牛肉嫩度是评价牛肉质量的重要指标之一。牛肉嫩度的评定主要采用人工感官评定与剪切力测定。人工感官评定法存在主观因素的影响,误差比较大；剪切力测定法,结果准确,但其测定过程繁琐、所需时间较长,属于有损检测。本文将机器视觉技术与人类先验知识相结合,以牛肉眼肌切面为研究对象,进行图像的采集、处理、分析以及识别,实现对牛肉嫩度的预测。本文研究的主要内容与结果如下：1.通过分析牛肉眼肌切面的信息特征,为减少牛肉眼肌切面在图像采集环节中肉表面反光及肉表面凹凸不平的影响,搭建了适合本课题研究的机器视觉系统。系统由光照模块、图像采集模块以及计算机模块组成的硬件系统和牛肉嫩度预测的软件系统两大部分组成,以此保证嫩度预测结果的准确率。2.运用图像处理方法对采集后的牛肉眼肌切面图像进行图像预处理、区域分割、有效眼肌区域及有效眼肌区域内结缔组织的提取操作,在研究牛肉眼肌切面的筋膜颜色特征时,提出了一种基于改进型FCM聚类算法的彩色牛肉图像中筋膜区域分割方法研究。该方法对传统FCM聚类算法中的初始聚类中心点选取方法以及距离度量公式进行了优化。实验结果表明,该方法在对牛肉眼肌切面中的筋膜区域进行分割时平均准确度接近98%,其算法的运行时间仅为传统FCM聚类算法的一半。实现了牛肉嫩度相关性指标的信息检测,从而建立合适的牛肉嫩度预测模型。3.在建立牛肉嫩度预测模型的研究过程中,分析了图像中各特征指标与嫩度的相关性,进一步确定了与嫩度相关性较高的特征指标。课题的研究借助SPSS软件统计,分析了所有的实验数据,最终采用多元线性回归分析法建立了牛肉嫩度预测的数学模型,应用试验样本数据验证嫩度模型的预测准确度,其预测嫩度的平均偏差低于0.3kg。本文较为深入地研究了牛肉眼肌切面的特征信息与嫩度的关系,设计了比较适合牛肉嫩度特征指标提取的机器视觉系统,该系统为图像算法的实现以及嫩度预测模型的建立均奠定了良好的基础。经实验验证,本文提出的方法对牛肉嫩度的预测具有较好的效果。