一种基于机器视觉的肥育猪肉肉质评价方法及系统技术方案

本发明专利技术公开了一种基于机器视觉的肥育猪肉肉质评价方法及系统，采集待测猪肉的猪肉图像；将猪肉图像分割成多个子区域图像；筛选各个子区域图像中的所有肌肉子图像作为肌肉子图像集合；建立肌肉子图像集合中各个肌肉子图像的快速扫描序列表；依次检测肌肉子图像集合的各个肌肉子图像中是否存在亮度高于酸化亮度阈值的肌肉子图像；如果存在亮度高于酸化亮度阈值的肌肉子图像则标记待测猪肉为不新鲜猪肉，否则标记待测猪肉为新鲜猪肉；形成量化的评价，快速、准确的对猪肉的品质进行评定，并且不用依赖于特定的硬件装置结构，对猪肉图像的实时检测效果好，检测效率高，图像处理的速度快，并且快速的得到猪肉品质的结果。

【技术实现步骤摘要】
一种基于机器视觉的肥育猪肉肉质评价方法及系统
本公开属于机器视觉处理、肉类新鲜度品质检测调度领域，具体涉及一种基于机器视觉的肥育猪肉肉质评价方法及系统。
技术介绍
在猪肉的品质检测方面，目前对于猪肉的品质检测主要是通过人工以主观评价，按照猪肉颜色标准图谱来进行评价，由于人工判断比较主观，而且在大量的比对工作时误差很大，无法形成量化标准，不能够快速、准确的对猪肉的品质进行评定，其不仅流程繁琐而且时常出现不同人检测结果不一样的情况，很大一部分取决于评价人员的业务水平，难以客观形成量化的评价。在以机器视觉检测畜肉质量的现有技术中，公开号为KR100514471(B1)的专利技术用近红外光谱检测肉新鲜度，只建立了光谱信息与挥发性盐基氮指标之间的关系对肉类新鲜度进行预测，指标过于单一，难以评价肉类新鲜度；而申请号为CN200910098332.7的专利技术公开了一种基于机器视觉的猪肉外观品质实时检测分级方法，通过采集猪肉图像；利用分级软件进行实时图像处理和特征提取；得到反映猪肉外观品质的特征信息；再利用预测模型对肉品质进行评价，对眼肌肉完成颜色、本文档来自技高网...

【技术保护点】
1.一种基于机器视觉的肥育猪肉肉质评价方法，其特征在于，所述方法包括以下步骤：/nS100：采集待测猪肉的猪肉图像；/nS200：将猪肉图像分割成多个子区域图像；/nS300，筛选各个子区域图像中的所有肌肉子图像作为肌肉子图像集合；/nS400，建立肌肉子图像集合中各个肌肉子图像的快速扫描序列表；/nS500，根据快速扫描序列表中各个肌肉子图像的序号依次检测肌肉子图像集合的各个肌肉子图像中是否存在亮度高于酸化亮度阈值的肌肉子图像；/nS600，如果存在亮度高于酸化亮度阈值的肌肉子图像则标记待测猪肉为不新鲜猪肉，否则标记待测猪肉为新鲜猪肉。/n

【技术特征摘要】
1.一种基于机器视觉的肥育猪肉肉质评价方法，其特征在于，所述方法包括以下步骤：
S100：采集待测猪肉的猪肉图像；
S200：将猪肉图像分割成多个子区域图像；
S300，筛选各个子区域图像中的所有肌肉子图像作为肌肉子图像集合；
S400，建立肌肉子图像集合中各个肌肉子图像的快速扫描序列表；
S500，根据快速扫描序列表中各个肌肉子图像的序号依次检测肌肉子图像集合的各个肌肉子图像中是否存在亮度高于酸化亮度阈值的肌肉子图像；
S600，如果存在亮度高于酸化亮度阈值的肌肉子图像则标记待测猪肉为不新鲜猪肉，否则标记待测猪肉为新鲜猪肉。


2.根据权利要求1所述的一种基于机器视觉的肥育猪肉肉质评价方法，其特征在于，在S100中，采集待测猪肉的猪肉图像的方法为：将待测猪肉置于CT机或者CCD线阵相机的视场范围内，以波长范围600nm到800nm的标准光源进行扫描得到猪肉图像。


3.根据权利要求1所述的一种基于机器视觉的肥育猪肉肉质评价方法，其特征在于，在S200中，将猪肉图像分割成多个子区域图像的方法为：将猪肉图像进行高斯滤波，并且进行灰度化得到灰度图像，通过Canny边缘检测算法识别出灰度图像中的图像边缘线，以各个图像边缘线将猪肉图像分割成多个子区域图像。


4.根据权利要求1所述的一种基于机器视觉的肥育猪肉肉质评价方法，其特征在于，在S200中，将猪肉图像分割成多个子区域图像的方法为：通过最大类间方差法去除猪肉图像的背景，并且以中值滤波对图像降噪，将降噪后的图像灰度化得到灰度图像，使用Sobel算子或者laplacian算子计算灰度图像的梯度图像，然后通过分水岭算法对梯度图像进行分割得到多个子区域图像。


5.根据权利要求1所述的一种基于机器视觉的肥育猪肉肉质评价方法，其特征在于，在S300中，筛选各个子区域图像中的所有肌肉子图像作为肌肉子图像集合的方法为：
S301,依次计算各个子区域图像中所有像素的平均灰度值A1；
S302,计算所有子区域图像的A1的算术平均值A2；或者，选取所有子区域图像的平均灰度值A1的最大值和最小值，求最大值和最小值的算术平均值作为A2，即取最大值和最小值的中值为A2；
S303,筛选出平均灰度值A1高于A2的子区域图像作为对比图像；
S304,计算所有对比图像的平均灰度值A1的算术平均值A3；
S305,筛选出所有平均灰度值A1小于A3的子区域图像作为肌肉子图像从而得到肌肉子图像集合，肌肉子图像集合中的肌肉子图像按照筛选得到的先后顺序依次排列。


6.根据权利要求1所述的一种基于机器视觉的肥育猪肉肉质评价方法，其特征在于，在S400中，建立肌肉子图像集合中各个肌肉子图像的快速扫描序列表的方法为：
S401，设置一个快速扫描序列表，快速扫描序列表用于存储肌肉子图像集合中各个肌肉子图像的序号；令肌肉子图像集合中的肌肉子图像为Di1，变量i1的初值为1，i1取值范围为[1,n1]，n1为肌肉子图像集合中肌肉子图像的数量；设置变量j1的初值为1,肌肉子图像集合中第i1个肌肉子图像中第j1个像素点为Mi1,j1,j1取值范围为[1,m1]，m1为肌肉子图像Di1中的像素数量；为每个肌肉子图像Di1对应设置1个对应的计数器Counti1,Counti1为第i1个计数器，所有计数器Counti1的初始值为0；
S402，当i1小于或等于n1并且j1小于或等于m1时，令子图像Di1中的第j1个像素的像素坐标为(x,y),分别计算像素坐标为(x,y)、(x+1,y)、(x-1,y)、(x,y+1)、(x,y-1)、(x+1,y+1)、(x+1,y-1)、(x-1,y+1)、(x-1,y-1)的像素的亮度值；
S403，如果像素坐标为(x+1,y)、(x-1,y)、(x,y+1)、(x,y-1)、(x+1,y+1)、(x+1,y-1)、(x-1,y+1)、(x-1,y-1)的像素的亮度值中不存在大于亮度平均值A1的像素，则通过步骤S4031到步骤S4035进行移位扫描操作，如果像素坐标为(x+1,y)、(x-1,y)、(x,y+1)、(x,y-1)、(x+1,y+1)、(x+1,y-1)、(x-1,y+1)、(x-1,y-1)的像素的亮度值中存在大于亮度平均值A1的像素则跳转到步骤S404；
S4031,设置变量q的初值为1；
S4032,计算像素坐标为(x+q,y)、(x,y-q)、(x+1,y-q)三个像素的亮度值L1、L2、L3，令三个像素分别为w1,w2,w3；
S4033,令像素w1的坐标为(x1,y1)，依次计算(x1+1,y1)、(x1-1,y1)、(x1,y1+1)、(x1,y1-1)、(x1+1,y1+1)、(x1+1,y1-1)、(x1-1,y1+1)、(x1-1,y1-1)的像素的亮度值，取其中最小值Min_w1；
S4034,令像素w2的坐标为(x2,y2)，依次计算(x2+1,y2)、(x2-1,y2)、(x2,y2+1)、(x2,y2-1)、(x2+1,y2+1)、(x2+1,y2-1)、(x2-1,y2+1)、(x2-1,y2-1)的像素的亮度值，取其中最小值Min...

【专利技术属性】
技术研发人员：邓盾，马现永，田志梅，崔艺燕，刘志昌，余苗，鲁慧杰，
申请(专利权)人：广东省农业科学院动物科学研究所，
类型：发明
国别省市：广东;44