基于计算机视觉的牛肉颜色自动分级技术研究

《基于计算机视觉的牛肉颜色自动分级技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、南京农业大学硕士学位论文基于计算机视觉的牛肉颜色自动分级技术研究姓名：陆秋琰申请学位级别：硕士专业：农业机械化工程指导教师：陈坤杰20080601摘要基于计算机视觉的牛肉颜色自动分级技术研究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

2、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

3、。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

4、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

5、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。关键词：计算机视觉；牛肉颜色；分级；光照系统；BP神经网络；支持向量机ABSTRACTSTUDYoNAUTOM随TICGRADINGFORBEEFCOLORBASEDoNCOMPUTERVISIONImplementationofthebeefgradingsystemisimportanttodevelopbeefearleindustry．ThetradestandardofbeefCarcassgradinghasbeenconducte

6、dinourcountry．Thebeefcolorisoneofimportantqualityindexesofbeef．Thecolorgradingofbeefisstilldonebyhumanvisualinspectingatpresent．Thereareseriesofproblemsinmanualoperationduetothesubjectivity,low-levelefficiency,andsomeothershortcomings．Therefore，studyingauto

7、maticgradingmethodofbeefcolorbasedonthecomputervisiontechnologyisofgreatimportance，whichcanresolvetheproblemsbroughtbymanualactivityandpromoteautomationlevelofourbeefcattleindustry．AlightingdeviceforcapturingsystemofbeefimageWasdesignedandthenimagesofbeefri

8、b．eyecross．sectionwerecollectedusingthisdevice．Followingpre—processingofimages，theextractionofthecolorcharacteristicswascarriedout．Finally,twoclassifiersdesignedbyauthorwereusedtoclassifythebeefmusclec