基于计算机视觉和神经网络的牛肉大理石花纹自动分级技术的研究

牛肉大理石花纹是牛肉质量最重要的决定因素，但大理石花纹等级是由分级员感观评定决定的，这种方法存在主观随意性，并且耗时耗力。相比之下，利用计算机视觉技术来分级是一种客观、稳定、高效和花费少的途径。本文首次在国内利用计算机视觉和神经网络技术进行牛肉大理石花纹分级的研究，所做的工作和取得的成果如下： (1)从定量的角度明确了大理石花纹面积是大理石花纹“丰富程度”最重要的量化指标。 (2)首次在复杂背景下，应用“类差影法”结合“阈值法”有效地从背景中分离出眼肌区域，为基于计算机视觉技术的大理石花纹自动分级系统奠定实际应用的基础。 (3)探讨了在应用计算机视觉进行牛肉大理石花纹分级之前，对图像进行去噪、增强等预处理的方法，结果，中值滤波和灰度线性变换是大理石花纹图像预处理有效的方法。 (4)“区域增长”法是分离有效眼肌区域和提取图像特征参数的有效方法。 (5)沿着从大理石花纹标准图像和样本图像的特征参数两条研究路线分别建立牛肉大理石花纹等级预测模型，并比较了两条研究路线的结果。 (6)分别应用统计学方法(回归分析、判别分析)和神经网络技术(BP、LVQ、SVM)建立了牛肉大理石花纹等级预测模型，结果表明，从标准图像建立的最好模型为：Y=4.0875-0.5738*X+0.0548*X^2-0.0019*X^3(R2=0.9839)(Y-等级，X-大理石花纹面积)，对111个样本的预测准确率为72.79％，表明从标准图像建立的模型预测准确性达不到实际需要；从样本图像建立的回归模型Y=4.2858-0.4503*X+0.0261*X^2(R2=0.8302)和BP神经网路回归模型，对40个样本的预测准确率均达到了85.00％，而应用LVQ、BP、SVM神经网络分类器，预测精度分别为90.00％、87.50％和92.50％，SVM分类器是进行大理石花纹分级的有效工具。 (7)通过本文的研究结果并比较中美两国的牛肉大理石花纹等级，发现我国牛肉大理石花纹等级标准存在的一些问题并提出了修改建议。 本研究对于我国开展基于计算机视觉技术的牛肉大理石花纹自动分级系统高新 技术产品的开发，具有重要的参考价值，对推广和应用我国牛肉等级标准，提高我国 肉类质量分级水平具有重要的经济意义．