论文部分内容阅读
猪肉具有丰富的营养价值,其已经成为我国居民肉类膳食结构中最主要的一部分。新鲜度是人们评价猪肉质量重要的指标之一,新鲜度识别技术是保证猪肉品质安全的重要手段和保障。本文以猪肉通脊部位为研究对象,以计算机视觉技术为核心,开展基于颜色特征优化的猪肉新鲜度判定模型研究,并基于Android平台开发手机应用,为实时、现场、准确的判定猪肉新鲜度提供可靠方法。主要研究内容如下:首先详细阐述了本次研究用到的图像预处理算法,对图像处理过程中涉及到的相关方法进行了介绍,并对各个方法处理结果进行了对比分析,选出较为合适本次研究的预处理方法,最终实现目标区域图像能完全从背景图像中分离出来。此外,还对本次构建的图像采集系统及所用到的颜色模型进行了介绍。其次研究了针对猪肉高光图像所采用的高光去除算法,采用MSF图计算、自适应阈值计算及漫反射像素的区分条件,提出了基于实际光色度估算的改进高光去除算法;采用结构相似法对处理后的图像质量进行评价,结果显示改进后的算法得到的漫反射图像比直接使用原算法得到的图像的SSIM的值大,失真度更小,可为覆盖保鲜膜的猪肉直接进行颜色特征提取提供一定参考。然后提出了猪肉新鲜度等级预测的颜色特征参数优化选取方法。提取了猪肉通脊部位的12个常用的颜色特征参数R、G、B、H、I、S、L~*、a~*、b~*、r、g、b的均值,组合成RGB-HIS、RGB-L~*a~*b~*、rgb-HIS、rgb-L~*a~*b~*和HIS-L~*a~*b~*这5类特征参数组合。构建了BP和SVM两种猪肉新鲜度预测模型,并将上述5类组合分别作为模型的输入参数进行新鲜度等级的预测。预测结果显示不管选择BP模型还是SVM模型,rgb-HIS组合时猪肉新鲜度预测准确率均为最高的,分别为88.89%和95.56%。故在进行通脊新鲜度等级时,建议选择rgb-HIS颜色特征值组合作为神经网络的输入。最后构建了基于Android平台的猪肉新鲜度识别系统。因目前猪肉新鲜度的判定更多的还是在实验室或其他固定场所进行,为实现不再局限于在某个地点,能更加贴近实际需要,开发构建了基于Android手机的猪肉新鲜度识别系统。详述了系统中手机移动端的图像采集和传输、服务器端的图像分析、识别和结果返回等相关功能,并对整个系统的功能实现和识别准确率进行了测试,测试结果显示系统功能实现符合设计要求,且样本整体的识别率为93.33%,系统可满足准确性需求。