计算机视觉技术在食品检测中的应用一




一是自动检测食物抽吸质量

食品双螺杆挤出机是食品膨化加工的主要设备。颜色和体积是膨化食品的重要品质特征。体积反映了膨化食品的膨胀和密度;颜色是膨化食品的内部结构和其他物理特性的外部反映。因此,在膨化食品的加工中,通常选择膨化食品的颜色和体积作为监测产品质量的参数。

实验玉米面由Illinois Illinois Iowo Grain Company提供。该材料在挤出室中经受高温和高压,并且是通过圆形模头挤出机的连续圆柱形条带,其通过旋转刀片切割成段。由于膨化玉米段大致是旋转体,当玉米段平放在传送带上时,其投影投影面积直接反映膨胀玉米段的体积。颜色间接反映了膨化玉米片段的口味品质。感官评价实验后,棕黄色味最好,黄色,淡黄色,淡黄色,黄色和白色最差。为了测量膨化玉米的投影面积和颜色,开发了计算机视觉系统,以比较膨胀玉米的颜色和投影面积与RGB,CMY和HSI模型。

将直方图刺激值的平均值用作颜色特征以评估膨化果实的质量。为了研究图像直方图平均值随着膨化系统输入参数的变化规律,对不同条件下拍摄的120张样本进行统计分析,如表2-1所示。结果表明,图像的平均值是处理系统输入参数的函数,并随系统参数而变化。当饲料量为45.4kg/h,含水量从21%变为17%时,膨化果实的黄色成分减少,颜色由黄色变为黄白色,平均值xi变化很大。 。例如,xk从215变为202,最大差值为13.当水含量为19%且进料量从40.9kg/h变为49.9kg/h时,刺激值也会发生变化,但是变化范围很小,并且瓷砖的变化范围仅在207和209之间。可以看出,水含量对膨化水果的颜色的影响大于饲料量。

从表2-l可以看出:1在含水量为19%且进料量从40.9kg/h变为49.9kg/h的过程中,黄色刺激的平均值在进料量下获得。为45.4千克/小时。 2在相同条件下,RGB和CMY的刺激值变化大于HSI的变化,具有更好的可区分性; 3膨化水果的投影面积随含水量和饲料量的变化而变化,变化范围为颜色越大,产品越黄,投影面积越小。膨化果实的投影面积的变化反映了二维平面中膨化果实的体积差异。在扩展过程中,投影面积随颜色定期变化,表明膨胀。水果的颜色和体积是相关的。二,基于计算机视觉的冷却牛肉嫩度分析方法

肉的嫩度是评价肉质的重要指标之一。目前,常用的测试方法是主观评价和客观评价。主观评价更接近正常饮食条件下的压痛评价。缺点是评估者的质量很高。

对于各种部位的牛肉脂肪和肌肉分布的特征,使用大理石纹理来研究含脂肪的牛肉。

为了定量分析牛肉脂肪分布密度,需要从其图像中提取相应的特征量作为评价依据,这要求系统将图像中的像素点准确地分配给脂肪和肌肉区域。脂肪组织在图像中呈现白色,并且肌肉组织在图像中呈现红色。

人工神经网络的图像分割。从牛肉图像获得脂肪组织和肌肉组织的样品。构成样本的像素颜色信息用作网络输入,并且训练用于识别胖像素和肌肉像素的网络。

脂肪组织分割使用由输入层,隐含层和输出层组成的多层BP网络结构。隐藏层节点的数量为12.像素颜色信息由三个分量组成:R,G和B,输入层节点的数量为3.有两种可能的输出,因此输出节点的数量为1 ,输出“0”表示像素是胖的,输出“1”表示像素是肌肉。由于网络输出不是整数值,因此需要对其进行处理。计算结果根据舍入原则四舍五入,输出分类。

脂肪组织分割网络的训练测试过程是:代表性脂肪组织和肌肉组织的图像区域从不同存储时间的测试组1到28获得的图像中分割,总计为1087×2像素(脂肪组织和肌肉)组织各50%,随机选择3000×2像素作为测试样品组,剩余像素用作训练样品组。

当通过测试集评估网络性能时,像素的正确识别率可以达到97%,并且分割结果令人满意。

牛肉大理石主要被称为分布在肌肉组织中的脂肪组织。该测试模拟专业评估员对牛肉大理石纹理的评估过程,并使用可以表征脂肪组织分布的四个变量作为相应的特征量,分别为:单位牛肉图像中脂肪像素的百分比,m1 ,M组织总数m2小M组织总数m3,大M组织总数m4,分析这些数量与牛肉嫩度主要客观评价结果的结果之间的关系。参考:现代食品检测技术

[关键词]计算机视觉,食品检测,自动检测,国家标准物质网络

>

下一篇:农药残留检测的良好实验室规范









时间:2019-02-22 08:01:05 来源:凤凰彩票平台 作者:匿名