CN110174401A - 一种基于视觉成像技术的鸡胸肉木质化程度分级装置及其方法 - Google Patents
一种基于视觉成像技术的鸡胸肉木质化程度分级装置及其方法 Download PDFInfo
- Publication number
- CN110174401A CN110174401A CN201910363125.3A CN201910363125A CN110174401A CN 110174401 A CN110174401 A CN 110174401A CN 201910363125 A CN201910363125 A CN 201910363125A CN 110174401 A CN110174401 A CN 110174401A
- Authority
- CN
- China
- Prior art keywords
- grade breast
- fresh grade
- lignifying
- fresh
- breast
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
- G01B11/06—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/28—Measuring arrangements characterised by the use of optical techniques for measuring areas
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N2021/845—Objects on a conveyor
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于视觉成像技术的鸡胸肉木质化程度分级装置,由硬件模块、特征参数提取模块及木质化分级模块组成;硬件模块包括:视觉成像装置,视觉成像装置下设:带式输送排列装置、触发传感器、俯视CCD工业相机、侧视CCD工业相机、固定支架及挡板;特征参量提取模块主要包括特征参数提取;木质化分级模块主要包括:由工控机控制的BP神经网络模型和输出鸡胸肉木质化等级。本发明实现了禽肉加工中鸡胸肉木质化等级的自动分级,节省了生产线上评级人员的雇佣、培训所对应的开支,规范了禽肉品质评级标准,同时提升了鸡胸肉品质检测的客观性、准确率及工作工作效率,实现了禽肉加工过程中在线品质无损检测分级。
Description
技术领域
本发明涉及一种基于视觉成像技术的鸡胸肉木质化程度分级装置及其方法,涉及鸡胸肉质量等级的检测和判定,其属于农产品加工与检测技术领域。
背景技术
近年来,无骨鸡胸肉因其营养丰富、易于烹饪、价格实惠的特点成为了消费者喜爱的肉类产品。随着市场对无骨鸡胸肉需求的增加,家禽养殖企业不断提升饲养效率,养殖出肉率高、生长迅速的肉鸡品种。如今,肉鸡养殖速率已较50年前缩短近一半,且肉鸡的活体质量是50年前肉鸡活体质量的两倍。然而,家禽市场速生肉鸡品种的推广与发展也带来了一系列禽肉产品的品质问题。其中最为紧急、影响最大的是木质鸡胸肉,禽肉生产加工企业每年因木质鸡胸肉产生的经济损失超过两亿美金。目前对木质肉致病机理的相关研究未揭示产生木质肉的直接原因,鸡胸肉的质量等级分级采取人工指压硬度检测法,但人工指压硬度评级方法有其根本的缺点:一是具有主观性,不同的评级员对相同的鸡胸肉进行木质化等级评定时,其判定结果可能存在差异;二是存在不一致性,当同一评级员对相同鸡胸肉进行两次硬度等级评定时,及其判定结果也可能存在差异;三是该方法的评级成本高,效率低。因此,急需对鸡胸肉木质化等级分级方法和技术进行深入研究,开发客观、精确、高效的鸡胸肉木质化程度自动分级系统和分级方法,弥补人工评级的不足,实现鸡胸肉木质化等级的在线无损分级检测。
发明内容
本发明目的是针对鸡胸肉生产加工现场其木质化主观评级的主观性、不一致性和评级低效率等问题,提出一种能够适应禽肉加工需求的基于视觉成像技术的鸡胸肉木质化程度分级装置及方法,满足实际使用要求。
为解决上述问题,本发明所采取的技术方案如下:
一种基于视觉成像技术的鸡胸肉木质化程度分级装置,由硬件模块、特征参量提取模块及木质化分级模块组成;
硬件模块包括工控机控制的鸡胸肉运输硬件模块和鸡胸肉图像采集硬件模块;
鸡胸肉运输硬件模块包括工控机控制的触发传感器、固定支架及挡板、带式输送排列装置;
鸡胸肉图像采集硬件模块包括工控机控制的俯视CCD工业相机、侧视CCD工业相机;
鸡胸肉运输硬件模块即工控机通过控制带式输送排列装置完成鸡胸肉的运输,触发传感器检测到鸡胸肉时反馈信息到工控机协调控制鸡胸肉的运输;
鸡胸肉图像采集硬件模块即俯视CCD工业相机、侧视CCD工业相机通过对处于抓取自然下垂状态下的鸡胸肉图像进行采集与分析,提取鸡胸肉的俯视图像及侧视图像信息。
此外,特征参量提取模块包含在工控机内,即工控机将图像采集硬件模块提取到的鸡胸肉的俯视图像及侧视图像信息进行处理计算,分别得到鸡胸肉自然状态下的长、宽、厚度、面积;
特征参量提取模块所提取的特征参数包括:鸡胸肉自然状态下的长、宽、厚度、面积。
所述木质化分级模块通过特征参量提取模块所得到特征参量进行木质化评级,鸡胸肉木质化程度分为正常、轻微、中度和严重四个等级。
具体地,所述基于视觉成像技术的鸡胸肉木质化程度分级方法包括以下步骤:
步骤1、由经过一定训练后且有评级经验的研究或工作人员对鸡胸肉进行人工抓取观察木质化程度评级,评级标准为:正常、轻微、中度、严重4个等级,用数值0、1、2、3进行记录;
步骤2、提取和处理鸡胸肉俯视图像信息,鸡胸肉由硬件模块的带式输送排列装置进行运输,当触发传感器检测到正下方鸡胸肉时,工控机控制带式输送排列装置短暂停留3秒供俯视CCD工业相机拍照,俯视CCD工业相机完成后对鸡胸肉俯视图像进行储存并将图像信息传递到工控机,工控机对采集的鸡胸肉俯视图像进行图像处理,提取鸡胸肉自然状态下的长度L、宽度W、面积S;此过程结束后,工控机控制带式输送排列装置继续带动鸡胸肉运动至侧视CCD工业相机拍摄位置;
步骤3、提取和处理鸡胸肉侧视图像信息,当鸡胸肉运动至侧视CCD工业相机拍摄位置时,侧视CCD工业相机完成对鸡胸肉侧视图像的采集及储存并将图像信息传递到工控机,工控机对采集的鸡胸肉侧视图像信息进行处理,提取鸡胸肉自然状态下的厚度H;
步骤4、建立鸡胸肉木质化等级数据库,重复步骤1~3,建立鸡胸肉木质化等级数据库,数据库的每条记录为工控机处理后得到的鸡胸肉自然状态下的长度、宽度、厚度、面积;
步骤5、建立鸡胸肉木质化分级模型,对鸡胸肉木质化等级数据库中的每条记录作为训练集,作回归分析,建立鸡胸肉木质化程度硬度分级模型;
步骤6、对鸡胸肉木质化程度进行分级,将未进行人工评级的鸡胸肉置于分级装置带式输送排列装置上,待检测鸡胸肉依次通过俯视CCD工业相机、侧视CCD工业相机的拍照,完成对鸡胸肉俯视图像及侧视图像信息的采集,工控机对得到的图像信息进行处理分析得到鸡胸肉自然状态下的长度、宽度、厚度、面积,最后根据步骤5所建立的鸡胸肉木质化程度硬度分级模型,计算出鸡胸肉木质化程度等级。
作为上述技术方案的改进,步骤6的木质化等级判定规则为:
分级模型计算所得的硬度等级值小于0.5,木质化等级为正常;
分级模型计算所得的硬度等级值介于0.5与1之间(包括1),木质化等级为轻微;
分级模型计算所得的硬度等级值介于1与2之间(包括2)木质化等级为中度;
分级模型计算所得的硬度等级值大于2,木质化等级为严重。
本发明与现有技术相比较,本发明的实施效果如下:
本发明实现了禽肉加工中鸡胸肉木质化等级的自动分级,节省了生产线上评级人员的雇佣、培训所对应的开支,规范了禽肉品质评级标准,同时提升了鸡胸肉品质检测的客观性、准确率及工作工作效率,实现了禽肉加工过程中在线品质无损检测分级。
本发明特征参量提取模块中所使用的俯视CCD工业相机、侧视CCD工业相机的图片像素大小选型为480×640,位置安装高度(CCD工业相机镜头到识取点的垂直距离)为30cm,数据由大量理论实验反复试验后得出,可以精确提取鸡胸肉自然状态下的长度、宽度、厚度及面积,识别提取特征点的精度可达0.1mm。
本发明触发传感器与俯视CCD工业相机固定在同一竖直平面,确保提取俯视图像时鸡胸肉停留在适当位置,当俯视图像提取完成后,工控机继续控制带式输送排列装置运输鸡胸肉至侧视图像提取位置,两个相邻提取位置之间的距离为固定值,保证了鸡胸肉位置的客观性、精准性和无误性。
本发明中建立的鸡胸肉木质化程度模型,在俯视CCD工业相机、侧视CCD工业相机、触发传感器选型与安装条件一致时,可以不对现有分级模型进行修改,就可适用于不同规模的鸡胸肉木质化程度分级生产线,实现鸡胸肉木质化等级的无损在线自动分级。
附图说明
图1为本发明的分级系统组成图;
图2为本发明的分级系统结构示意图;
图3为本发明的视觉成像系统工作流程图;
图4为本发明的视觉成像效果示意图。
其中,图4中的标号说明:A、鸡胸肉原始俯视图像;B、鸡胸肉去除背景俯视图像;C、鸡胸肉二值化处理后俯视图像;D、鸡胸肉原始侧视图像;E、鸡胸肉去除背景侧视图像;F、鸡胸肉二值化处理后侧视图像。
具体实施方式
下面将结合具体的实施例来说明本发明的内容。
一种基于视觉成像技术的鸡胸肉木质化程度分级装置,系统工作流程图如图1所示,系统包括硬件模块、特征参量提取模块及木质化分级模块;其中硬件模块主要由工控机40控制的鸡胸肉50运输硬件模块和鸡胸肉图像采集硬件模块组成,工控机40控制触发传感器10、带式输送排列装置70组成鸡胸肉运输硬件模块,工控机40控制俯视CCD工业相机20、侧视CCD工业相机30及固定支架及挡板60(包括:固定支架一61和固定支架二62及挡板63)构成鸡胸肉图像采集硬件模块。
特征参量提取模块包含在工控机40内,即工控机40将图像采集硬件模块提取到的鸡胸肉50的俯视图像及侧视图像信息进行处理计算,分别得到鸡胸肉50自然状态下的长、宽、厚度、面积。
其中,木质化分级模块通过图像信息提取分析模块所得到的弯曲度参量进行木质化评级,最后输出正常、轻微、中度和严重四个鸡胸肉木质化程度等级。
鸡胸肉无损分级检测流程图如图3所示,鸡胸肉50由带式输送排列装置70以一定速度带动向前运输,被触发传感器10检测到后带式输送排列装置70短暂停留三秒,让俯视CCD工业相机20完成俯视图像信息采集工作并将数据传递到工控机40,触发传感器10与俯视CCD工业相机20固定于适当位置,使得触发传感器10的拾取点与俯视CCD工业相机20的拍摄中心点所在的直线与传送带运动方向垂直,确保提取俯视图像时鸡胸肉停留在适当位置;通过给定的算法,工控机40控制带式输送排列装置70继续向前运输30cm后停留,此距离恰好能够使鸡胸肉50停留在侧视CCD工业相机30的拍摄位置,在停留三秒后,侧视CCD工业相机30完成侧视图像信息采集工作并将数据传递到工控机40,工控机40控制带式输送排列装置70运走检测完的鸡胸肉50并带动下一个鸡胸肉50进入检测。
鸡胸肉图像信息分析示意图如图2所示,原始图像经过处理后只保留鸡胸肉50和黑色背景部分,在去除背景后图片背景变为白色,鸡胸肉50部分任为彩色,通过二值化过程后鸡胸肉部分变为黑色数据点集,此时工控机40能够提取出鸡胸肉的长、宽、厚度及面积信息。
具体地,一种利用如上所述基于视觉成像技术的鸡胸肉木质化程度分级方法,包括以下步骤:
(1)鸡胸肉木质化等级的人工分级与记录:由经过一定训练后且有评级经验的研究或工作人员对鸡胸肉进行人工抓取观察木质化程度评级,评级标准为:正常,整体十分柔软,外表平滑、细腻,柔韧性好,掂在手中鸡胸肉两端自由垂下;轻微,整体柔软,在肉样顶端区域有轻微硬度触感;中度,肉样硬度主要集中在顶端区域,但底部仍然柔软,掂在手中底部仍有一定的下垂感,肉样整体都能感知到硬度存在,但在中部至底部区域仍有一定的柔韧性,且底部隐约因硬度增加导致的凸起部位;严重,肉样整体触感坚硬且无柔韧性,随评分分数增加,整体硬度增加,表面呈现木质状纹理结构,掂在手中无下垂感,通常可整体立在手中,通体表面有水膜状分泌物且底部可明显看出凸起部位,部位样本表面不同部分有渗入性血迹存在,最终将木质化等级人工划分为4个等级,用数值0、1、2、3进行记录;
(2)提取和处理鸡胸肉俯视图像信息,鸡胸肉由硬件模块的带式输送排列装置进行运输,触发传感器检测到鸡胸肉通过时,由工控机控制俯视CCD工业相机完成鸡胸肉原始俯视图像的采集及储存,工控机对采集的鸡胸肉原始俯视图像进行处理后只保留鸡胸肉部分和背景部分,当图像经过背景剔除、二值化后,即可提取鸡胸肉自然状态下的长度、宽度、面积;此过程中,工控机控制带式输送排列装置短暂停留三秒供俯视CCD工业相机拍照,拍照完成后工控机控制带式输送排列装置继续带动鸡胸肉运动至侧视CCD工业相机拍摄位置;
(3)提取和处理鸡胸肉侧视图像信息,当鸡胸肉运动至侧视CCD工业相机拍摄位置时,由工控机控制侧视CCD工业相机完成鸡胸肉原始侧视图像的采集及储存,工控机对采集的鸡胸肉原始侧视图像进行处理后只保留鸡胸肉部分和背景部分,当图像经过背景剔除、二值化后,即可提取鸡胸肉自然状态下的厚度,工控机对采集的鸡胸肉侧视图像进行图像处理,提取鸡胸肉自然状态下的厚度;
(4)建立鸡胸肉木质化等级数据库,重复步骤(1)-(3),建立鸡胸肉木质化等级数据库,数据库的每条记录为工控机处理后得到的鸡胸肉自然状态下的长度、宽度、厚度、面积;
(5)建立鸡胸肉木质化分级模型,对鸡胸肉木质化等级数据库中的每条记录作为训练集,作回归分析,建立鸡胸肉木质化程度硬度分级模型;
(6)对鸡胸肉木质化程度进行分级,将未进行人工评级的鸡胸肉置于分级装置带式输送排列装置上,待检测鸡胸肉依次通过俯视CCD工业相机、侧视CCD工业相机的拍照,完成对鸡胸肉俯视图像及侧视图像信息的采集,工控机对得到的图像信息进行处理分析得到鸡胸肉自然状态下的长度、宽度、厚度、面积,最后根据步骤(5)所建立的鸡胸肉木质化程度硬度分级模型,计算出鸡胸肉木质化程度等级。
具体地,利用基于视觉成像技术的鸡胸肉木质化程度自动分级方法,步骤(6)的木质化等级判定规则为:
分级模型计算所得的硬度等级值小于0.5,木质化等级为正常;
分级模型计算所得的硬度等级值介于0.5与1之间(包括1),木质化等级为轻微;
分级模型计算所得的硬度等级值介于1与2之间(包括2)木质化等级为中度;
分级模型计算所得的硬度等级值大于2,木质化等级为严重。
以上内容是结合具体的实施例对本发明所作的详细说明,不能认定本发明具体实施仅限于这些说明。对于本发明所属技术领域的技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明保护的范围。
Claims (7)
1.一种基于视觉成像技术的鸡胸肉木质化程度分级装置,其特征在于:由硬件模块、特征参数提取模块及木质化分级模块组成,所述硬件模块、特征参数提取模块及木质化分级模块均由工控机(40)控制;
所述硬件模块主要包括:由工控机控制的视觉成像装置,所述视觉成像装置下设:带式输送排列装置(70)、触发传感器(10)、俯视CCD工业相机(20)、侧视CCD工业相机(30)、固定支架及挡板(60);
所述特征参量提取模块包含在工控机(40)内,即主要包括特征参数提取:由工控机(40)将图像采集硬件模块提取到的鸡胸肉(50)的俯视图像及侧视图像信息进行处理计算,分别得到鸡胸肉(50)自然状态下的长、宽、厚度、面积;
所述木质化分级模块主要包括:由工控机(40)控制的BP神经网络模型和输出鸡胸肉木质化等级,所述鸡胸肉木质化程度分为正常、轻微、中度和严重四个等级;
所述视觉成像装置、特征参数提取、BP神经网络模型和输出鸡胸肉木质化等级依次连接。
2.根据权利要求1所述的基于视觉成像技术的鸡胸肉木质化程度分级装置,其特征在于:所述工控机(40)与触发传感器(10)、带式输送排列装置(70)连接,所述俯视CCD工业相机(20)、侧视CCD工业相机(30)由固定支架及挡板(60)并列固定于带式输送排列装置(70)上方,利用视觉成像原理在适当位置固定俯视CCD工业相机(20)和侧视CCD工业相机(30),实现对鸡胸肉(50)俯视图像及侧视图像信息的采集,所述触发传感器(10)固定于俯视CCD工业相机(20)一旁,当检测到鸡胸肉(50)通过时,触发传感器(10)将信息传递给工控机(40),由工控机(40)控制带式输送排列装置(70)完成对鸡胸肉(50)的运输。
3.根据权利要求1所述的基于视觉成像技术的鸡胸肉木质化程度分级装置,其特征在于:所述特征参量提取模块所处理的特征参数为鸡胸肉(50)自然状态下的长度L、宽度W、厚度H及面积S。
4.根据权利要求1所述的基于视觉成像技术的鸡胸肉木质化程度分级装置,其特征在于:所述木质化分级模块通过特征参量提取模块得到的特征参数进行预测分级,木质化程度分为正常、轻微、中度和严重四个等级。
5.根据权利要求1所述基于视觉成像技术的鸡胸肉木质化程度分级装置,其特征在于:所述带式输送排列装置(70)为食品级白色PU塑料材质,所述固定支架及挡板(60)为食品316食用级不锈钢材质。
6.根据权利要求1-5所述的基于视觉成像技术的鸡胸肉木质化程度自动分级方法,其特征在于:包括以下步骤:
步骤1、由经过一定训练后且有评级经验的研究或工作人员对鸡胸肉进行人工抓取观察木质化程度评级,评级标准为:正常、轻微、中度、严重4个等级,用数值0、1、2、3进行记录;
步骤2、提取和处理鸡胸肉俯视图像信息,鸡胸肉由硬件模块的带式输送排列装置进行运输,当触发传感器检测到正下方鸡胸肉时,工控机控制带式输送排列装置短暂停留3秒供俯视CCD工业相机拍照,俯视CCD工业相机完成后对鸡胸肉俯视图像进行储存并将图像信息传递到工控机,工控机对采集的鸡胸肉俯视图像进行图像处理,提取鸡胸肉自然状态下的长度L、宽度W、面积S,此过程结束后,工控机控制带式输送排列装置继续带动鸡胸肉运动至侧视CCD工业相机拍摄位置;
步骤3、提取和处理鸡胸肉侧视图像信息,当鸡胸肉运动至侧视CCD工业相机拍摄位置时,侧视CCD工业相机完成对鸡胸肉侧视图像的采集及储存并将图像信息传递到工控机,工控机对采集的鸡胸肉侧视图像信息进行处理,提取鸡胸肉自然状态下的厚度H;
步骤4、建立鸡胸肉木质化等级数据库,重复步骤1-3,建立鸡胸肉木质化等级数据库,数据库的每条记录为工控机处理后得到的鸡胸肉自然状态下的长度、宽度、厚度、面积;
步骤5、建立鸡胸肉木质化分级模型,对鸡胸肉木质化等级数据库中的每条记录作为训练集,作回归分析,建立鸡胸肉木质化程度硬度分级模型;
步骤6、对鸡胸肉木质化程度进行分级,将未进行人工评级的鸡胸肉置于分级装置带式输送排列装置上,待检测鸡胸肉依次通过俯视CCD工业相机、侧视CCD工业相机的拍照,完成对鸡胸肉俯视图像及侧视图像信息的采集,工控机对得到的图像信息进行处理分析得到鸡胸肉自然状态下的长度、宽度、厚度、面积,最后根据步骤5所建立的鸡胸肉木质化程度硬度分级模型,计算出鸡胸肉木质化程度等级。
7.根据权利要求6所述基于视觉成像技术的鸡胸肉木质化程度自动分级方法,其特征在于:步骤6中所述木质化等级判定规则为:
分级模型计算所得的硬度等级值小于0.5,木质化等级为正常;
分级模型计算所得的硬度等级值介于0.5与1之间(包括1),木质化等级为轻微;
分级模型计算所得的硬度等级值介于1与2之间(包括2),木质化等级为中度;
分级模型计算所得的硬度等级值大于2,木质化等级为严重。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910363125.3A CN110174401A (zh) | 2019-04-30 | 2019-04-30 | 一种基于视觉成像技术的鸡胸肉木质化程度分级装置及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910363125.3A CN110174401A (zh) | 2019-04-30 | 2019-04-30 | 一种基于视觉成像技术的鸡胸肉木质化程度分级装置及其方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110174401A true CN110174401A (zh) | 2019-08-27 |
Family
ID=67690516
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910363125.3A Pending CN110174401A (zh) | 2019-04-30 | 2019-04-30 | 一种基于视觉成像技术的鸡胸肉木质化程度分级装置及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110174401A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110018164A (zh) * | 2019-04-17 | 2019-07-16 | 滁州学院 | 一种基于立体成像的鸡胸肉木质化等级分级方法及装置 |
CN113358705A (zh) * | 2021-05-25 | 2021-09-07 | 南京农业大学 | 一种基于生物电阻抗技术的鸡胸肉木质化分级方法 |
CN113887389A (zh) * | 2021-09-29 | 2022-01-04 | 湖南省博世康中医药有限公司 | 一种基于图像识别的中药饮片质检与分级方法 |
CN114378002A (zh) * | 2022-03-09 | 2022-04-22 | 滁州学院 | 一种基于机器视觉的猴头菇分级系统及分级方法 |
CN114700291A (zh) * | 2022-04-07 | 2022-07-05 | 滁州学院 | 一种羽化鸡小胸品质检测方法及分级系统 |
CN114970755A (zh) * | 2022-06-20 | 2022-08-30 | 滁州学院 | 一种基于穿戴技术的鸡胸肉品质预测装置及分级方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180333752A1 (en) * | 2017-05-19 | 2018-11-22 | The United States Of America, As Represented By The Secretary Of Agriculture | Imaging system for sorting poultry meat with wooden breast myopathy |
US20180360054A1 (en) * | 2017-06-20 | 2018-12-20 | Board Of Trustees Of The University Of Arkansas | System and method for detecting woody breast condition in broilers using image analysis of carcass features |
CN109115777A (zh) * | 2018-09-12 | 2019-01-01 | 滁州学院 | 一种基于图像形变特征的鸡胸肉木质化程度分级系统及分级方法 |
CN109238893A (zh) * | 2018-09-12 | 2019-01-18 | 滁州学院 | 一种基于硬度形变的鸡胸肉木质化程度自动分级系统及分级方法 |
CN109507204A (zh) * | 2018-12-19 | 2019-03-22 | 滁州学院 | 一种基于弯曲度检测的鸡胸肉木质化分级方法及其装置 |
-
2019
- 2019-04-30 CN CN201910363125.3A patent/CN110174401A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180333752A1 (en) * | 2017-05-19 | 2018-11-22 | The United States Of America, As Represented By The Secretary Of Agriculture | Imaging system for sorting poultry meat with wooden breast myopathy |
US20180360054A1 (en) * | 2017-06-20 | 2018-12-20 | Board Of Trustees Of The University Of Arkansas | System and method for detecting woody breast condition in broilers using image analysis of carcass features |
CN109115777A (zh) * | 2018-09-12 | 2019-01-01 | 滁州学院 | 一种基于图像形变特征的鸡胸肉木质化程度分级系统及分级方法 |
CN109238893A (zh) * | 2018-09-12 | 2019-01-18 | 滁州学院 | 一种基于硬度形变的鸡胸肉木质化程度自动分级系统及分级方法 |
CN109507204A (zh) * | 2018-12-19 | 2019-03-22 | 滁州学院 | 一种基于弯曲度检测的鸡胸肉木质化分级方法及其装置 |
Non-Patent Citations (1)
Title |
---|
孙啸等: "木质硬度缺陷鸡肉特征及其判定", 《食品科学》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110018164A (zh) * | 2019-04-17 | 2019-07-16 | 滁州学院 | 一种基于立体成像的鸡胸肉木质化等级分级方法及装置 |
CN113358705A (zh) * | 2021-05-25 | 2021-09-07 | 南京农业大学 | 一种基于生物电阻抗技术的鸡胸肉木质化分级方法 |
CN113887389A (zh) * | 2021-09-29 | 2022-01-04 | 湖南省博世康中医药有限公司 | 一种基于图像识别的中药饮片质检与分级方法 |
CN114378002A (zh) * | 2022-03-09 | 2022-04-22 | 滁州学院 | 一种基于机器视觉的猴头菇分级系统及分级方法 |
CN114700291A (zh) * | 2022-04-07 | 2022-07-05 | 滁州学院 | 一种羽化鸡小胸品质检测方法及分级系统 |
CN114970755A (zh) * | 2022-06-20 | 2022-08-30 | 滁州学院 | 一种基于穿戴技术的鸡胸肉品质预测装置及分级方法 |
CN114970755B (zh) * | 2022-06-20 | 2024-05-31 | 滁州学院 | 一种基于穿戴技术的鸡胸肉品质预测装置及分级方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110174401A (zh) | 一种基于视觉成像技术的鸡胸肉木质化程度分级装置及其方法 | |
Liming et al. | Automated strawberry grading system based on image processing | |
Khojastehnazhand et al. | Development of a lemon sorting system based on color and size | |
CN102217559B (zh) | 孵化蛋品质在线自动检测分选设备及其方法 | |
CN107486415A (zh) | 基于机器视觉的篾片缺陷在线检测系统及检测方法 | |
Rokunuzzaman et al. | Development of a low cost machine vision system for sorting of tomatoes. | |
Baigvand et al. | Machine vision system for grading of dried figs | |
CN108318494B (zh) | 红提果粉的在线视觉检测分级装置及其方法 | |
CN105251707B (zh) | 基于医药大输液可见异物检测系统的次品剔除分拣装置 | |
CN102179374A (zh) | 禽蛋品质自动检测分选设备及其方法 | |
CN105009731B (zh) | 玉米考种方法及其系统 | |
CN109238893A (zh) | 一种基于硬度形变的鸡胸肉木质化程度自动分级系统及分级方法 | |
CN106248680A (zh) | 一种基于机器视觉的电机换向器质量检测系统及检测方法 | |
CN202133655U (zh) | 一种孵化蛋品质在线自动检测分选设备 | |
Pearson et al. | Automated sorting of pistachio nuts with closed shells | |
CN103776775A (zh) | 一种安装于冷库中的肉品品质检测装置 | |
CN109507204A (zh) | 一种基于弯曲度检测的鸡胸肉木质化分级方法及其装置 | |
CN109632001B (zh) | 一种物流运输过程中草莓机械伤害的监测方法 | |
Chong et al. | Features extraction for eggplant fruit grading system using machine vision | |
CN106556602A (zh) | 一种鱼体新鲜度的检测方法及其装置 | |
Behera et al. | Image processing based detection & size estimation of fruit on mango tree canopies | |
CN110018164A (zh) | 一种基于立体成像的鸡胸肉木质化等级分级方法及装置 | |
CN111805541A (zh) | 一种基于深度学习的中药饮片净选装置及净选方法 | |
Xing et al. | Application of computer vision technology in agricultural products and food inspection | |
Thong et al. | Mango sorting mechanical system uses machine vision and artificial intelligence |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190827 |