摘要：為解決冷凍豬肉儲藏時間在人工判定中準(zhǔn)確率和效率低的問題，該研究基于機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比例作為自動判定冷凍豬肉儲藏時間的特征參數(shù)。結(jié)果顯示：將紅度（R）與藍度（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 且藍度（B）大于等于100作為第二特征條件對冷凍豬肉顏色特征進行提取時，二值化圖像能較好地識別冷凍豬肉表面總肌肉和無光澤肌肉?；诮y(tǒng)計學(xué)分析，當(dāng)儲藏時間在3 個月以內(nèi)（1、2 和3個月）和超過12個月（13、15 和17個月）的冷凍豬肉無光澤肌肉像素點比例閾值為26.8%時，冷凍豬肉驗證檢測判定準(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比例的判定方法可以為實際應(yīng)用提供技術(shù)支持和參考。

　　關(guān)鍵詞：無損檢測；圖像處理；儲藏；冷凍豬肉；無光澤肌肉像素點比例；機器視覺技術(shù)

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

　　近30年來，機器視覺技術(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)等各個領(lǐng)域。隨著機器視覺技術(shù)理論和實踐越來越成熟，機器視覺技術(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、體高、胸深、腹長、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)進行瘦肉率估測。潘婧等基于計算機視覺，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)造各類新鮮度等級預(yù)測模型。周煒建立了基于計算機視覺技術(shù)的豬肉圖像采集系統(tǒng), 通過對豬肉圖像消噪方法和豬肉圖像特征參數(shù)的優(yōu)化，建立了基于計算機視覺技術(shù)的豬肉新鮮度識別模型。Dowlati等通過機器視覺基于鰓和眼睛的顏色變化來評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。從以上文獻分析可知，利用機器視覺技術(shù)提取肉品圖像特征，通過圖像處理技術(shù)實現(xiàn)肉品等級無損評定是無損檢測自動判定的研究熱點。經(jīng)調(diào)研，目前冷凍豬肉交易市場上多為儲藏時間在3個月以內(nèi)和12個以上的的冷凍豬肉，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冷凍豬肉的儲藏時間進行判定和對豬肉的價格進行劃分，儲藏時間在3個月以內(nèi)的被劃分為正肉，儲藏時間超過12個月的被劃分為低價肉。本研究以儲藏時間分別為1、2、3、13、15、17個月的冷凍豬肉為試驗原料，采用自發(fā)研制的圖像采集裝置采集冷凍豬肉圖像，基于機器視覺技術(shù)，在RGB顏色空間下分割圖像，求取與儲藏時間相關(guān)的無光澤肌肉像素點比例的最佳閾值，進一步對冷凍豬肉儲藏時間進行判定驗證。將最佳閾值作為區(qū)分冷凍豬肉儲藏時間的標(biāo)準(zhǔn)，為企業(yè)實現(xiàn)冷凍豬肉儲藏時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 4.鏡頭 5.圖像分析軟件 6.光源控制器 7.載物臺

　　試驗所用3個月以內(nèi)或12個月以上冷凍豬肉全部采購自北京某生豬屠宰場有限公司和北京某冷凍批發(fā)市場，均為按照GB/T 9959.2-2008，2017年生產(chǎn)的分割冷凍Ⅳ號豬肉。進行圖像采集之前，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，待樣品中心溫度達到（0±1）℃時，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所示的載物臺上，即可進行圖像采集。

　　1.2  圖像采集系統(tǒng)與方法

　　冷凍豬肉圖像的攝取由實驗室自主研發(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（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（臺板面積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上，然后將圖像采集裝置的側(cè)門關(guān)閉，載物臺表面和采集裝置內(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，采集正對光源的圖像，將采集到的圖像用MATLAB編程實現(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，減小算法計算量；然后采用色差法對圖像進行分割識別；設(shè)定色差值的范圍來對總肌肉和無光澤肌肉進行有效識別；計算無光澤肌肉像素點個數(shù)占總肌肉像素點個數(shù)的比例；將儲藏時間在3個月以內(nèi)（1、2和3個月）和超過12個月（13、15和17個月）的冷凍豬肉的無光澤像素點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)計學(xué)分析確定最佳判定閾值。具體的冷凍豬肉儲藏時間判定過程如圖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)劣對后繼圖像的理解和識別起重要作用。本文采用Sobel邊緣檢測算法對冷凍豬肉邊界進行提取，按式（1）、式（2）的Sobel算子檢測水平和垂直邊緣。用該算子與圖像進行卷積后，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的圖像灰度值；f（X, Y）表示圖像（X, y）點的灰度值。

　　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，實際得到的圖像往往會帶有各種噪聲，這些噪聲的存在可能會使后期的圖像處理和識別產(chǎn)生困難，并影響試驗結(jié)果，因此有必要對原始圖像進行噪聲去除。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

　　隨著貯藏時間的延長，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。儲藏時間越長，肉體表面無光澤面積越大，所以本試驗在提取冷凍豬肉圖像的顏色特征用于儲藏時間判定時，主要考慮肌肉組織無光澤像素點的個數(shù)與總肌肉像素點個數(shù)的比值，即無光澤像素點比例。另外，Ⅳ號豬肉經(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作為特征量進行代數(shù)運算分析肌肉區(qū)域內(nèi)總肌肉像素點和無光澤肌肉像素點的顏色特征，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和無光澤肌肉像素點的紅(R)、綠(G)、藍(B)特征變化關(guān)系作為特征提取依據(jù)，按式（3）計算冷凍豬肉無光澤肌肉像素點比例，無光澤肌肉像素點比例即無光澤肌肉像素點個數(shù)占總肌肉像素點個數(shù)的比例。

　　                （3）

　　式中u為無光澤肌肉像素點比例，%；n為無光澤肌肉像素點個數(shù)；N為總肌肉像素點個數(shù)。

　　1.3.4  閾值的確定

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

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

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

　　采用1.3節(jié)所述的圖像處理方法首先對原始圖像進行預(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比統(tǒng)計，原圖像的熵為2.883 7（表中未標(biāo)出），對比發(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。對比濾波效果，最終采用高斯濾波對其圖像進行去噪處理。

　　2.2  特征條件確定

　　冷凍豬肉經(jīng)長時間儲藏，表面會呈現(xiàn)白色、紅色和深褐色，采用基于顏色空間的分割識別無疑是一種有效的選擇。但是如果直接對RGB顏色空間進行處理，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，不僅大大減少了計算量和運行時間，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，藍色分量B 會比較突出，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），這是因為通過(G-R)、(G-B)和(B-R)計算灰度出現(xiàn)負值超出了[0，255]灰度級的范圍或者灰度級太小導(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圖像進行分割識別。

　　依據(jù)統(tǒng)計學(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進行組合對冷凍豬肉總肌肉像素點進行提取，如圖6a所示，比較發(fā)現(xiàn)，當(dāng)(R-B)≤30，(R-G)≤30時能較好地識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對冷凍豬肉表面無光澤肌肉像素點進行提取，如圖6b 所示，比較發(fā)現(xiàn)，當(dāng)

　　B≥100能較好地識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個數(shù)，即總肌肉像素點個數(shù)；根據(jù)第二特征條件

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

圖6  不同色差指標(biāo)二值化圖

　　根據(jù)公式（3）計算所有批次冷凍豬肉無光澤肌肉像素點比例的平均值，所有批次冷凍豬肉無光澤肌肉像素點比例如圖7 所示。1～3、4～5、7～9批次儲藏時間分別為1個月、2個月和3個月，10、11、12批次儲藏時間分別為13、15和17個月。由圖7可以看出，第9批次冷凍豬肉在儲藏時間在3 個月內(nèi)所用批次中無光澤像素點比例最高，為24.3%，第10批次冷凍豬肉在儲藏時間超過12個月所有批次中無光澤像素點比例最低，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比例

　　選取上述平均值26.8%為閾值，計算校正集判別準(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)計學(xué)規(guī)律，不同無光澤肌肉像素點比例

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

　　本試驗在判定閾值為26.8%時，儲藏時間在3個月以內(nèi)和超過12個月的冷凍豬肉驗證準(zhǔn)確度分別為90.00%和81.67%，判定準(zhǔn)確度相對來說不是很高，可能原因是樣本量相對較少，后期試驗中我們將進一步補充樣品量尤其是儲藏時間超過12個月的冷凍豬肉樣品，以期豐富無光澤肌肉像素點比例值，提高判定準(zhǔn)確性。本試驗中缺少儲藏時間大于3個月且小于12個月的冷凍豬肉樣品，后期試驗中我們也將進一步補充樣品種類，擴大判定范圍。目前也有文獻報道采用空氣相色譜離子遷移譜技術(shù)對冷凍豬肉儲藏時間進行快速判定，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)性有機物，采用主成分分析對不同儲藏時間冷凍豬肉的揮發(fā)性有機物數(shù)據(jù)進行維度壓縮，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、操作簡便等特點，但基于機器視覺技術(shù)和圖像處理技術(shù)對冷凍豬肉RGB顏色空間進行提取對冷凍豬肉儲藏時間進行判定時，無需對樣品進行理化指標(biāo)的測定，是一種具有低成本、高效率、操作簡單等特點的無損檢測方式。

　　本文結(jié)合機器視覺技術(shù)和圖像處理技術(shù)對儲藏時間在3個月以內(nèi)（1、2和3個月）和超過12個月（13、15和17個月）的冷凍豬肉的儲藏時間進行了判定研究，利用色差法提出了無光澤肌肉像素點比例可作為用于檢測的圖像特征，試驗結(jié)果表明判定閾值即無光澤肌肉像素點比例為26.8%時，儲藏時間在3個月以內(nèi)和超過12 個月的冷凍豬肉驗證準(zhǔn)確度分別為90.00%和81.67%。該方法彌補了目前國內(nèi)對冷凍豬肉儲藏時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以及化學(xué)分析等產(chǎn)生的檢測疲勞、主觀因素多、費時以及樣品破損等不足。本分析方法為冷凍豬肉儲藏時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經(jīng)濟價值。