论文部分内容阅读
猪胴体等级评定体系是影响饲养户、屠宰企业和肉类加工企业经济效益的重要因素,在市场上往往因其体重和瘦肉产量的差异而表现为经济效益的不同,故应对屠宰加工线上的猪胴体进行客观评价。本文将计算机技术应用于胴体等级评定系统的研究与开发。采用人工神经网络、小波变换、回归分析、图像处理和软件技术等方法完成对猪胴体等级评定系统的开发。本文主要进行以下工作,得到相关的结论:1. 方法确定 总结了国内外对胴体等级评定、瘦肉率、肌肉颜色和大理石花纹及嫩度的研究,讨论目前方法的优缺点,提出了本文对这些指标的评定方法。2. 主成分分析 对不含有瘦肉率指标的参数进行分析,找出它们之间的关系,达到减少参数的目的。3. 瘦肉率估算 传统瘦肉率估算方法是将左半胴体进行肉、骨、皮、脂分离称重,根据肉、骨、皮、脂占总重量的百分比来估测猪胴体瘦肉率。本文用主成分分析和多元线性回归方法预报猪胴体的瘦肉率预测方程,回归方程为,它的平均误差为3.41%,RSD=0.061,均满足要求,且预报值的群体均数与实际均数无显著差异(P>0.05)。4. 颜色分值评定 用神经网络和多元线性回归以R、I和L三个指标对肌肉颜色分值进行预报。多元线性回归方程为:。神经网络和多元线性回归方法的准确率分别为80%和70%。5. 大理石花纹分值评定 大理石花纹是影响猪肉品质的一个因素,是猪胴体等级评定的一个指标。本文对如何测定大理石花纹进行了研究,采用一元线性回归、多元线性回归和神经网络等方法来预报大理石花纹分值,一元线性回归与多元线性回归的方程分别为:和。经试验三种方法的准确率分别为75%、87.5%和87.5%。多元线性回归和神经网络方法能够较好的预报大理石花纹分值。6. 嫩度分值评定 讨论了目前提取图像纹理特征的理论和方法研究。尝<WP=83>试用纹理特征预报嫩度分值。在灰度共现矩阵中用多元线性回归和神经网络两种方法对嫩度进行预报,准确率分别为66.67%和83.33%。采用能量与共现灰度矩阵结合方法对嫩度进行预报,准确率为66.67%,并没有达到预期的要求。相比而言,采用单独共现灰度矩阵法较为准确。7. 胴体等级评定和最终描述 本文采用瘦肉率、胴体重、背膘厚度、三角肉处脂肪厚度、腰脂厚度/眼肌面积等来预报胴体等级,用多元线性回归与神经网络两种方法对胴体等级进行预报。多元线性回归方程为:,准确率为80%。神经网络方法的准确率为90%。因此,利用神经网络方法能够较为准确的预报胴体等级。本文用胴体等级、大理石花纹、肌肉颜色、嫩度和胴体重结合进行了胴体等级的最终描述。8. 系统设计 提取图像的颜色和纹理等特征,预报胴体质量,最终完成系统设计。试验表明,该评价系统对肌肉颜色分值、大理石花纹分值、嫩度分值和胴体等级评定能做出快速准确的评价,具有省时高效等原有方法无法比拟的优点。9. 软件开发 系统软件研究以面向对象C++程序语言为开发工具,在VC开发平台上,编制高效、实用的图像处理及模式识别功能系统软件,是基于瘦肉率、肌肉颜色、嫩度分值和胴体等级指标的自动评定系统。工作人员能够方便的运用键盘和鼠标对系统统一、直观的图形化界面进行操作。更重要的是,以本系统为骨架,对其扩充新的算法、输入新的领域知识、导入新的评价指标,更强功能的新系统。