基于大理石花纹特征的牛肉分级方法研究

摘要

牛肉质量分级，经济效益显著。分级的牛肉比不分级的牛肉，价钱要高出几倍，甚至上十倍。
　　 牛肉大理石花纹等级是评价牛肉质量的最重要的指标。分形维数、大理石花纹面积比率与大理石花纹等级密切相关。对牛肉质量进行分级，主要是观察牛眼肌处的大理石花纹。眼肌是指牛背最长肌的横断面，大理石花纹是牛胴体第12至13或第6至7胸肋间背最长肌肌内脂肪。
　　 当前世界各国的牛肉分级方法，主要是视觉评定。由专业的牛肉质量等级评定师，观察牛的第12至13或第6至7胸肋处的背最长肌肌内脂肪的丰富程度，然后再与各国制定的牛肉大理石花纹标准图版进行比较，依据经验确定大理石花纹等级。这种方法存在着主观性。
　　 本课题吸纳了一些前人牛肉分级研究方面的成果，建立了预测牛肉大理石花纹等级的数学模型。本论文主要完成了以下几方面的工作:
　　 1)对中美两国牛肉大理石花纹标准图版，研究了它们的背最长肌的提取方法和分形维数计算方法。找到了提取背最长肌的方法，逐步提取出背最长肌。针对赘肉与背最长肌连接紧密的特殊图像，运用了人工添加椭圆法、迭代腐蚀膨胀法、人工添加曲线法。经过比较，这三种方法中最好的方法是人工添加曲线法。分形维数的计算，采用了传统的计盒维数法、差分计盒维数法、信息维数法、改进过的计盒维数法。四种方法进行比较，最佳方法为改进的计盒维数法。
　　 2)采集了60个牛肉眼肌样本，拍摄了样本的图片，并进行分级。运用Matlab软件，分几个步骤，逐步提取出背最长肌。针对赘肉与背最长肌连接紧密的样本，使用人工添加曲线法，来获取背最长肌。
　　 3)测定了样本大理石花纹中与等级密切相关的两个特征参数，即改进的计盒维数值和大理石花纹面积比率，并进行了单因素分析，得出这两个特征参数对等级有极显著性的影响。
　　 4)基于BP神经网络建立了大理石花纹等级的预测模型。等级为3、4、5、6、7的样本，每个等级随机选出两个样本。使用50个样本的数据，运用BP神经网络，预测这10个样本的等级，准确率为73％。
　　 总之目前国内外，牛肉等级的评定主要是采用人工视觉评定的方法，主观性较强。本论文使用了机器视觉、BP神经网络等方面的知识，对牛肉的质量分级，进行了较好的研究。机器视觉、分形理论，以及计算机图像处理，被各国肉类科学家认为是研究实现牛肉分级最有前途的技术手段，这些技术手段在论文中都有体现。

目录

声明

摘要

第一章 绪论

1．1 研究的目的和意义

1．2 国内外研究现状

1．2．1 国外研究现状

1．2．2 国内研究现状

1．3 研究内容

1．4 研究基础

1．5 本研究创新之处

1．6 技术路线

第二章 基于MATLAB图像处理技术

2．1 实验设备与样本采集

2．2 样本分级方法

2．3 Matlab图像处理技术

2．3．1 Matlab概述

2．3．2 Matlab的图像处理功能

2．3．3 机器视觉概述

2．3．4 应用Matlab用于牛肉分级方法简介

2．4 中美两国牛肉大理石花纹标准图版图像处理

2．4．1 背景去除

2．4．2 背最长肌的提取

2．4．3 背最长肌的提取的人工分界法

2．5 样本图像的背景去除和背最长肌提取

2．5．1 样本图像的背最长肌提取步骤

2．5．2 大理石花纹提取

2．6 样本分级结果

2．7 本章小结

第三章 大理石花纹特征参数的测定

3．1 分形的基本理论

3．2 分形维数的研究

3．2．1 计盒维数

3．2．2 信息维数

3．2．3 差分计盒维数

3．2．4 计盒维数的测定

3．2．5 信息维数的测定

3．3 分形维数计算

3．3．1 分形维数计算方法比较

3．3．2 分形维数计算方法确定

3．4 大理石花纹面积密度

3．5 样本的两个特征值分析

3．5．1 分形维数与等级的关系

3．5．2 大理石花纹面积比率与等级的关系

3．6 样本的其他特征参数的研究

3．7 本章小结

第四章 数学建模

4．1 神经网络建模介绍

4．2 神经网络工作原理

4．3 BP神经网络的检验

4．4 BP神经网络样本等级预测

第五章 结论与讨论

5．1 结论

5．2 讨论

参考文献

致谢

附录

硕士研究生期间发表的论文