基于手機拍攝圖像豬肉新鮮度的檢測

摘要：首先對手機拍攝的豬肉圖像進行預處理，利用Otsu算法較好地分割出圖像中的豬肉部分和背景，然后用顏色因子∣R-G∣+∣R-B∣的值對圖像進行彩色分層從而計算出顏色區(qū)域比值，建立了用豬肉的色澤、黏度、彈性、氨氣、硫化氫、表面菌落總數、顏色區(qū)域比等7個特征為輸入的BP網絡分類模型。試驗結果表明，該方法能夠較好地對豬肉新鮮度進行檢測。

關鍵詞：豬肉；新鮮度；顏色因子；BP神經網絡

中圖分類號：TP751.1 文獻標識碼：A 文章編號：0439-8114（2013）13-3168-03

我國是世界上最大的豬肉生產和消費國，據中國國家統(tǒng)計局統(tǒng)計，2011年我國豬肉產量為5 053萬t，約占全球總產量的50%。豬肉新鮮度是豬肉品質最重要的評價標準。

隨著《中華人民共和國動物防疫法》和《生豬屠宰管理條例》的頒布實施[1]，全國各地均開展了定點屠宰、集中檢疫工作，從根本上杜絕了私屠濫宰，尤其是防止對染疫及死因不明動物的屠宰，從而保證了上市肉品的安全性及品質。但肉品在屠宰、分割、包裝、運輸、銷售等過程中有很多被微生物污染的機會，會導致肉品發(fā)生變質甚至腐敗。近期以來，消費者對豬肉產品的安全問題日益關注，我國生豬產業(yè)已處于發(fā)展的瓶頸階段[2]。因此，如何快速有效地檢測豬肉的新鮮度是亟待解決的問題。

常用的豬肉新鮮度檢驗方法有豬肉表面菌落總數[3，4]、揮發(fā)性鹽基氨（TVB-N）[5]、pH、硫化氫，還有K值、球蛋白、氨等測定方法。這些方法大多操作復雜，技術含量高，檢測時間長，不便于對豬肉新鮮度進行快速檢測。該系統(tǒng)基于計算機視覺，用手機拍攝豬肉圖片，輸入到手機中安裝的豬肉新鮮度檢測系統(tǒng)中進行評定。此方法快速有效，簡單易行，適用于任何單位和個人。

1 材料與方法

1.1 檢測材料

試驗材料為河北省保定市的超市以及農貿市場的市售鮮豬肉，每個采樣點分前膀、里脊、后座3個部位取樣，購回后用清水洗凈，瀝干，切為約2 mm厚、6 cm長、2 cm寬的肉條，制作15個樣本，室溫置于滅菌的培養(yǎng)皿中保存，使豬肉自然腐敗，連續(xù)進行3 d。每天9∶00開始檢測，間隔6～8 h進行一次樣本圖像采集，每天采集3次圖像，并通過對TVB-N的檢測記錄其新鮮度。

1.2 檢測原理

此方法主要是根據豬肉色澤的變化檢測肉質新鮮度。豬肉的色澤主要由肌紅蛋白的化學特性所決定[6]。當豬被屠宰后，由于剛切開的肌肉表面尚未與氧結合而呈暗紅色；當在空氣中與氧接觸后，肌紅蛋白成為氧合肌紅蛋白，從而呈鮮紅色；但在空氣中放久之后氧合肌紅蛋白變成變性肌紅蛋白，使肉呈暗褐色。因此肌肉表面的顏色可以用來表征豬肉的新鮮程度。

1.3 圖像采集方法

將豬肉置于黑色背景下，在非強光照射條件下用三星S5230手機獲取豬肉圖像樣本。拍攝時盡量使手機的鏡頭與豬肉所在的平面平行，使光線在豬肉上均勻分布，避免產生明顯的形變導致后續(xù)處理困難[7]。

1.4 圖像分割

圖像分割是將圖像分成一些有意義的區(qū)域，然后對這些區(qū)域進行描述，相當于提取出某些目標區(qū)域圖像的特征，判斷圖像中是否有感興趣的目標。在自然環(huán)境下用手機拍攝的彩色圖像存在分辨率低、對比度不明顯等情況。因此有必要在分割之前對豬肉圖像樣本進行預處理。

首先采用中值濾波法去除圖像中的噪聲，然后去除圖像背景，采用Otsu算法較好地分割出了圖像中的豬肉部分和背景。試驗用Otsu算法公式計算圖像最佳閾值，然后用這個閾值將灰度圖像二值化，結果如圖1。

圖1（a）為原始圖像，圖1（b）為圖像分割并去除背景后的結果。

1.5 特征提取

對多種圖像特征提取方法的研究和對比，根據豬肉顏色與新鮮度相關的特點，對彩色圖像處理中的彩色分層[8]方法進行了深入研究，在此基礎上提出了一種新的表征新鮮度的圖像特征——顏色區(qū)域比。彩色分層方法能夠突出圖像中特殊的彩色區(qū)域，從而分離出目標物。其基本思路是：①顯示感興趣的顏色以便從背景中把它們分離出來，②像模板那樣使用由彩色定義的區(qū)域，以便進一步處理。此次顏色區(qū)域比利用顏色分層后的區(qū)域[9]，計算顏色分層區(qū)域與圖像總體區(qū)域的面積比值，即顏色分層區(qū)域像素點數量與圖像像素總數之比，顏色區(qū)域比的計算公式如下：

R=■ （1）

其中，I（x，y）為圖像（x，y）點像素值，T為圖像分層閾值，sum（）為求和運算。

由于豬肉紅色變化與新鮮度相關，根據圖像中顏色特征R，以及顏色因子R-G、R-B、∣R-G∣+∣R-B∣的值對圖像進行分層，進而計算顏色區(qū)域比。在試驗中，對于顏色特征R的分層閾值T經過大量試驗，得到最佳值為T=110；對于顏色因子R-G、R-B、∣R-G∣+∣R-B∣的分層閾值T經過大量試驗，得到最佳值為T=30。以上結果是通過對彩色分層計算出大于閾值的顏色區(qū)域比比值，作為新鮮度分類特征值。

2 結果與分析

2.1 試驗結果

如表1所示，表1中的數據是對15組豬肉樣本數據進行平均，由此看出豬肉在腐敗過程中的顏色區(qū)域比變化過程。由表1通過對比發(fā)現，用合成的顏色因子R-G、R-B對圖像進行彩色分層得到的豬肉顏色區(qū)域比變化沒有什么規(guī)律。通過顏色特征R對圖像進行分層，從第1天全天到第2天的15∶00，同一時刻15組肉樣的顏色區(qū)域比平均值都在0.880以上，對應肉樣的新鮮等級可以劃分為新鮮和次新鮮；從第2天21∶00到第3天全天，同一時刻15組肉樣的顏色區(qū)域比平均值都在0.782以下，對應肉樣的新鮮等級可以劃分為次新鮮和腐敗。這種彩色分層方法可以很好地評定豬肉的新鮮等級，但是無法評定豬肉的新鮮和次新鮮等級。

由表1可以看出用顏色因子∣R-G∣+∣R-B∣的值對圖像進行彩色分層從而計算出的顏色區(qū)域比值有明顯的變化規(guī)律。第1天全天同一時刻15組肉樣的顏色區(qū)域比平均值都在0.8以上，對應肉樣的新鮮等級可以劃分為新鮮；第2天全天同一時刻15組肉樣的顏色區(qū)域比平均值都在0.6～0.8之間，對應肉樣的新鮮等級可以劃分為次新鮮；第3天全天同一時刻15組肉樣的顏色區(qū)域比平均值都在0.5～0.6之間，對應肉樣的新鮮等級可以劃分為腐敗。這種彩色分層方法可以很好地檢測豬肉新鮮度。

2.2 BP網絡識別方法

提取圖像特征并歸納出新鮮度分類閾值后，就要使用分類方法對檢測樣本分類，并在手機的檢測軟件中顯示檢測結果。這里使用BP神經網絡方法對特征值進行模糊分類，進一步提高分類準確率。BP神經網絡是一種多層前饋神經網絡[10]，具有3層或3層以上的神經元，包括輸入層、中間層（隱層）和輸出層。對于豬肉新鮮度檢測問題，可以看輸入特征到輸出新鮮度等級的非線性映射問題。輸入層矢量反映豬肉的特征，輸出層矢量對應豬肉的新鮮度等級。根據前人經驗，一個具有無限隱含層節(jié)點的3層BP網絡可以實現任意從輸入到輸出的非線性映射，故本文采用3層BP神經網絡。選用豬肉的色澤、黏度、彈性、氨氣、硫化氫、表面菌落總數、顏色區(qū)域比等7個特征參數，故確定輸入層節(jié)點數為7。輸出層節(jié)點數即為豬肉新鮮度等級包括新鮮、次新鮮、腐敗，所以輸出層節(jié)點數為3。經過多次試驗，最終確定隱層節(jié)點數為4。網絡結構如圖2所示。隱含層神經元的激勵函數采用tansig函數，輸出層神經元的激勵函數采用purelin函數。

3 小結

該系統(tǒng)成本低，使用方便，以計算機視覺為基礎，通過對采集到的豬肉圖像進行噪聲去除、背景分割，然后用顏色因子∣R-G∣+∣R-B∣的值對圖像進行彩色分層從而計算出顏色區(qū)域比值，最后建立了用豬肉的色澤、黏度、彈性、氨氣、硫化氫、表面菌落總數、顏色區(qū)域比等7個特征為輸入的BP網絡分類模型。此研究方法符合國家豬肉新鮮度分級標準和豬肉衛(wèi)生標準，能夠取得較好的新鮮度分類效果。

參考文獻：

[1] 宋 超，于宏偉，賈英民.市售鮮豬肉微生物調查分析[J].食品科技，2009，34（8）：86-88.

[2] 趙穎文，李 曉.基于RFID技術的生豬產業(yè)鏈信息采集系統(tǒng)研究[J].湖北農業(yè)科學，2012， 51（9）：1886-1889，1894.

[3] 張文治.新編食品微生物科學[M].北京：中國輕工業(yè)出版社，1995.

[4] 黃 蓉，劉敦華.豬肉新鮮度評價指標、存在問題及應對措施[J].肉類工業(yè)，2010（6）：43-46.

[5] GB 5009.1～5009.100，食品衛(wèi)生檢驗方法 理化部分[S].

[6] 孫建廣，張石蕊.豬肉品質研究進展[J]. 中國豬業(yè)，2008（7）：58-59.

[7] 李宗瑞，何東健.基于手機拍攝圖像分析的蘋果病害識別技術研究[J]. 計算機工程與設計， 2010，31（13）：3051-3053，3095.

[8] 岡薩雷斯.數字圖像處理[M].阮秋琦，譯.北京：電子工業(yè)出版社，2003.

[9] 肖 珂，段曉霞，高冠東.基于圖像特征的豬肉新鮮度無損檢測方法[J].河北農業(yè)大學學報，2012，35（4）：111-113，122.

[10] 葛哲學，孫志強.神經網絡理論與MATLAB R2007實現[M].北京：電子工業(yè)出版社，2007.