)藏時(shí)間超過12個(gè)月的被劃分為低價(jià)肉。本研究以儲(chǔ)藏時(shí)間分別為1、2、3、13、15、17個(gè)月的冷凍豬肉為試驗(yàn)原料，采用自發(fā)研制的圖像采集裝置采集冷凍豬肉圖像，基于機(jī)器視覺技術(shù)，在RGB顏色空間下分割圖像，求取與儲(chǔ)藏時(shí)間相關(guān)的無光澤肌肉像素點(diǎn)比例的最佳閾值，進(jìn)一步對(duì)冷凍豬肉儲(chǔ)藏時(shí)間進(jìn)行判定驗(yàn)證。將最佳閾值作為區(qū)分冷凍豬肉儲(chǔ)藏時(shí)間的標(biāo)準(zhǔn)，為企業(yè)實(shí)現(xiàn)冷凍豬肉儲(chǔ)藏時(shí)間的快速判定提供參考。

1.黑色不反射鋁板 2.漫反射光源 3.CCD攝像機(jī) 4.鏡頭 5.圖像分析軟件 6.光源控制器 7.載物臺(tái)

　　試驗(yàn)所用3個(gè)月以內(nèi)或12個(gè)月以上冷凍豬肉全部采購自北京某生豬屠宰場(chǎng)有限公司和北京某冷凍批發(fā)市場(chǎng)，均為按照GB/T 9959.2-2008，2017年生產(chǎn)的分割冷凍Ⅳ號(hào)豬肉。進(jìn)行圖像采集之前，首先將冷凍豬肉從冷凍庫取出，去除樣品塑料內(nèi)包裝膜，塑料內(nèi)包裝膜折疊后覆蓋于樣品表面，置于解凍架上，在（20±3）℃下自然解凍，待樣品中心溫度達(dá)到（0±1）℃時(shí)，冷凍豬肉表面無霜且保持原有形狀的情況下，去除覆蓋于冷凍豬肉表面的內(nèi)包裝膜，將冷凍豬肉樣品置于圖1所示的載物臺(tái)上，即可進(jìn)行圖像采集。

　　1.2  圖像采集系統(tǒng)與方法

　　冷凍豬肉圖像的攝取由實(shí)驗(yàn)室自主研發(fā)的硬件裝置完成。如圖1所示，冷凍豬肉圖像攝取裝置由耦合元件攝像機(jī)（charge-coupled device，CCD，全局曝光方式，固定在光源中間位置）、鏡頭（4mm 百萬像素工業(yè)鏡頭）、發(fā)光二極管漫反射光源（light-emitting diode，LED，40cm×40cm漫反射板，中間開孔置放CCD和鏡頭）、載物臺(tái)（臺(tái)板面積30cm×15cm，高度可調(diào)，黑色不反射光 ）和暗箱（50cm×50cm×50cm，采用黑色不反射鋁板）組成。采集裝置由數(shù)據(jù)線連接電腦，電腦中軟件控制圖像采集。將冷凍豬肉置于黑色載物臺(tái)上，然后將圖像采集裝置的側(cè)門關(guān)閉，載物臺(tái)表面和采集裝置內(nèi)部均噴有黑無光漆，可有效地防止樣品圖像的反光。打開光源并調(diào)節(jié)到適當(dāng)強(qiáng)度的光照，使得冷凍豬肉樣品圖片中脂肪和瘦肉差別較大，采集正對(duì)光源的圖像，將采集到的圖像用MATLAB編程實(shí)現(xiàn)圖像處理。

　　1.3  判定算法

　　首先選擇適當(dāng)?shù)念A(yù)處理方法去除背景得到冷凍豬肉圖像，減小算法計(jì)算量；然后采用色差法對(duì)圖像進(jìn)行分割識(shí)別；設(shè)定色差值的范圍來對(duì)總肌肉和無光澤肌肉進(jìn)行有效識(shí)別；計(jì)算無光澤肌肉像素點(diǎn)個(gè)數(shù)占總肌肉像素點(diǎn)個(gè)數(shù)的比例；將儲(chǔ)藏時(shí)間在3個(gè)月以內(nèi)（1、2和3個(gè)月）和超過12個(gè)月（13、15和17個(gè)月）的冷凍豬肉的無光澤像素點(diǎn)比例的最大值和最小值的平均值作為判定閾值；最后，根據(jù)統(tǒng)計(jì)學(xué)分析確定最佳判定閾值。具體的冷凍豬肉儲(chǔ)藏時(shí)間判定過程如圖2所示。

　　注：R、G、B分別為紅度值、綠度值和藍(lán)度值，下同。

　　1.3.1  目標(biāo)圖像與背景分割

　　首先選擇適當(dāng)?shù)念A(yù)處理方法去除背景得到冷凍豬肉圖像，減小算法計(jì)算量，且圖像邊界分割是圖像處理和分析的關(guān)鍵步驟，邊界分割結(jié)果的優(yōu)劣對(duì)后繼圖像的理解和識(shí)別起重要作用。本文采用Sobel邊緣檢測(cè)算法對(duì)冷凍豬肉邊界進(jìn)行提取，按式（1）、式（2）的Sobel算子檢測(cè)水平和垂直邊緣。用該算子與圖像進(jìn)行卷積后，提取出冷凍豬肉邊緣圖像。

　　▽fx(X,Y)=[f(X+1,Y-1)+f(X+1,Y)+f(X+1,Y+1)]—f[(X—1，Y—1）+2f(X—1，Y）+f(X—1，Y+1）]      （1）

　　▽fy(X,Y)=[f(X-1,Y+1)+2f(X,Y+1)+f(X-1,Y—1）]       （2）

　　式中▽fx（X, y）及▽fy（X, y）分別代表經(jīng)橫向及縱向邊緣檢測(cè)的圖像灰度值；f（X, Y）表示圖像（X, y）點(diǎn)的灰度值。

　　1.3.2  圖像預(yù)處理

　　由于在采集圖像過程中受到環(huán)境光的影響，實(shí)際得到的圖像往往會(huì)帶有各種噪聲，這些噪聲的存在可能會(huì)使后期的圖像處理和識(shí)別產(chǎn)生困難，并影響試驗(yàn)結(jié)果，因此有必要對(duì)原始圖像進(jìn)行噪聲去除。目前常用的去噪方法有均值濾波、高斯濾波、中值濾波等，對(duì)比這些方法的濾波效果，選用效果較好的濾波法。

　　1.3.3  冷凍豬肉圖像顏色特征提取

　　隨著貯藏時(shí)間的延長(zhǎng)，冷凍豬肉肌紅蛋白被氧化，肉體表面色澤由鮮明逐漸變?yōu)榘岛稚?，失去光澤。?chǔ)藏時(shí)間越長(zhǎng)，肉體表面無光澤面積越大，所以本試驗(yàn)在提取冷凍豬肉圖像的顏色特征用于儲(chǔ)藏時(shí)間判定時(shí)，主要考慮肌肉組織無光澤像素點(diǎn)的個(gè)數(shù)與總肌肉像素點(diǎn)個(gè)數(shù)的比值，即無光澤像素點(diǎn)比例。另外，Ⅳ號(hào)豬肉經(jīng)加工包裹冷凍之后表面有脂肪組織和肌肉組織，因此，為便于準(zhǔn)確計(jì)算肌肉組織的RGB顏色空間信息，需要在特征提取之前將脂肪組織和結(jié)締組織與肌肉組織精確地分割開來。具體步驟如下：

　　1）將去噪之后的冷凍豬肉圖像進(jìn)行灰度轉(zhuǎn)化，根據(jù)灰度閾值將冷凍豬肉所屬區(qū)域劃分為脂肪區(qū)域和肌肉區(qū)域。

　　2）選擇算子(R-B)、(R-G)和B作為特征量進(jìn)行代數(shù)運(yùn)算分析肌肉區(qū)域內(nèi)總肌肉像素點(diǎn)和無光澤肌肉像素點(diǎn)的顏色特征，根據(jù)顏色特征將圖像二值化；

　　3）二值化將圖像劃分為背景和目標(biāo)區(qū)域，白色表示目標(biāo)區(qū)域，黑色表示背景區(qū)域。根據(jù)組合算子特征值確定總肌肉像素點(diǎn)和無光澤肌肉像素點(diǎn)的紅(R)、綠(G)、藍(lán)(B)特征變化關(guān)系作為特征提取依據(jù)，按式（3）計(jì)算冷凍豬肉無光澤肌肉像素點(diǎn)比例，無光澤肌肉像素點(diǎn)比例即無光澤肌肉像素點(diǎn)個(gè)數(shù)占總肌肉像素點(diǎn)個(gè)數(shù)的比例。

　　                （3）

　　式中u為無光澤肌肉像素點(diǎn)比例，%；n為無光澤肌肉像素點(diǎn)個(gè)數(shù)；N為總肌肉像素點(diǎn)個(gè)數(shù)。

　　1.3.4  閾值的確定

　　以冷凍豬肉的無光澤肌肉像素點(diǎn)比例為基礎(chǔ)，具體尋求閾值步驟如下：

　　1）計(jì)算所有批次冷凍豬肉圖像的無光澤肌肉像素點(diǎn)比例，然后計(jì)算儲(chǔ)藏時(shí)間在3個(gè)月以內(nèi)批次中冷凍豬肉圖像無光澤肌肉像素點(diǎn)比例最高值和儲(chǔ)藏時(shí)間超過12個(gè)月批次中冷凍豬肉圖像無光澤肌肉像素點(diǎn)比例最低值的平均值。

　　2）選取上述平均值為閾值，計(jì)算驗(yàn)證集判別準(zhǔn)確度，依次提高或減小閾值，依據(jù)統(tǒng)計(jì)學(xué)規(guī)律，小于或等于該閾值時(shí)，冷凍豬肉的儲(chǔ)藏時(shí)間為3個(gè)月以內(nèi)，大于閾值時(shí)，冷凍豬肉的儲(chǔ)藏時(shí)間超過12個(gè)月，最終得到閾值在某一個(gè)值的情況下，儲(chǔ)藏時(shí)間在3個(gè)月以內(nèi)的冷凍豬肉與儲(chǔ)藏時(shí)間超過12個(gè)月的冷凍豬肉的儲(chǔ)藏時(shí)間判別準(zhǔn)確度均最高。

　　采用1.3節(jié)所述的圖像處理方法首先對(duì)原始圖像進(jìn)行預(yù)處理。圖3為采集得到的冷凍豬肉原圖經(jīng)Sobel邊緣檢測(cè)算法去除背景后的灰度圖，由圖3可以看出，經(jīng)背景去除后的圖像，可以較好地保存圖像的邊緣信息，并且完全去除冷凍豬肉區(qū)域外所有背景。熵是衡量圖像信息豐富程度的一個(gè)重要指標(biāo)。熵越大，表示圖像包含的信息量越多，信息越豐富，圖像的質(zhì)量也越好。表1是各種濾波去噪后圖像的熵對(duì)比統(tǒng)計(jì)，原圖像的熵為2.883 7（表中未標(biāo)出），對(duì)比發(fā)現(xiàn)，高斯濾波后圖像的熵最大，為5.809 4，圖像信息最豐富，表明經(jīng)高斯濾波后能保證圖像的清晰度和一定的信息量。對(duì)比濾波效果，最終采用高斯濾波對(duì)其圖像進(jìn)行去噪處理。

　　2.2  特征條件確定

　　冷凍豬肉經(jīng)長(zhǎng)時(shí)間儲(chǔ)藏，表面會(huì)呈現(xiàn)白色、紅色和深褐色，采用基于顏色空間的分割識(shí)別無疑是一種有效的選擇。但是如果直接對(duì)RGB顏色空間進(jìn)行處理，由于

　　R、G、B 3分量相互融合在一起，相關(guān)性比較大，直接進(jìn)行分割將無法準(zhǔn)確地提取出目標(biāo)物。圖4a是原圖處理對(duì)應(yīng)的3分量直方圖，3分量基本上都集中在[0，50]和[225，255]，峰值波動(dòng)變化較小，很難分割出冷凍豬肉上無光澤處。色差法能將三維分割輸入量轉(zhuǎn)化為一維分量，不僅大大減少了計(jì)算量和運(yùn)行時(shí)間，而且使得目標(biāo)和背景能明顯區(qū)分，基于這種特征，尋找更快速準(zhǔn)確的分割方法才更有效。

　　一般情況下，常采用(R-G)、(R-B)、(G-R)、(G-B)、(B-R)、(B-G)和(2R-G-B)7 種色差信息作為特征量，而冷凍豬肉表面無光澤肌肉處基本上都呈現(xiàn)深褐色，藍(lán)色分量B 會(huì)比較突出，能明顯區(qū)別于正常肉色。所以本文選取B、(R-B)、(R-G)能夠突出冷凍豬肉表面無光澤肌肉處褐色特征的3種算子進(jìn)行處理。(G-R)、(G-B)和(B-R)的灰度圖基本全是黑色（圖5中未表示出），這是因?yàn)橥ㄟ^(G-R)、(G-B)和(B-R)計(jì)算灰度出現(xiàn)負(fù)值超出了[0，255]灰度級(jí)的范圍或者灰度級(jí)太小導(dǎo)致樣品和背景無法區(qū)分。圖4b和圖4c分別是(R-B)和(R-G)色差法對(duì)應(yīng)的色差灰度直方圖，相比較圖4a，色差法使得背景和目標(biāo)灰度值呈現(xiàn)對(duì)數(shù)分布，這樣更有利于后續(xù)分割圖像。所以本文采用色差法對(duì)圖像進(jìn)行分割識(shí)別。

　　依據(jù)統(tǒng)計(jì)學(xué)規(guī)律，將(R-B)≤50，(R-B)≤45，(R-B)≤ 40，(R-B)≤35，(R-B)≤30，(R-B)≤25，(R-B)≤20，(R-B)≤15，(R-B)≤10和(R-G)≤50，(R-G)≤45，(R-G)≤40，(RG)≤35，(R-G)≤30，(R-G)≤25，(R-G)≤20，(R-G)≤15，(R-G)≤10進(jìn)行組合對(duì)冷凍豬肉總肌肉像素點(diǎn)進(jìn)行提取，如圖6a所示，比較發(fā)現(xiàn)，當(dāng)(R-B)≤30，(R-G)≤30時(shí)能較好地識(shí)別出冷凍豬肉表面的總肌肉；在(R-B)≤30，(R-G)

　　≤30的前提下，分別選取B≥80，B≥85，B≥90，B≥95，B≥100，B≥105，B≥110，B≥115對(duì)冷凍豬肉表面無光澤肌肉像素點(diǎn)進(jìn)行提取，如圖6b 所示，比較發(fā)現(xiàn)，當(dāng)

　　B≥100能較好地識(shí)別冷凍豬肉表面無光澤肌肉。所以將(R-B)≤30 且(R-G)≤30作為總肌肉像素點(diǎn)的特征變化關(guān)系，即第一特征條件；將(R-B)≤30 且(R-G)≤30且

　　100≤B作為無光澤肌肉像素點(diǎn)的特征變化關(guān)系，即第二特征條件。根據(jù)第一特征條件從基色特征值中獲取第一像素點(diǎn)個(gè)數(shù)，即總肌肉像素點(diǎn)個(gè)數(shù)；根據(jù)第二特征條件

　　從基色特征值中獲取第二像素點(diǎn)個(gè)數(shù)，即無光澤肌肉像素點(diǎn)個(gè)數(shù)。

圖6  不同色差指標(biāo)二值化圖

　　根據(jù)公式（3）計(jì)算所有批次冷凍豬肉無光澤肌肉像素點(diǎn)比例的平均值，所有批次冷凍豬肉無光澤肌肉像素點(diǎn)比例如圖7 所示。1～3、4～5、7～9批次儲(chǔ)藏時(shí)間分別為1個(gè)月、2個(gè)月和3個(gè)月，10、11、12批次儲(chǔ)藏時(shí)間分別為13、15和17個(gè)月。由圖7可以看出，第9批次冷凍豬肉在儲(chǔ)藏時(shí)間在3 個(gè)月內(nèi)所用批次中無光澤像素點(diǎn)比例最高，為24.3%，第10批次冷凍豬肉在儲(chǔ)藏時(shí)間超過12個(gè)月所有批次中無光澤像素點(diǎn)比例最低，為29.2%，取兩者平均值26.8%作為判定閾值。

圖7  不同批次冷凍肉無光澤肌肉肉像素點(diǎn)比例

　　選取上述平均值26.8%為閾值，計(jì)算校正集判別準(zhǔn)確度，依次提高或減小閾值，以24.3%和29.2%為最小和最大閾值，依據(jù)統(tǒng)計(jì)學(xué)規(guī)律，不同無光澤肌肉像素點(diǎn)比例

　　條件下閾值判定統(tǒng)計(jì)結(jié)果如表2所示。由表2可以看出，隨著無光澤肌肉像素點(diǎn)比例的增加，儲(chǔ)藏3個(gè)月以內(nèi)（1、2 和3個(gè)月）的冷凍豬肉和儲(chǔ)藏時(shí)間超過12個(gè)月（13、15和17個(gè)月）的冷凍豬肉的判定準(zhǔn)確度分別升高或降低；當(dāng)無光澤肌肉像素點(diǎn)比例為26.8%時(shí)，儲(chǔ)藏時(shí)間在3個(gè)月以內(nèi)和超過12個(gè)月的冷凍豬肉驗(yàn)證檢測(cè)判定準(zhǔn)確度綜合較好，分別為90.00%和81.67%。

　　本試驗(yàn)在判定閾值為26.8%時(shí)，儲(chǔ)藏時(shí)間在3個(gè)月以內(nèi)和超過12個(gè)月的冷凍豬肉驗(yàn)證準(zhǔn)確度分別為90.00%和81.67%，判定準(zhǔn)確度相對(duì)來說不是很高，可能原因是樣本量相對(duì)較少，后期試驗(yàn)中我們將進(jìn)一步補(bǔ)充樣品量尤其是儲(chǔ)藏時(shí)間超過12個(gè)月的冷凍豬肉樣品，以期豐富無光澤肌肉像素點(diǎn)比例值，提高判定準(zhǔn)確性。本試驗(yàn)中缺少儲(chǔ)藏時(shí)間大于3個(gè)月且小于12個(gè)月的冷凍豬肉樣品，后期試驗(yàn)中我們也將進(jìn)一步補(bǔ)充樣品種類，擴(kuò)大判定范圍。目前也有文獻(xiàn)報(bào)道采用空氣相色譜離子遷移譜技術(shù)對(duì)冷凍豬肉儲(chǔ)藏時(shí)間進(jìn)行快速判定，其通過采集和分析冷凍豬肉表層或淺表層脂肪氧化所產(chǎn)生的揮發(fā)性有機(jī)物，采用主成分分析對(duì)不同儲(chǔ)藏時(shí)間冷凍豬肉的揮發(fā)性有機(jī)物數(shù)據(jù)進(jìn)行維度壓縮，利用 K均值聚類分析算法建立判別模型，空氣相色譜離子遷移譜技術(shù)具有高分辨率、高靈敏度、分析高效、操作簡(jiǎn)便等特點(diǎn)，但基于機(jī)器視覺技術(shù)和圖像處理技術(shù)對(duì)冷凍豬肉RGB顏色空間進(jìn)行提取對(duì)冷凍豬肉儲(chǔ)藏時(shí)間進(jìn)行判定時(shí)，無需對(duì)樣品進(jìn)行理化指標(biāo)的測(cè)定，是一種具有低成本、高效率、操作簡(jiǎn)單等特點(diǎn)的無損檢測(cè)方式。

　　本文結(jié)合機(jī)器視覺技術(shù)和圖像處理技術(shù)對(duì)儲(chǔ)藏時(shí)間在3個(gè)月以內(nèi)（1、2和3個(gè)月）和超過12個(gè)月（13、15和17個(gè)月）的冷凍豬肉的儲(chǔ)藏時(shí)間進(jìn)行了判定研究，利用色差法提出了無光澤肌肉像素點(diǎn)比例可作為用于檢測(cè)的圖像特征，試驗(yàn)結(jié)果表明判定閾值即無光澤肌肉像素點(diǎn)比例為26.8%時(shí)，儲(chǔ)藏時(shí)間在3個(gè)月以內(nèi)和超過12 個(gè)月的冷凍豬肉驗(yàn)證準(zhǔn)確度分別為90.00%和81.67%。該方法彌補(bǔ)了目前國內(nèi)對(duì)冷凍豬肉儲(chǔ)藏時(shí)間的判定方法的空缺，不僅能提高判定的準(zhǔn)確性和客觀性，而且還能克服人工目測(cè)以及化學(xué)分析等產(chǎn)生的檢測(cè)疲勞、主觀因素多、費(fèi)時(shí)以及樣品破損等不足。本分析方法為冷凍豬肉儲(chǔ)藏時(shí)間的判定提供了可靠的依據(jù)，為冷凍豬肉期貨品種上市提供了一定的技術(shù)支持，具有良好的應(yīng)用前景和重要的社會(huì)經(jīng)濟(jì)價(jià)值。