異質(zhì)冷卻豬肉快速判別裝置的設(shè)計(jì)及驗(yàn)證

劉文營，田寒友，鄒 昊，喬曉玲,*，李家鵬，陳文華，張睿梅，郭 建

（1. 北京食品科學(xué)研究院，中國肉 類食品綜合研究中心，肉類加工技術(shù)北京市重點(diǎn)實(shí)驗(yàn)室，北京 100068；2.北京二商大紅門肉類食品有限公司，北京 101107）

異質(zhì)冷卻豬肉快速判別裝置的設(shè)計(jì)及驗(yàn)證

劉文營1，田寒友1，鄒 昊1，喬曉玲1,*，李家鵬1，陳文華1，張睿梅1，郭 建2

（1. 北京食品科學(xué)研究院，中國肉 類食品綜合研究中心，肉類加工技術(shù)北京市重點(diǎn)實(shí)驗(yàn)室，北京 100068；2.北京二商大紅門肉類食品有限公司，北京 101107）

基于計(jì)算機(jī)視覺技術(shù)，設(shè)計(jì)了冷卻豬肉異質(zhì)肉判別裝置。介紹了系統(tǒng)裝置的工作原理、工作過程、硬件組成及軟件系統(tǒng)功能。硬件系統(tǒng)包括快速測定pH計(jì)和圖像信息采集裝置，軟件系統(tǒng)將獲得的圖像，進(jìn)行二值化處理、高斯去噪、邊緣檢測、霍夫變化定位和投影算法來提取目標(biāo)顏色特征參數(shù)，并輔助pH值對冷卻豬肉進(jìn)行判別。驗(yàn)證結(jié)果顯示，設(shè)計(jì)的判別裝置對白?。╬ale, soft, exudative，PSE）肉、異于正常（reddish-pink, firm, nonexudative，RFN）肉、黑干（dark, fi rm, dry，DFD）肉的判斷上可以實(shí)現(xiàn)94.0%、96.8%和98.0%的準(zhǔn)確判斷；不僅具有良好的準(zhǔn)確性，而且縮短了處理時間，提高了作業(yè)效率。

冷卻豬肉；判別；pH值；比色板

生豬在屠宰不當(dāng)時產(chǎn)生應(yīng)激反應(yīng)，或者能量大量消耗和長時間受到低強(qiáng)度的應(yīng)激源刺激等作用時，會產(chǎn)生異于正常（reddish-pink, fi rm, non-exudative，RFN）豬肉顏色的暗紅色黑干（dark, fi rm, dry，DFD）肉或淡白色的白肌（pale, soft, exudative，PSE）肉，DFD肉和PSE肉感官較差，與注水肉和病死豬肉均屬于異質(zhì)肉[1]。正常豬肉和 異質(zhì)肉之間明顯的顏色差異，嚴(yán)重影響著肉品的市場價值和消費(fèi)者的消費(fèi)行為[2-3]。目前進(jìn)行肉品分級和異質(zhì)肉判別時主要基于比色板的顏色差異，準(zhǔn)確度不高[4]。因此，結(jié)合圖像處理和計(jì)算機(jī)視覺技術(shù)，通過顏色進(jìn)行豬肉與異質(zhì)肉判定，成為國內(nèi)外專家學(xué)者進(jìn)行豬肉快速無損檢測的重要研究內(nèi)容。

在對豬肉顏色的分析上，McDonagh等[5]通過對豬肉顏色進(jìn)行測量，利用CIE L*值和反射比，探討了豬肉顏色與主觀評價之間的潛在相關(guān)性；賈淵等[6]通過對豬肉彩色數(shù)字圖像顏色規(guī)律的分析，結(jié)合豬肉紅（R）、綠（G）、藍(lán)（B）顏色分量及其亮度和飽和度值，構(gòu)建了顏色維度，并利用支持向量機(jī)進(jìn)行了分級，具有較高的準(zhǔn)確度；Iqbal等[7]對數(shù)字圖像處理后，獲得了26 個肉色特征和40 個紋理特征，通過最優(yōu)特征維向量和線性判別式分析（linear discriminant analysis，LDA）對豬肉火腿進(jìn)行 了較高準(zhǔn)確度的分類。

當(dāng)引入計(jì)算機(jī)視覺技術(shù)后，周彤等[8]基于計(jì)算機(jī)視覺技術(shù)和圖像處理技術(shù)，提出了一種實(shí)用的牛肉大理石花紋自動評估和分級方法，能夠在短時間內(nèi)進(jìn)行牛肉的分割和特征參數(shù)的提取處理，且具有較高的準(zhǔn)確度；Chmiel等[9]則運(yùn)用計(jì)算機(jī)視覺技術(shù)對禽肉中的脂肪含量進(jìn)行了預(yù)測，獲得結(jié)果具有較好的準(zhǔn)確度，能夠應(yīng)用于禽肉的脂肪含量的預(yù)測。

在對其他技術(shù)應(yīng)用研究上，對肉質(zhì)中的單組分進(jìn)行分析時，已有報道[10-12]應(yīng)用高光譜成像技術(shù)成功進(jìn)行了對豬肉中脂肪含量的預(yù)測研究，說明單組分分析的可行性；或采用近紅外高光譜技術(shù)成功進(jìn)行了對豬肉的分級、牛肉的貨架期預(yù)測和肉品微生物的檢測[13-18]；利用生鮮豬肉的近紅外光譜性質(zhì)，設(shè)計(jì)了一套在線無損檢測裝備，并應(yīng)用于了生鮮豬肉的水分含量在線檢測[19-20]。

但是這些檢測大多是基于光譜技術(shù)或者檢測機(jī)理方面的研究，設(shè)備費(fèi)用較高，難以滿足生豬屠宰中小型企業(yè)的需求。目前針對冷卻豬肉異質(zhì)肉判別的裝置研究較少，尤其鮮有利用計(jì)算機(jī)視覺技術(shù)進(jìn)行冷卻豬肉異質(zhì)肉判別裝備的相關(guān)報道。

本實(shí)驗(yàn)基于計(jì)算機(jī)視覺技術(shù)和圖像處理技術(shù)，設(shè)計(jì)了一套冷卻豬肉異質(zhì)肉判別的裝置。包括系統(tǒng)總體設(shè)計(jì)、硬件結(jié)構(gòu)、系統(tǒng)工作原理和流程、軟件開發(fā)過程等，實(shí)驗(yàn)結(jié)果表明裝置耗時較短且具有良好的準(zhǔn)確性。

1 檢測裝置設(shè)計(jì)方案

冷卻豬肉分級和異質(zhì)肉判別的原理是比色板比對與pH值結(jié)合法（表1）。具體為：在生豬宰后1 h內(nèi)和宰后冷卻24 h后分別檢測左半胴體第3～4根肋骨間通脊肉pH值，在生豬宰后冷卻24 h對照肉色分級標(biāo)準(zhǔn)比色板判定肉色分值。其中，宰后1 h pH值小于6且宰后冷卻24 h肉色分值為1和2判定為PSE肉，宰后冷卻24 h pH值大于6且宰后冷卻24 h肉色分值為5和6判定為DFD肉[21-22]。為避免排酸過程中與空氣接觸的肉表面顏色產(chǎn)生不均勻變化，選用新切剖面[23]。

表 1 冷卻豬肉判別標(biāo)準(zhǔn)Table 1 Grading standard of chilled pork

設(shè)計(jì)方案如下：1）生豬屠宰1 h內(nèi)，測定左半胴體第3～4根肋骨間通脊肉pH值；2）生豬屠宰冷卻排酸24 h后，選取步驟1）測定pH值附近位置肉塊，取完整冷卻豬通脊截面置于圖像采集裝置內(nèi)（采用日本肉色分級標(biāo)準(zhǔn)比色板，通脊肉截面與比色板處于同一垂直與鏡頭方向的平面，鏡頭處于光源的中心位置，保證光源均勻照亮通脊肉橫截面和日本肉色分級標(biāo)準(zhǔn)比色板），通過CCD將照片傳輸至計(jì)算機(jī)肉顏色等級判定軟件內(nèi)，通過通脊肉顏色與比色板6 個等級顏色比對確定通脊肉顏色等級；3）取出通脊肉，測 量pH值；4）綜合1）、2）和3），宰后1 h pH值小于6且宰后冷卻24 h肉色分值為1和2判定為PSE肉，宰后冷卻24 h pH值大于6且宰后冷卻24 h肉色分值為5和6判定為DFD肉，宰后1 h pH值小于6且宰后冷卻24 h肉色分值為3和4判定為RFN肉。

2 檢測裝置系統(tǒng)

2.1 肉色等級檢測硬件系統(tǒng)

冷卻肉快速判別裝置包括手持肉用pH計(jì)、暗箱組件、肉顏色等級判定軟件等。暗箱組件由CCD、鏡頭、漫反射光源、載物臺、比色板懸掛支架、比色板等組成（圖1）。

圖 1 快速判定裝置組件（前后剖面）Fig.1 Fabrication of the equipment

組件基本信息：1）暗箱（50 cm×50 cm×50 cm，采用黑色不反射光鋁板）；2）比色板（日本比色板，置于懸掛支架上，與載物臺前端保持同一平面，與肉樣處于鏡頭中線的兩側(cè)）；3）載物臺（臺板面積30 cm×15 cm，高度可調(diào)，黑色不反射光）；4）漫反射光源（LED光源，40 cm×40 cm漫反射板，中間開孔置放CCD和鏡頭）；5）CCD（全局曝光方式，固定在光源中間位置）；6）鏡頭（4 mm百萬像素工業(yè)鏡頭）；7）肉顏色等級判定軟件（基于計(jì)算機(jī)語言編寫）；8）肉用pH計(jì)。

2.2 裝置軟件系統(tǒng)

圖 2 肉色判定軟件圖片分析界面Fig.2 Software interface of meat color image analysis

軟件分析界面如圖2所示。軟件程序基于C++語言進(jìn)行編寫，利用暗箱采集肉樣和比色板圖像（圖3a），然后根據(jù)圖像特征確定閾值進(jìn)行二值化處理，采用高斯濾波法去噪，利用Canny算子邊緣檢測（圖3b），利用霍夫變換定位比色板，然后利用投影算法進(jìn)行計(jì)算（圖3c）。

圖 3 通脊肉顏色提取過程流程圖Fig.3 Flow chart of loin image extraction process

經(jīng)過上述圖像處理后，提取顏色特征信息（包括R、G、B和灰度的平均值），然后分別計(jì)算通脊肉平均R、G、B值與6 個等級比色板平均R、G、B值的歐氏距離，同時結(jié)合灰度平均值比對，判定通脊肉顏色等級。

3 檢測系統(tǒng)運(yùn)作及驗(yàn)證

將所研制的檢測系統(tǒng)裝置用于冷卻豬肉的異質(zhì)肉檢測，以驗(yàn)證該系統(tǒng)的應(yīng)用效果。實(shí)驗(yàn)分為兩部分：一是樣品準(zhǔn)備；二是利用檢測系統(tǒng)進(jìn)行檢測，并和人工比色板對照結(jié)果比對。樣品中RFN 520 份（采集自北京大紅門肉類食品有限公司）、PSE 50 份（收集自北京大紅門肉類食品有限公司和批發(fā)市場）、DFD 50 份（收集自北京大紅門肉類食品有限公 司和批發(fā)市場）。

驗(yàn)證系統(tǒng)操作如下：豬屠宰后1 h內(nèi)測定肉樣pH值；排酸24 h后，利用裝置采集肉樣和比色板圖像；應(yīng)用軟件對采集的圖像進(jìn)行分析，得出肉顏色等級；輔助24 h時肉樣pH值，給出報告。

人工 檢測時，肉色等級由6 人感官評定小組事先根據(jù)AMSA[26]指南程序進(jìn)行訓(xùn)練，之后對照比色板（美國NPPC肉質(zhì)比色板）進(jìn)行評分，每個樣品的分值為所有感官評定小組人員評分的平均值。

針對570 份樣品的驗(yàn)證實(shí)驗(yàn)結(jié)果如表2所示，在準(zhǔn)確度上，快速分級裝置具有較高的準(zhǔn)確率，對PSE、RFN和DFD的判斷上可以實(shí)現(xiàn)94.0%、96.8%和98.0%的準(zhǔn)確判斷；在耗用時間上，判別裝置單樣品檢測僅需要10 s，而人工檢測則需要30 s，節(jié)省了操作時間。

表 2 裝置系統(tǒng)的驗(yàn)證Table 2 Verifi cation of the identifi cation system

4 結(jié) 論

基于計(jì)算機(jī)視覺技術(shù)的異質(zhì)肉判別裝置的設(shè)計(jì)，為劣質(zhì)冷卻豬肉的判斷提供了一種快速準(zhǔn)確檢測的方法和裝置。相比較傳統(tǒng)人工檢測，該系統(tǒng)不僅具有良好的準(zhǔn)備度，而且克服了人工檢測容易產(chǎn)生檢測疲勞和費(fèi)時的問題。該裝置系統(tǒng)為冷卻豬肉異質(zhì)肉判斷提供了參考，為工業(yè)化裝置的開發(fā)和研制提供了技術(shù)支持，尤其是針對中小型企業(yè)，具有良好的應(yīng)用前景和重要的社會價值。

[1] 任發(fā)政, 李興民, 張?jiān)w, 等. 現(xiàn)代肉制品加工與質(zhì)量控制[M]. 北京: 中國農(nóng)業(yè)大學(xué)出版社, 2006.

[2] MANCINI R A, HUNT M C. Current research in meat color[J]. Meat Science, 2005, 71(1): 100-121.

[3] van OECKEL M J, WARNANTS N, BOUCQUé CH V. Measurement and prediction of pork colour[J]. Meat Science, 1999, 52(4): 347-354.

[4] LU J, TAN J, SHATADAL P, et al. Evalution of pork color by using computer vision[J]. Meat Science, 2000, 56(1): 57-60.

[5] McDONAGH C, TROY D J, KERRY J P, et al. Relationship between the subjective and objective assessment of pork M. semimembranosus and classi fi cation of further processed pork quality[J]. Food Science and Technology International, 2005, 11(2): 149-154.

[6] 賈淵, 李振江, 彭增起. 結(jié)合 LLE流形學(xué)習(xí)和支持向量機(jī)的豬肉顏色分級[J]. 農(nóng)業(yè)工程學(xué)報, 2012, 28(9): 147-152.

[7] IQBAL A, VALOUS N A, MENDOZA F, et al. Pork and turkey hams classification from colour and textural features using computer vision[C]//5thInternational Technical Symposium on Food Processing, Monitoring Technology in Bioprocesses and Food Quality Management, 20 09: 653-658.

[8] 周彤, 彭彥昆. 牛肉大理石花紋圖像特征信息提取及自動分級方法[J].農(nóng)業(yè)工程學(xué)報, 2013, 29(15): 286-293.

[9] CHMIEL M, S?OWI?SKI M, DASIEWICZ K. Application of computer vision systems for estimation of fat content in poultry meat[J]. Food Control, 2011, 22(8): 1424-1427.

[10] XIONG Zhengjie, SUN Dawen, ZENG Xinan, et al. Recent developments of hyperspectral imaging systems and their applications in detecting quality attributes of red meats: a r eview[J]. Journa l of Food Engineering, 2014, 132(1): 1-13.

[11] WU Di, SUN Dawen. Advanced applications of hyperspectral imaging technology for food quality and safety analysis a nd assessment: a review. Part Ⅱ: applications[J]. Innovative Food Science and Emerging Technologies, 2013, 19(3): 15-28.

[12] LIU L, NGADI M O. Predicting intramuscular fat content of pork using hyperspectr al imaging[J]. Journal of Food Engineering, 2014, 134(12): 16-23.

[13] BARBIN D, ELMASRY G, SUN Dawen, et al. Near-infrared hyperspectral imag ing for grading and classifi cation of pork[J]. Meat Science, 2012, 90(1): 259-268.

[14] 馬世榜, 徐楊, 湯 修映, 等. 利用可見近紅外光譜多指標(biāo)綜合預(yù)測生肉儲存期[J]. 光譜學(xué)與光譜分析, 2012, 32(12): 3242-3246.

[15] TAO F F, PENG Y K, LI Y Y, et al. Simultaneous determination of tenderness and Escherichia coli contamination of pork using hyperspectral scattering technique[J]. Meat Science, 2012, 90(3): 851-857.

[16] PENG Yankun, ZHANG Jing, WANG Wei, et al. Potential prediction of the microbial spoilage of beef using spatially resolved hyperspectral scattering profi les[J]. Journal of Food Engineering, 2011, 102(2): 163-169. [17] PARK B, LAWRENCE K C, WINDHAM W R. Performance of hyperspectral imaging system for poultry surface fecal contaminant detection[J]. Journal of Food Engineering, 2006, 75(3): 340-348.

[18] PARK B, LAWRENCE K C, WINDHAM W R, et al. Detection of cecal contaminants in visceral cavity of broiler carcasses using hyperspectral imaging[J]. Applied Engineering in Agriculture, 2005, 21(4): 627-635.

[19] 張海云, 彭彥昆, 王偉, 等. 生鮮豬肉主要品質(zhì)參數(shù)無損在線檢測系統(tǒng)[J]. 農(nóng)業(yè)機(jī)械學(xué)報, 2013, 44(4): 146-151.

[20] ZHANG Haiyun, PENG Yankun, WANG Wei, et al. Nondestructive real time detection system for assessing main quality parameters of fresh pork spectroscopy[J]. Transactions of the Chinese Society for Agricultural Machinery, 2010, 41(9): 104-107; 137.

[21] O'NEILL D J, LYNCH P B, TROY D J, et al. Infl uence of the time of year on the incidence of PSE and DFD in Irish pigmeat[J]. Meat Science, 2003, 64(2): 105-111.

[22] 孫京新, 湯曉艷, 周光宏, 等. 宰后冷卻工藝對冷卻豬肉肉色、質(zhì)量分類的影響[J]. 農(nóng)業(yè)工程學(xué)報, 2006, 22(8): 203-208.

[23] QUEVEDO R, VALENCIA E, CUEVAS G, et al. Color changes in the surface of fresh cut meat: a fractal kinetic application[J]. Food Research International, 2013, 54(2): 1430-14 36.

[24] WARNER R D, KAUFFMAN R G, GREASER M L. Muscle protein changes post mortem in relation to pork quality traits[J]. Meat Science, 1997, 45(3): 339-352.

[25] FLORES M, ARMERO E, ARISTOY M C, et al. Sensory characteristics of cooked pork loin as affected by nucleotide content a nd post-mortem meat quality[J]. Meat Science, 1999, 51(1): 53-59.

[26] AMSA. Guidelines for meat color evaluation[C]//Proceedings 44thAnnual Reciprocal Meat Conference. Kansas, USA: National Live Stock and Meat Board, 1991: 1-17.

Equipment Design and Validation for Rapid Identifi cation of Heterogeneous Chilled Pork

LIU Wenying1, TIAN Hanyou1, ZOU Hao1, QIAO Xiaoling1,*, LI Jiapeng1, CHEN Wenhua1, ZHANG Ruimei1, GUO Jian2
(1. Beijing Key Laboratory of Meat Processing Technology, China Meat Research Center, Beijing Academy of Food Sciences, Beijing 100068, China; 2. Beijing Ershang Dahongmen Meat Food Co. Ltd., Beijing 101107, China)

Color is an important property that infl uences the consumers’ purchase decision of a food or agricultural product and its market value. A non-destructive and rapid detection system for assessing chilled pork quality based on computer vision system was developed. The working principle, process and hardware composition of the system as well as the software system were introduced. The hardware system included a pH meter and an image collector, and the acquired images were processed by binarization, Gauss denoising, edge detection and Hough-transform positioning for the extraction of the characteristics color parameters by projection algorithm. In addition, pH was used to aid in identifying chilled pork quality. The experimental results showed that the system could be used for distinguishing chilled pork with high accuracy and reliability as well as good repeatability.

chilled pork; distinguishing; pH; colorimetric plate

TS251.8

A

1002-6630（2015）02-0184-04

10.7506/spkx1002-6630-201502035

2014-08-06

“十二五”國家科技支撐計(jì)劃項(xiàng)目（2014BAD04B05）；農(nóng)業(yè)部公益性行業(yè)（農(nóng)業(yè)）科研專項(xiàng)（201303083-3）

劉文營（1983—），男，工程師，碩士，主要從事肉制品加工及安全性分析研究。E-mail：skyocean_2004@163.com

*通信作者：喬曉玲（1964—），女，教授級高級工程師，主要從事肉制品加工與加工裝備研究。E-mail：cmrcsen@126.com