图像处理技术在活体猪等级评定中的应用

摘要

国内对猪的等级评定工作主要在屠宰线上进行，评定方法是传统的对猪胴体瘦肉率的估测，这种方法精确度不高，给生产者和猪肉加工企业带来一定的经济损失。　　本文针对以上问题，展开对活体猪的外部形态参数进行研究，找到对活体猪等级评价的方法。本文的研究方法主要是通过对活体猪外形(体长、体宽、体高、胸深、腿长、腹长)进行实际测量，并且实测宰后与猪等级有关的各项指标(背膘厚、屠宰率、瘦肉率)，采用数码相机拍摄活体猪三维图像，然后利用计算机图像处理技术及模式识别方法对活体猪的图像外形特征进行提取及其等级识别。论文得到以下结果：　　(1)利用图像处理方法和本文提出的拐点提取算法对活体猪的图像进行分析处理，成功的提取了影响猪肉等级的图像外形特征。　　(2)建立了实测指标与图像外形特征的关系模型，建立了等级与相关图像外形特征的关系模型，经检验，所建的关系模型均达到显著水平(P＜0.05)；结果表明利用图像进行宰前无损检测是可行的，统计分析得到的图像外形特征与背膘厚、屠宰率、瘦肉率以及等级具有很高的相关性。　　(3)采用活体猪图像外形特征为输入，利用BP神经网络技术训练神经网络模型，进行等级识别，准确率达到92.1％，　　(4)建立了活体猪无损检测系统。经检验该系统稳定，准确性达到90.7％。　　(5)系统实现了宰前定级，客观的评价猪的等级，能够改善养猪生产者及其收购者之间的关系，提高了企业经济效益，有重要的现实意义。

目录

文摘

英文文摘

独创性声明和关于论文使用授权的说明

第一章前言

1.1研究背景与意义

1.2国内外研究进展

1.3研究目标与内容

1.4本章小结

第二章系统分析与设计

2.1系统分析

2.2研究思路与技术路线

2.3系统总体设计

第三章试验数据的获取与分析

3.1试验设计与数据采集

3.2基于实测数据的关系模型

3.3本章小结

第四章应用图像处理技术进行活体猪综合评定

4.1图像预处理

4.2图像分割

4.3边缘检测

4.4边界跟踪、编码

4.5提取拐点

4.6特征提取

4.7建立关系模型

4.8本章小结

第五章应用BP神经网络进行活体猪综合评定

5.1引言

5.2猪肉综合评定系统结构

5.3活体猪的特征提取

5.4BP神经网络设计

5.5结论

第六章无损检测系统的实现

6.1无损检测系统介绍

6.2系统的结构

6.3实现过程

6.4系统的检验

第七章结论与展望

7.1结论

7.2展望

参考文献

致谢

个人简介