CN103487374A - 基于机器视觉的瘦肉精定性快速检测装置与方法 - Google Patents
基于机器视觉的瘦肉精定性快速检测装置与方法 Download PDFInfo
- Publication number
- CN103487374A CN103487374A CN201310478125.0A CN201310478125A CN103487374A CN 103487374 A CN103487374 A CN 103487374A CN 201310478125 A CN201310478125 A CN 201310478125A CN 103487374 A CN103487374 A CN 103487374A
- Authority
- CN
- China
- Prior art keywords
- clenbuterol hydrochloride
- layer
- imageing sensor
- glass plate
- clenbuterol
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
基于机器视觉的瘦肉精定性快速检测装置与方法属于食品检测领域,具体涉及一种生肉中是否含有瘦肉精的快速检测装置与方法;该装置包括竖直放置的透明玻璃板,物镜和图像传感器;其中,透明玻璃板远离图像传感器方向的端面与图像传感器关于物镜共轭;该方法首先纵向切开生肉,将生肉切口紧贴于透明玻璃板并调整位置,通过观察脂肪层的厚度以及瘦肉层的颜色,最后判断是否含有瘦肉精;采用本发明基于机器视觉的瘦肉精定性快速检测装置与方法,只需要采用物理手段,通过判断生肉中脂肪层的厚度,以及瘦肉层的颜色即可对生肉中是否含有瘦肉精进行初步判断,因此具有检测快的优点。
Description
技术领域
基于机器视觉的瘦肉精定性快速检测装置与方法属于食品检测领域,具体涉及一种生肉中是否含有瘦肉精的快速检测装置与方法。
背景技术
瘦肉精是一种动物用药,动物服用后会使脂肪层变薄,瘦肉增多,目的在于减少饲料使用,使肉品提早上市,降低成本。然而,瘦肉精对人体具有毒副作用。在我国就曾发生过几百人瘦肉精中毒的事件。因此,有必要对肉品中是否含有瘦肉精进行检测。
传统的瘦肉精检测方法包括气相色谱-质谱法(GC-MS),高效液相色谱法(HPLC),以及酶联免疫吸附法(ELISA),这些方法均属于化学类的检测方法,不仅太过于专业不能普及,而且检测速度慢。
发明内容
为了解决上述问题,本发明设计了一种基于机器视觉的瘦肉精定性快速检测装置与方法,该装置与方法只需要采用物理的手段即可实现对生肉中是否含有瘦肉精进行初步检测,而且具有检测快的优点。
本发明的目的是这样实现的:
基于机器视觉的瘦肉精定性快速检测装置,包括竖直放置的透明玻璃板,物镜和图像传感器;透明玻璃板远离图像传感器方向的端面位于物镜的物面,图像传感器分别位于物镜的像面;所述的透明玻璃板上设置有刻度线,从下到上分别对应0mm,8mm,15mm和20mm,在透明玻璃板远离图像传感器方向的端面位置,设置有二维平移台,所述的二维平移台沿竖直方向和与透明玻璃板平行的水平方向移动。
上述基于机器视觉的瘦肉精定性快速检测装置,所述的透明玻璃板厚度不超过5mm。
上述基于机器视觉的瘦肉精定性快速检测装置,所述的图像传感器连接计算机。
基于机器视觉的瘦肉精定性快速检测方法,包括以下步骤:
步骤a、将生肉纵向切开,切口与肉皮所在平面垂直;
步骤b、将生肉切口紧贴透明玻璃板远离图像传感器方向的端面放置,保证生肉的肉皮层在下,脂肪层居中,瘦肉层在上;
步骤c、调整二维平移台,使肉皮层与脂肪层的交界处在水平方向对准刻度线的0mm处;
步骤d、观察脂肪层和瘦肉层交界处所在刻度线的位置,如果:
在20mm刻度线之上,为d1;
位于15mm和20mm之间,为d2;
位于8mm和15mm之间,为d3;
位于0mm和8mm之间,为d4;
步骤e、观察瘦肉层的颜色,如果:
图像传感器红色图层灰度值占整个灰度值的60%以下,为e1;
图像传感器红色图层灰度值占整个灰度值的70%和80%之间,为e2;
图像传感器红色图层灰度值占整个灰度值的80%和90%之间,为e3;
图像传感器红色图层灰度值占整个灰度值的90%以上,为e4;
步骤f、根据步骤d和步骤e的检测结果,按照下表对是否含有瘦肉精进行判断:
d1 | d2 | d3 | d4 | |
e1 | f1 | f1 | f2 | |
e2 | f1 | f2 | f3 | f4 |
e3 | f2 | f3 | f4 | f5 |
e4 | f4 | f5 | f5 |
其中:
f1为不含有瘦肉精;
f2为不确定是否含有瘦肉精,但不含有瘦肉精的可能性更大;
f3为不确定是否含有瘦肉精,含有瘦肉精和不含有瘦肉精的比例各占50%;
f4为不确定是否含有瘦肉精,但含有瘦肉精的可能性更大;
f5为含有瘦肉精。
由于本发明基于机器视觉的瘦肉精定性快速检测装置与方法,只需要采用物理手段,通过判断生肉中脂肪层的厚度,以及瘦肉层的颜色即可对生肉中是否含有瘦肉精进行初步判断,因此具有检测快的优点。
附图说明
图1是本发明基于机器视觉的瘦肉精定性快速检测装置结构示意图。
图2是本发明基于机器视觉的瘦肉精定性快速检测方法流程图。
图中:1透明玻璃板、2物镜、3图像传感器、4二维平移台、5计算机。
具体实施方式
下面结合附图对本发明具体实施方式作进一步详细描述。
具体实施例一
本实施例的基于机器视觉的瘦肉精定性快速检测装置,结构示意图如图1所示。该检测装置包括竖直放置的透明玻璃板1,物镜2和图像传感器3;透明玻璃板1远离图像传感器3方向的端面位于物镜2的物面,图像传感器3分别位于物镜2的像面;所述的透明玻璃板1上设置有刻度线,从下到上分别对应0mm,8mm,15mm和20mm,在透明玻璃板1远离图像传感器3方向的端面位置,设置有二维平移台4,所述的二维平移台4沿竖直方向和与透明玻璃板1平行的水平方向移动。
上述基于机器视觉的瘦肉精定性快速检测装置,所述的透明玻璃板1厚度不超过5mm。
上述基于机器视觉的瘦肉精定性快速检测装置,所述的图像传感器3连接计算机5。
本实施例的基于机器视觉的瘦肉精定性快速检测方法,流程图如图2所示。该方法包括以下步骤:
步骤a、将生肉纵向切开,切口与肉皮所在平面垂直;
步骤b、将生肉切口紧贴透明玻璃板1远离图像传感器3方向的端面放置,保证生肉的肉皮层在下,脂肪层居中,瘦肉层在上;
步骤c、调整二维平移台4,使肉皮层与脂肪层的交界处在水平方向对准刻度线的0mm处;
步骤d、观察脂肪层和瘦肉层交界处所在刻度线的位置,如果:
在20mm刻度线之上,为d1;
位于15mm和20mm之间,为d2;
位于8mm和15mm之间,为d3;
位于0mm和8mm之间,为d4;
步骤e、观察瘦肉层的颜色,如果:
图像传感器3红色图层灰度值占整个灰度值的60%以下,为e1;
图像传感器3红色图层灰度值占整个灰度值的70%和80%之间,为e2;
图像传感器3红色图层灰度值占整个灰度值的80%和90%之间,为e3;
图像传感器3红色图层灰度值占整个灰度值的90%以上,为e4;
步骤f、根据步骤d和步骤e的检测结果,按照下表对是否含有瘦肉精进行判断:
d1 | d2 | d3 | d4 | |
e1 | f1 | f1 | f2 | |
e2 | f1 | f2 | f3 | f4 |
e3 | f2 | f3 | f4 | f5 |
e4 | f4 | f5 | f5 |
其中:
f1为不含有瘦肉精;
f2为不确定是否含有瘦肉精,但不含有瘦肉精的可能性更大;
f3为不确定是否含有瘦肉精,含有瘦肉精和不含有瘦肉精的比例各占50%;
f4为不确定是否含有瘦肉精,但含有瘦肉精的可能性更大;
f5为含有瘦肉精。
具体实施例二
本实施例是用本发明检测第一个猪肉样品的实施例。
本实施例的基于机器视觉的瘦肉精定性快速检测方法,包括以下步骤:
步骤a、将生肉纵向切开,切口与肉皮所在平面垂直;
步骤b、将生肉切口紧贴透明玻璃板1远离图像传感器3方向的端面放置,保证生肉的肉皮层在下,脂肪层居中,瘦肉层在上;
步骤c、调整二维平移台4,使肉皮层与脂肪层的交界处在水平方向对准刻度线的0mm处;
步骤d、观察脂肪层和瘦肉层交界处所在刻度线的位置,发现脂肪层和瘦肉层交界处所在刻度线的位置位于8mm和15mm之间,为d3;
步骤e、观察瘦肉层的颜色,发现图像传感器3红色图层灰度值占整个灰度值的80%和90%之间,为e3;
步骤f、根据步骤d和步骤e的检测结果,按照下表对是否含有瘦肉精进行判断:
d1 | d2 | d3 | d4 | |
e1 | f1 | f1 | f2 | |
e2 | f1 | f2 | f3 | f4 |
e3 | f2 | f3 | f4 | f5 |
e4 | f4 | f5 | f5 |
d3和e3所对应f4,说明不含有瘦肉精,但含有瘦肉精的可能性更大。
将该猪肉样品用现有技术方法(高效液相色谱法HPLC)进行检测,发现含有瘦肉精(检测出克伦特罗)。
具体实施例三
本实施例是用本发明检测第二个猪肉样品的实施例。
本实施例的基于机器视觉的瘦肉精定性快速检测方法包括以下步骤:
步骤a、将生肉纵向切开,切口与肉皮所在平面垂直;
步骤b、将生肉切口紧贴透明玻璃板1远离图像传感器3方向的端面放置,保证生肉的肉皮层在下,脂肪层居中,瘦肉层在上;
步骤c、调整二维平移台4,使肉皮层与脂肪层的交界处在水平方向对准刻度线的0mm处;
步骤d、观察脂肪层和瘦肉层交界处所在刻度线的位置,发现脂肪层和瘦肉层交界处所在刻度线的位置在20mm刻度线之上,为d1;
步骤e、观察瘦肉层的颜色,发现图像传感器3红色图层灰度值占整个灰度值的60%以下,为e1;
步骤f、根据步骤d和步骤e的检测结果,按照下表对是否含有瘦肉精进行判断:
d1 | d2 | d3 | d4 | |
e1 | f1 | f1 | f2 | |
e2 | f1 | f2 | f3 | f4 |
e3 | f2 | f3 | f4 | f5 |
e4 | f4 | f5 | f5 |
d1和e1所对应f4,说明不确定是否含有瘦肉精,但含有瘦肉精的可能性更大。
将该猪肉样品用现有技术方(高效液相色谱法HPLC)法进行检测,确实没有检测出瘦肉精的成分(未检测出克伦特罗)。
本发明不局限于上述最佳实施方式,任何人应该得知在本发明的启示下作出的结构变化或方法改进,凡是与本发明具有相同或相近的技术方案,均落入本发明的保护范围之内。
Claims (4)
1.基于机器视觉的瘦肉精定性快速检测装置,其特征在于:包括竖直放置的透明玻璃板(1),物镜(2)和图像传感器(3);透明玻璃板(1)远离图像传感器(3)方向的端面位于物镜(2)的物面,图像传感器(3)分别位于物镜(2)的像面;所述的透明玻璃板(1)上设置有刻度线,从下到上分别对应0mm,8mm,15mm和20mm,在透明玻璃板(1)远离图像传感器(3)方向的端面位置,设置有二维平移台(4),所述的二维平移台(4)沿竖直方向和与透明玻璃板(1)平行的水平方向移动。
2.根据权利要求1所述的基于机器视觉的瘦肉精定性快速检测装置,其特征在于:所述的透明玻璃板(1)厚度不超过5mm。
3.根据权利要求1所述的基于机器视觉的瘦肉精定性快速检测装置,其特征在于:所述的图像传感器(3)连接计算机(5)。
4.基于机器视觉的瘦肉精定性快速检测方法,其特征在于:包括以下步骤:
步骤a、将生肉纵向切开,切口与肉皮所在平面垂直;
步骤b、将生肉切口紧贴透明玻璃板(1)远离图像传感器(3)方向的端面放置,保证生肉的肉皮层在下,脂肪层居中,瘦肉层在上;
步骤c、调整二维平移台(4),使肉皮层与脂肪层的交界处在水平方向对准刻度线的0mm处;
步骤d、观察脂肪层和瘦肉层交界处所在刻度线的位置,如果:
在20mm刻度线之上,为d1;
位于15mm和20mm之间,为d2;
位于8mm和15mm之间,为d3;
位于0mm和8mm之间,为d4;
步骤e、观察瘦肉层的颜色,如果:
图像传感器(3)红色图层灰度值占整个灰度值的60%以下,为e1;
图像传感器(3)红色图层灰度值占整个灰度值的70%和80%之间,为e2;
图像传感器(3)红色图层灰度值占整个灰度值的80%和90%之间,为e3;
图像传感器(3)红色图层灰度值占整个灰度值的90%以上,为e4;
步骤f、根据步骤d和步骤e的检测结果,按照下表对是否含有瘦肉精进行判断:
其中:
f1为不含有瘦肉精;
f2为不确定是否含有瘦肉精,但不含有瘦肉精的可能性更大;
f3为不确定是否含有瘦肉精,含有瘦肉精和不含有瘦肉精的比例各占50%;
f4为不确定是否含有瘦肉精,但含有瘦肉精的可能性更大;
f5为含有瘦肉精。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310478125.0A CN103487374B (zh) | 2013-10-14 | 2013-10-14 | 基于机器视觉的瘦肉精定性快速检测装置与方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310478125.0A CN103487374B (zh) | 2013-10-14 | 2013-10-14 | 基于机器视觉的瘦肉精定性快速检测装置与方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103487374A true CN103487374A (zh) | 2014-01-01 |
CN103487374B CN103487374B (zh) | 2016-03-30 |
Family
ID=49827767
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310478125.0A Active CN103487374B (zh) | 2013-10-14 | 2013-10-14 | 基于机器视觉的瘦肉精定性快速检测装置与方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103487374B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102499649A (zh) * | 2011-11-19 | 2012-06-20 | 江苏大学 | 基于机器视觉的猪的体温检测方法 |
CN102680414A (zh) * | 2012-05-30 | 2012-09-19 | 华中农业大学 | 基于机器视觉的红提葡萄自动分级装置及其方法 |
CN102789579A (zh) * | 2012-07-26 | 2012-11-21 | 同济大学 | 基于计算机视觉技术的温室作物水肥胁迫状态识别方法 |
CN103093203A (zh) * | 2013-01-21 | 2013-05-08 | 信帧电子技术(北京)有限公司 | 一种人体再识别方法以及人体再识别系统 |
-
2013
- 2013-10-14 CN CN201310478125.0A patent/CN103487374B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102499649A (zh) * | 2011-11-19 | 2012-06-20 | 江苏大学 | 基于机器视觉的猪的体温检测方法 |
CN102680414A (zh) * | 2012-05-30 | 2012-09-19 | 华中农业大学 | 基于机器视觉的红提葡萄自动分级装置及其方法 |
CN102789579A (zh) * | 2012-07-26 | 2012-11-21 | 同济大学 | 基于计算机视觉技术的温室作物水肥胁迫状态识别方法 |
CN103093203A (zh) * | 2013-01-21 | 2013-05-08 | 信帧电子技术(北京)有限公司 | 一种人体再识别方法以及人体再识别系统 |
Non-Patent Citations (1)
Title |
---|
李家良: "应用计算机视觉技术快速检测瘦肉精残留", 《科技风》 * |
Also Published As
Publication number | Publication date |
---|---|
CN103487374B (zh) | 2016-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2010021873A3 (en) | Apparatus, method and article to perform assays using assay strips | |
WO2012154320A8 (en) | System and method for detecting and repairing defects in an electrochromic device using thermal imaging | |
WO2013070464A3 (en) | Method and system for position control based on automated defect detection feedback | |
WO2012012779A3 (en) | System and method including analytical units | |
WO2013040063A3 (en) | Determining design coordinates for wafer defects | |
CN103308113B (zh) | 一种用于啤酒灌装生产线上的产品质量在线检测装置 | |
WO2013070744A3 (en) | Specimen container detection | |
WO2010085620A3 (en) | Methods and systems for automatic clustering of defect reports | |
TW200834062A (en) | Defect detecting apparatus and defect detecting method | |
CN105158261A (zh) | 一种外观自动检测装置 | |
CN105023018A (zh) | 一种喷码检测方法及系统 | |
WO2013128285A9 (en) | Improved analytical methods for analyzing and determining impurities in dianhydrogalactitol | |
EP3905515A4 (en) | TRANSPORT DEVICE, SAMPLE ANALYSIS SYSTEM AND SAMPLE PRE-TREATMENT DEVICE COMPRISING THE SAME, AND METHOD FOR TRANSPORTING SAMPLE TO BE TRANSPORTED | |
DE602006012454D1 (de) | Verfahren und Vorrichtung zur Optimierung der Übertragung von Metadaten | |
CN103900499B (zh) | 基于计算机视觉技术的卷烟包装警语区域面积测定方法 | |
CN103487374B (zh) | 基于机器视觉的瘦肉精定性快速检测装置与方法 | |
CN203981662U (zh) | 一种具有自动留样功能的水质质控装置 | |
CN204310496U (zh) | 玻璃输送堆垛装置 | |
WO2010121249A3 (en) | Methods, systems, and computer readable media for performing flow compilation packet processing | |
CN103278509B (zh) | 一种以泡沫外观为基础的啤酒在线检测方法 | |
FR2916048B1 (fr) | Procede et dispositif d'inspection d'articles transparents ou translucides en vue d'optimiser le fonctionnement d'une machine de controle | |
WO2018065108A3 (en) | Analysis system for testing a sample | |
CN202463186U (zh) | 在线条码自动扫描检控系统 | |
CN203053876U (zh) | 组合盖的在线检出机构 | |
CN104412904A (zh) | 大鼠行为学评分仪 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |