基于计算机视觉的牛肉颜色自动分级技术研究

论文摘要

推行牛肉分级制度是促进肉牛产业发展的重要因素。我国已出台了牛胴体分级的行业标准,其中牛肉的颜色是表征牛肉质量的重要指标之一。目前,由于技术原因,对牛肉颜色等级的评定工作仍然停留在人工操作的水平,存在着主观性强和效率低等缺点。利用计算机视觉进行牛肉颜色的自动分级,将克服人工分级带来的诸多缺点,对规范我国牛肉市场,提高我国肉牛产业自动化水平具有重要的推动作用。本研究设计制作了一个牛肉图像采集光照系统,然后利用该系统进行牛胴体眼肌切面图像的采集,在对所采集的图像进行预处理后,提取肌肉和脂肪的颜色特征,最后设计了两种分类器对牛肉肌肉颜色和脂肪颜色进行自动分级。其主要研究工作如下:1.设计并制作了一个图像采集光照系统,为牛肉颜色自动分级系统获得准确的牛肉颜色信息打下基础。通过实验研究对图像采集光照系统的光照均匀性、强度以及显色能力进行了深入的分析与研究。实验结果表明该装置可以使被采集的牛肉获得均匀且具有一定强度和颜色复现的照明效果.2.运用图像处理技术对采集得到的牛胴体眼肌切面的图像进行预处理,主要包括图像去噪、图像背景分割、牛肉肌肉和脂肪颜色有效判定部位的分割。牛胴体眼肌切面图像的去噪采用了空间域低通滤波,有效地去除了设备和环境造成的噪声.图像背景的分割采用了边界跟踪法。牛肉肌肉和脂肪颜色的有效判定部位的分割结合采用了大津法、全方位腐蚀和膨胀、图像与运算等图像处理方法。结果显示该方法可以获得较理想的分割效果。3.将分割完成的牛肉图像在RGB和HSI两个颜色空间中进行描述,并分别计算R、G、B、H、S、I六个颜色分量的平均值和标准偏差共12个颜色特征作为牛肉肌肉颜色和脂肪颜色的定量描述参数.4.利用BP神经网络和支持向量机两种模式识别方法设计了两种分类器,以上述12个颜色特征参数为输入变量进行了牛肉肌肉颜色和脂肪颜色等级的自动分级。实验结果表明,基于BP神经网络的分类器对牛肉肌肉颜色测试集样本等级判定的正确率可达95.0%,对牛肉脂肪测试集样本等级判定的正确率可达97.4%。基于支持向量机的分类器对牛肉肌肉颜色测试集样本等级判定的正确率可达97.5%,对牛肉脂肪测试集样本等级判定的正确率可达97.4%。实验结果表明,这两种分类器都是进行牛肉颜色自动分级的有效工具,运用支持向量机分类器得到的结果更好一些。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究的目的和意义
• 1.2 计算机视觉在农产品颜色分类方面的研究概况
• 1.3 国内外对于牛肉颜色的研究概况
• 1.4 本文主要研究内容
• 第二章 颜色及颜色空间
• 2.1 光及光源
• 2.2 颜色视觉
• 2.3 颜色空间
• 2.3.1 RGB颜色模型
• 2.3.2 HSI颜色模型
• 2.3.3 CIE XYZ颜色模型
• 2.3.4 CIE xyY颜色模型
• 2.3.5 CIE 1976 LAB颜色模型
• 2.4 本章小节
• 第三章 图像采集光照系统的设计
• 3.1 照明设备的总体设计
• 3.1.1 照明方法的确定
• 3.1.2 照明箱体设计
• 3.1.3 照明光源的选择
• 3.2 照明装置的实验研究
• 3.2.1 光照均匀性与强度分析
• 3.2.1.1 实验材料与设备
• 3.2.1.2 实验方法
• 3.2.1.3 光照效果检测
• 3.2.1.4 实验结果与分析
• 3.2.2 光源的显色能力分析
• 3.2.2.1 光源色度坐标及标准色板颜色的测定
• 3.2.2.2 色差计算
• 3.3 本章小节
• 第四章 牛肉图像采集、预处理及颜色特征提取
• 4.1 牛肉图像采集
• 4.2 牛胴体眼肌切面图像预处理
• 4.2.1 牛胴体眼肌切面图像去噪
• 4.2.2 牛胴体眼肌切面图像背景的分割
• 4.2.3 背长肌和背膘脂肪的分割
• 4.3 颜色特征提取
• 4.4 本章小节
• 第五章 牛肉颜色自动分级方法研究
• 5.1 模式识别概述
• 5.2 牛肉颜色的BP神经网络分级方法
• 5.2.1 BP神经网络简介
• 5.2.2 BP神经网络分类器设计
• 5.2.2.1 BP神经网络结构设计
• 5.2.2.2 训练方法及其参数的选择
• 5.2.3 基于BP神经网络分级的结果
• 5.3 牛肉颜色的支持向量机分级方法
• 5.3.1 支持向量机简介
• 5.3.1.1 线性问题
• 5.3.1.2 非线性问题
• 5.3.2 支持向量机分类器设计
• 5.3.3 基于支持向量机分级的结果
• 5.4 分级结果讨论
• 5.5 本章小节
• 第六章 结论与展望
• 6.1 结论
• 6.2 展望
• 参考文献
• 附录A 牛肉肌肉颜色特征值
• 附录B 牛肉脂肪颜色特征值
• 附录C 牛肉肌肉颜色特征值统计表
• 附录D 牛肉脂肪颜色特征值统计表
• 攻读学位期间发表的论文
• 致谢