CN105447891A - 冷冻肉新鲜程度的评估方法及系统 - Google Patents
冷冻肉新鲜程度的评估方法及系统 Download PDFInfo
- Publication number
- CN105447891A CN105447891A CN201510874182.XA CN201510874182A CN105447891A CN 105447891 A CN105447891 A CN 105447891A CN 201510874182 A CN201510874182 A CN 201510874182A CN 105447891 A CN105447891 A CN 105447891A
- Authority
- CN
- China
- Prior art keywords
- chilled meat
- image
- measured
- pixel number
- meat
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30128—Food products
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明提供一种冷冻肉新鲜程度的评估方法及系统,该方法包括:采集待测冷冻肉的图像,从采集到的图像中获取所有像素点的基色特征值;根据第一特征条件从所述基色特征值中获取第一像素点个数;根据第二特征条件从所述基色特征值中获取第二像素点个数;根据第一像素点个数和第二像素点个数确定冷冻肉的新鲜状态。本发明基于计算机视觉的冷冻肉新鲜程度的评估方法,对采集的冷冻肉图像进行处理,通过无光泽红肉占总红肉的比例对冷冻肉新鲜程度进行评价,弥补了目前国内对冷冻肉新鲜程度评价方法的空缺,提高了评价的准确性和客观性。
Description
技术领域
本发明涉及肉制品分析及控制领域,尤其涉及一种冷冻肉新鲜程度的评估方法及系统。
背景技术
冷冻肉是指畜肉宰杀后,经预冷排酸,急冻,继而在-30℃以下的冷库中冻结,在20小时内,使深层中心温度低于-15℃,然后再-18℃环境下保藏的肉品。由于低温贮存可有效抑制微生物繁殖和内源酶的活性,长期贮存仍可保留较高的肉品品质,这也是目前我国贮备肉和肉制品加工企业主要的肉品保存方法。
随着冷冻时间的延长,冷冻肉的组织结构、胶体性质、色泽、汁液流失量等都会发生变化。其中色泽对原料肉需求企业及普通消费者而言是最直观、最重要的评价冷冻肉新鲜程度的指标。肉品色泽的变化与肌红蛋白有关,肌红蛋白是一种水溶性蛋白,由蛋白部分和中央含有铁原子的非蛋白卟啉环构成,铁原子的氧化状态对肉颜色有重要作用,所以,肉品的色泽主要取决于肌红蛋白的含量和其所属的状态。随着贮藏期的延长,肌红蛋白被氧化,肉体表面由色泽鲜明逐渐变为暗褐色,失去光泽。另外,虽然贮藏温度很低,肉品中仍会缓慢发生各种生化反应,以及一些耐冷微生物分泌的水溶性或脂溶性色素发生沉积,这些都会引起肉品色泽的变化。
目前,对于冷冻肉的色泽主要通过肉眼进行判断,主观性强,个体差异较大,不易察觉肉颜色的细微变化,因而容易导致误判。
发明内容
本发明提供一种冷冻肉新鲜程度的评估方法及系统,能够快速、准确的对冷冻肉的新鲜程度进行检测和判定。
第一方面,本发明提供一种冷冻肉新鲜程度的评估方法,包括:
采集待测冷冻肉的图像,从采集到的图像中获取所有像素点的基色特征值;
根据第一特征条件从所述基色特征值中获取第一像素点个数;
根据第二特征条件从所述基色特征值中获取第二像素点个数;
根据第一像素点个数和第二像素点个数确定冷冻肉的新鲜状态。
进一步地,还包括:
对采集到的图像进行二值化处理;
从二值化处理后的图像中确定待测冷冻肉的边界区域;
根据待测冷冻肉的边界区域从原始图像中获取边界区域内所有像素点的基色特征值。
进一步地,在暗箱中的漫反射LED光源照射下,利用摄像头正对待测冷冻肉进行图像采集。
进一步地,第一特征条件为40≤R≤255、0≤G≤135、0≤B≤135、(B-R)≤30和(G-R)≤30。
进一步地,第二特征条件为40≤R≤255、0≤G≤135、100≤B≤135、(B-R)≤30和(G-R)≤30。
进一步地,根据第一像素点个数与第二像素点个数的比例值μ与预设比例值进行比较,确定冷冻肉的新鲜状态。
进一步地,若μ>ε1,则待测冷冻肉冷藏时间大于或等于一年;若ε1>μ>ε2,则待测冷冻肉冷藏时间大于三个月小于一年;若μ<ε1,则待测冷冻肉冷藏时间小于或等于三个月,其中,ε1为第一预设比例值,ε2为第二预设比例值。
进一步地,ε1为15-20%;ε2为20-25%。
另一方面,本发明提供一种冷冻肉新鲜程度的评估系统,包括:
采集单元,用于采集待测冷冻肉的图像;
特征提取单元,用于从采集到的图像中获取所有像素点的基色特征值;
统计单元,用于根据第一特征条件从基色特征值中获取第一像素点个数,以及用于根据第二特征条件从基色特征值中获取第二像素点个数;
评估单元,用于根据第一像素点个数和第二像素点个数确定冷冻肉的新鲜状态。
进一步地,还包括:
二值化处理单元,用于对采集的待测冷冻肉图像进行二值化处理,获得二值化图像;
区域分析单元,用于对二值化图像分析处理获得待测冷冻肉的边界区域。
由上述技术方案可知,本发明基于计算机视觉的冷冻肉新鲜程度的评估方法,对采集的冷冻肉图像进行处理,通过无光泽红肉占总红肉的比例对冷冻肉新鲜程度进行评价,弥补了目前国内对冷冻肉新鲜程度评价方法的空缺,提高了评价的准确性和客观性。
附图说明
图1为本发明实施例1所述评估方法的流程示意图;
图2为本发明实施例2所述评估方法的流程示意图;
图3为实施例2所述评估方法中原始图像和边界区域的示意图;
图4为实施例2所述评估方法形成的第一像素点图像;
图5为实施例2所述评估方法形成的第二像素点图像;
图6为本发明实施例3所述评估系统的结构框图;
图7为本发明实施例4所述评估系统的结构框图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
图1示出了本发明实施例1提供一种冷冻肉新鲜程度的评估方法,包括:
S1、采集待测冷冻肉的图像。在采集过程中,在暗箱中的漫反射LED光源照射下,利用摄像头正对待测冷冻肉进行拍照。采集完毕后,从原始图像中获取所有像素点的基色特征值。所述基色特征值是指红(R)、绿(G)、蓝(B)三基色的特征值。而如何从图像中提取像素点的特征值是一个成熟技术,在此不再赘述。但为了准确提取像素点考虑,采集图像需在合适背景下拍照,避免背景色对提取像素点造成一定影响。
S2、根据第一特征条件从所述基色特征值中获取第一像素点个数。其中,第一特征条件为40≤R≤255、0≤G≤135、0≤B≤135、(B-R)≤30和(G-R)≤30。而在这里所述的第一像素点,对于冷冻肉来说,是指原始图像中的总红色肉的像素点。比较时,每个像素点的特征值均处于上述特征条件的范围内,才会被统计为一个第一像素点。需要说明的是,上述的第一特征条件是实验所获得的较优条件,但不是唯一条件。因此,任何能够对能够准确统计第一像素点个数的特征条件均是本发明所示范围之内。
S3、根据第二特征条件从所述基色特征值中获取第二像素点个数。其中,第二特征条件为40≤R≤255、0≤G≤135、100≤B≤135、(B-R)≤30和(G-R)≤30。而在这里所述的第二像素点,对于冷冻肉来说,是指原始图像中的无光泽红色肉的像素点。比较时,每个像素点的特征值均处于上述特征条件的范围内,才会被统计为一个第二像素点。需要说明的是,上述的第二特征条件是实验所获得的较优条件,但不是唯一条件。因此,任何能够对能够准确统计第一像素点个数的特征条件均是本发明所示范围之内。
S4、根据第一像素点个数和第二像素点个数确定食物的新鲜状态。具体是:根据第一像素点个数与第二像素点个数的比例值μ与预设比例值进行比较,确定食物的新鲜状态。若μ>ε1,则待测冷冻肉冷藏时间大于或等于一年;若ε1>μ>ε2,则待测冷冻肉冷藏时间大于三个月小于一年;若μ<ε1,则待测冷冻肉冷藏时间小于或等于三个月,其中,ε1为第一预设比例值,通常情况下为15-20%。ε2为第二预设比例值,通常情况下为20%-25%。
图2示出了本发明实施例2提供一种冷冻肉新鲜程度的评估方法,包括:
S1、采集待测冷冻肉的图像。在采集过程中,在暗箱中的漫反射LED光源照射下,利用摄像头正对待测冷冻肉进行拍照。采集完毕后对待测冷冻肉的图像进行二值化处理得到二值化图像。
S2、从二值化图像中获取待测冷冻肉的边界区域。在执行时,可利用投影算法逐行扫描定位冷冻肉所属位置和边界,以获取冷冻肉所属边界。需要说明的是,上述提到的投影算法仅是处理S2步骤中的一种算法。而对于如何获得待测冷冻肉的所属位置区域可以通过较多成熟的现有技术进行处理获得。在此不再赘述。而边界区域可以是冷冻肉本身边界,也可是将冷冻肉本身罩住的边界,如方形区域。设置边界区域,是为了避免在不利背景环境下图像中的背景色素对检测及提取像素点的影响。
S3、根据待测冷冻肉的边界区域从待测冷冻肉的原始图像中获取边界区域内所有像素点的基色特征值,所述基色特征值是指红(R)、绿(G)、蓝(B)三基色的特征值。而如何从图像中提取像素点的特征值是一个成熟技术,在此不再赘述。如图3示出了在原始图像中获取像素点的示意图,在图中的方框为S2步骤中的边界区域。
S4、根据第一特征条件从所述基色特征值中获取第一像素点个数。其中,第一特征条件为40≤R≤255、0≤G≤135、0≤B≤135、(B-R)≤30和(G-R)≤30。而在这里所述的第一像素点,对于冷冻肉来说,是指原始图像中的总红色肉的像素点。如图4所示为获取第一像素点后制作而成的总红色肉的示意图,图中大面积白色区域为总红色肉区域。比较时,每个像素点的特征值均处于上述特征条件的范围内,才会被统计为一个第一像素点。需要说明的是,上述的第一特征条件是实验所获得的较优条件,但不是唯一条件。因此,任何能够对能够准确统计第一像素点个数的特征条件均是本发明所示范围之内。
S5、根据第二特征条件从所述基色特征值中获取第二像素点个数。其中,第二特征条件为40≤R≤255、0≤G≤135、100≤B≤135、(B-R)≤30和(G-R)≤30。而在这里所述的第二像素点,对于冷冻肉来说,是指原始图像中的无光泽红色肉的像素点。如图5所示为获取第一像素点后制作而成的无光泽红色肉的示意图,图中大面积白色区域为无光泽红色肉区域。比较时,每个像素点的特征值均处于上述特征条件的范围内,才会被统计为一个第二像素点。需要说明的是,上述的第二特征条件是实验所获得的较优条件,但不是唯一条件。因此,任何能够对能够准确统计第一像素点个数的特征条件均是本发明所示范围之内。
S6、根据第一像素点个数和第二像素点个数确定食物的新鲜状态。具体是:根据第一像素点个数与第二像素点个数的比例值μ与预设比例值进行比较,确定食物的新鲜状态。若μ>ε1,则待测冷冻肉冷藏时间大于或等于一年;若ε1>μ>ε2,则待测冷冻肉冷藏时间大于三个月小于一年;若μ<ε1,则待测冷冻肉冷藏时间小于或等于三个月,其中,ε1为第一预设比例值,通常情况下为15-20%。ε2为第二预设比例值,通常情况下为20-25%。
图6示出了本发明实施例3提供的一种冷冻肉新鲜程度的评估系统,包括:
采集单元,用于采集待测冷冻肉的图像;
特征提取单元,用于从采集到的图像中获取所有像素点的基色特征值;
统计单元,用于根据第一特征条件从基色特征值中获取第一像素点个数,以及用于根据第二特征条件从基色特征值中获取第二像素点个数;
评估单元,用于根据第一像素点个数和第二像素点个数确定冷冻肉的新鲜状态。
图7示出了本发明实施例4提供的一种冷冻肉新鲜程度的评估系统,包括:
采集单元,用于采集待测冷冻肉的图像;
二值化处理单元,用于对采集的待测冷冻肉图像进行二值化处理,获得二值化图像;
区域分析单元,用于对二值化图像分析处理获得待测冷冻肉的边界区域;
特征提取单元,用于根据待测冷冻肉的边界区域从待测冷冻肉的原始图像中获取边界区域内所有像素点的基色特征值;
统计单元,用于根据第一特征条件从基色特征值中获取第一像素点个数,以及用于根据第二特征条件从基色特征值中获取第二像素点个数;
评估单元,用于根据第一像素点个数和第二像素点个数确定冷冻肉的新鲜状态。
由于实施例3和实施例4所述系统是基于所述评估方法基础上,因此,本系统在工作原理与上述评估方法的原理相同,在此不再赘述。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
本领域普通技术人员可以理解:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明权利要求所限定的范围。
Claims (10)
1.一种冷冻肉新鲜程度的评估方法,其特征在于,包括:
采集待测冷冻肉的图像,从采集到的图像中获取所有像素点的基色特征值;
根据第一特征条件从所述基色特征值中获取第一像素点个数;
根据第二特征条件从所述基色特征值中获取第二像素点个数;
根据第一像素点个数和第二像素点个数确定冷冻肉的新鲜状态。
2.根据权利要求1所述的评估方法,其特征在于,还包括:
对采集到的图像进行二值化处理;
从二值化处理后的图像中确定待测冷冻肉的边界区域;
根据待测冷冻肉的边界区域从原始图像中获取边界区域内所有像素点的基色特征值。
3.根据权利要求1所述的评估方法,其特征在于,在暗箱中的漫反射LED光源照射下,利用摄像头正对待测冷冻肉进行图像采集。
4.根据权利要求1所述的评估方法,其特征在于,第一特征条件为40≤R≤255、0≤G≤135、0≤B≤135、(B-R)≤30和(G-R)≤30。
5.根据权利要求1所述的评估方法,其特征在于,第二特征条件为40≤R≤255、0≤G≤135、100≤B≤135、(B-R)≤30和(G-R)≤30。
6.根据权利要求1所述的评估方法,其特征在于,根据第一像素点个数与第二像素点个数的比例值μ与预设比例值进行比较,确定冷冻肉的新鲜状态。
7.根据权利要求6所述的评估方法,其特征在于,若μ>ε1,则待测冷冻肉冷藏时间大于或等于一年;若ε1>μ>ε2,则待测冷冻肉冷藏时间大于三个月小于一年;若μ<ε1,则待测冷冻肉冷藏时间小于或等于三个月,其中,ε1为第一预设比例值,ε2为第二预设比例值。
8.根据权利要求7所述的评估方法,其特征在于,ε1为15-20%;ε2为20-25%。
9.一种冷冻肉新鲜程度的评估系统,其特征在于,包括:
采集单元,用于采集待测冷冻肉的图像;
特征提取单元,用于从采集到的图像中获取所有像素点的基色特征值;
统计单元,用于根据第一特征条件从基色特征值中获取第一像素点个数,以及用于根据第二特征条件从基色特征值中获取第二像素点个数;
评估单元,用于根据第一像素点个数和第二像素点个数确定冷冻肉的新鲜状态。
10.根据权利要求9所述的评估系统,其特征在于,还包括:
二值化处理单元,用于对采集的待测冷冻肉图像进行二值化处理,获得二值化图像;
区域分析单元,用于对二值化图像分析处理获得待测冷冻肉的边界区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510874182.XA CN105447891B (zh) | 2015-12-02 | 2015-12-02 | 冷冻肉新鲜程度的评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510874182.XA CN105447891B (zh) | 2015-12-02 | 2015-12-02 | 冷冻肉新鲜程度的评估方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105447891A true CN105447891A (zh) | 2016-03-30 |
CN105447891B CN105447891B (zh) | 2018-03-30 |
Family
ID=55558023
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510874182.XA Active CN105447891B (zh) | 2015-12-02 | 2015-12-02 | 冷冻肉新鲜程度的评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105447891B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109544507A (zh) * | 2018-10-18 | 2019-03-29 | 清影医疗科技(深圳)有限公司 | 一种病理图像处理方法及系统、设备、存储介质 |
CN109557109A (zh) * | 2018-12-29 | 2019-04-02 | 中国肉类食品综合研究中心 | 冷冻肉品包装状态的检测方法及装置 |
CN112101957A (zh) * | 2020-01-01 | 2020-12-18 | 袁艳荣 | 基于大数据存储的信息记录平台 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102156129A (zh) * | 2009-12-02 | 2011-08-17 | 南京农业大学 | 一种基于机器视觉的牛肉品质智能分级系统及其方法 |
US20110273558A1 (en) * | 2009-01-10 | 2011-11-10 | Goldfinch Solutions, Llc | System and Method for Analyzing Properties of Meat Using Multispectral Imaging |
CN103778628A (zh) * | 2014-01-10 | 2014-05-07 | 北京农业信息技术研究中心 | 田间开放环境下的叶片病害程度获取方法及系统 |
CN103940751A (zh) * | 2014-04-23 | 2014-07-23 | 成都大学 | 一种基于图像处理技术的冷鲜肉品质的测评方法 |
CN104897581A (zh) * | 2015-05-29 | 2015-09-09 | 华南理工大学 | 基于高光谱的识别新鲜肉、冷却肉和冷冻肉的方法及装置 |
-
2015
- 2015-12-02 CN CN201510874182.XA patent/CN105447891B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110273558A1 (en) * | 2009-01-10 | 2011-11-10 | Goldfinch Solutions, Llc | System and Method for Analyzing Properties of Meat Using Multispectral Imaging |
CN102156129A (zh) * | 2009-12-02 | 2011-08-17 | 南京农业大学 | 一种基于机器视觉的牛肉品质智能分级系统及其方法 |
CN103778628A (zh) * | 2014-01-10 | 2014-05-07 | 北京农业信息技术研究中心 | 田间开放环境下的叶片病害程度获取方法及系统 |
CN103940751A (zh) * | 2014-04-23 | 2014-07-23 | 成都大学 | 一种基于图像处理技术的冷鲜肉品质的测评方法 |
CN104897581A (zh) * | 2015-05-29 | 2015-09-09 | 华南理工大学 | 基于高光谱的识别新鲜肉、冷却肉和冷冻肉的方法及装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109544507A (zh) * | 2018-10-18 | 2019-03-29 | 清影医疗科技(深圳)有限公司 | 一种病理图像处理方法及系统、设备、存储介质 |
CN109557109A (zh) * | 2018-12-29 | 2019-04-02 | 中国肉类食品综合研究中心 | 冷冻肉品包装状态的检测方法及装置 |
CN109557109B (zh) * | 2018-12-29 | 2021-07-30 | 中国肉类食品综合研究中心 | 冷冻肉品包装状态的检测方法及装置 |
CN112101957A (zh) * | 2020-01-01 | 2020-12-18 | 袁艳荣 | 基于大数据存储的信息记录平台 |
Also Published As
Publication number | Publication date |
---|---|
CN105447891B (zh) | 2018-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shi et al. | Developing a machine vision system for simultaneous prediction of freshness indicators based on tilapia (Oreochromis niloticus) pupil and gill color during storage at 4 C | |
Barbin et al. | NIR hyperspectral imaging as non-destructive evaluation tool for the recognition of fresh and frozen–thawed porcine longissimus dorsi muscles | |
Barbin et al. | Non-destructive assessment of microbial contamination in porcine meat using NIR hyperspectral imaging | |
Chmiel et al. | Lightness of the color measured by computer image analysis as a factor for assessing the quality of pork meat | |
Holman et al. | The association between total volatile basic nitrogen (TVB-N) concentration and other biomarkers of quality and spoilage for vacuum packaged beef | |
Li et al. | Machine vision technology for detecting the external defects of fruits—A review | |
Ye et al. | Monitoring of bacterial contamination on chicken meat surface using a novel narrowband spectral index derived from hyperspectral imagery data | |
CN104049068B (zh) | 生鲜畜肉新鲜度的无损测定装置及测定方法 | |
Foca et al. | The potential of spectral and hyperspectral-imaging techniques for bacterial detection in food: A case study on lactic acid bacteria | |
Peng et al. | Optical methods and techniques for meat quality inspection | |
CN104897581A (zh) | 基于高光谱的识别新鲜肉、冷却肉和冷冻肉的方法及装置 | |
CN105447891A (zh) | 冷冻肉新鲜程度的评估方法及系统 | |
Wang et al. | Visualizing quantitatively the freshness of intact fresh pork using acousto-optical tunable filter-based visible/near-infrared spectral imagery | |
CN104089925B (zh) | 一种基于高光谱成像检测虾仁品质的目标区域提取方法 | |
Dixit et al. | Non-invasive spectroscopic and imaging systems for prediction of beef quality in a meat processing pilot plant | |
CN102269710A (zh) | 基于多光谱成像的生鲜猪肉有效期的快速无损预测装置 | |
Mendoza et al. | Automated prediction of sensory scores for color and appearance in canned black beans (Phaseolus vulgaris L.) using machine vision | |
CN103940751B (zh) | 一种基于图像处理技术的冷鲜肉品质的测评方法 | |
Holman et al. | The identification of dark cutting beef carcasses in Australia, using Nix Pro Color Sensor™ colour measures, and their relationship to bolar blade, striploin and topside quality traits | |
CN104297439A (zh) | 一种基于计算机视觉的双黄鸭蛋自动识别检测方法 | |
Retz et al. | Effect of maturation and freezing on quality and drying kinetics of beef | |
CN116228772A (zh) | 一种生鲜食品变质区域快速检测方法及系统 | |
Novas et al. | Development of a smartphone application for assessment of chilling injuries in zucchini | |
Neyrinck et al. | Application of near-infrared spectroscopy for the classification of fresh pork quality in cooked ham production | |
Pace et al. | Adaptive self-configuring computer vision system for quality evaluation of fresh-cut radicchio |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |