CN110646416B - 一种用于评价熏鸡品质的比色卡及应用 - Google Patents
一种用于评价熏鸡品质的比色卡及应用 Download PDFInfo
- Publication number
- CN110646416B CN110646416B CN201910924755.3A CN201910924755A CN110646416B CN 110646416 B CN110646416 B CN 110646416B CN 201910924755 A CN201910924755 A CN 201910924755A CN 110646416 B CN110646416 B CN 110646416B
- Authority
- CN
- China
- Prior art keywords
- color
- smoked chicken
- smoking
- chicken
- smoked
- 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.)
- Active
Links
Images
Classifications
-
- 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
- G01N21/75—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated
- G01N21/77—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated by observing the effect on a chemical indicator
- G01N21/78—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated by observing the effect on a chemical indicator producing a change of colour
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
- G01N1/44—Sample treatment involving radiation, e.g. heat
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
Abstract
一种用于评价熏鸡品质的比色卡及应用,包括16个由亚麻色渐变至深绯色的色块,在16个色块下设有对应的色号,由左至右依次为亚麻色、朽叶色、焦茶色、锖色、深绯色。比色卡制作时,首先制作熏鸡,在相同熏材、温度和工艺的情况下,以烟熏时间为变量,分别在熏制时间为0分钟‑15分钟的时间范围内,每间隔一分钟选取熏制时间节点,并将不同时间段的图像分类保存;将采集的图像数据采用对抗生成式神经网络模型进行预处理,然后用使用K‑Means算法制作比色卡。优点是:该比色卡制作操作简单,识别速度较快;制作的比色卡具有良好的可行性和稳定性且比色卡的识别准确率较高,可以实现对熏鸡颜色快速的、科学的、标准的识别与分析。
Description
技术领域
本发明涉及一种用于评价熏鸡品质的比色卡及应用,特别涉及一种用于评价熏鸡感官品质的比色卡及应用。
背景技术
沟帮子熏鸡是我国著名的地方特色酱卤肉制品之一,与德州扒鸡、道口烧鸡、符离集烧鸡并称“四大名鸡”,因其保留了原材料的营养及融合了卤制和熏制而形成的独特风味,而深受消费者喜爱,具有广阔的市场前景。
熏鸡的烟熏色泽是评价其烟熏工艺的主要指标,更是评价熏鸡产品本身的质量标签,影响着消费者的接受度和满意度,对一个企业的发展具有重要意义,对于消费者而言,购买时,颜色更为直观,并且在非接触状态下,颜色是消费者评判产品质量的重要依据,同时也是色、香、味、质中最先导的感官要素、对于企业而言,制作熏鸡时,颜色是评价其生产工艺是否成熟、稳定、可靠的重要指标。在熏鸡出厂检验中,熏鸡的熏色色差等级测评是衡量其熏制效果的重要指标,只有颜色合格的产品才能被厂商和客户所接受。但仅凭肉眼判别颜色,很容易因主观性较强及重复性不高等原因而出现误判、漏判的情况,若通过精密仪器测定,又会带来成本过高、效率过低或者污染样品的问题。
发明内容
本发明要解决的技术问题是提供一种快速的、科学的、标准的用于评价熏鸡感官品质的比色卡及应用。
本发明的技术解决方案是:
一种用于评价熏鸡感官品质的比色卡,包括16个由亚麻色渐变至深绯色的色块,其代表不同熏制时间的熏鸡颜色,在16个色块下设有对应的色号,每个色号都有对应的颜色区域,其中,颜色区域由左至右依次为亚麻色、朽叶色、焦茶色、锖色、深绯色。
一种用于评价熏鸡感官品质的比色卡,该比色卡的具体制作步骤如下:
1)熏鸡制备
准备新鲜白条鸡128只,并进行编号;解冻后,断骨造型,焯水去除血污、泡沫;将水加入蒸煮槽,煮至沸腾后,然后加入装有调味料的料包,盖上盖,97℃继续煮制120min形成卤汤;将焯水后的白条鸡放入卤汤中,在97℃下煮制120min,停止煮制,在卤汤内开盖放置120min;每次随机挑选8只,取出后于挂钩放置冷却,糖熏炉的加热板温度达到330℃时,在加热板上盛装白糖,同时将挂钩上冷却的卤制鸡放入糖熏炉内,进行熏制;
2)选取不同熏制时间的拍摄图片
在相同熏材、温度和工艺的情况下,以烟熏时间为变量,分别在熏制时间为0分钟-15分钟的时间范围内,每间隔一分钟选取熏制时间节点,通过选取的十六个时间节点熏制的熏鸡拍摄的彩色图像的信息来确定颜色在熏制过程中每一分钟的变化,并将不同时间段的图像分类保存;
3)图像采集
将128只不同熏制时间的熏鸡冷却相同时间后,使用照相机在封闭的环境体系中拍摄取样,图像数据总量要求大于1000张;照相机视场内照度基本稳定,拍摄光线亮度相似,拍照前用吸油纸擦拭拍照部位的水渍和油渍,或拍照取样时避开光斑,避免出现因熏鸡的油脂导致的镜面反射产生的反光点;
4)数据预处理
采用对抗生成式神经网络模型对采集的熏鸡图像数据进行预处理,处理时,采用以下四种方式增强处理:1、随机对比度调整;2、随机亮度调整;3、随机角度旋转;4、随机图像缩放调整;进而提高样本的数量,以增加测试结果的准确性;
5)使用K-Means算法制作比色卡
将经对抗生成式神经网络模型预处理的熏鸡图像通过机器学习识别,将熏鸡图像信息转化为计算机能够识别的参数:R、G、B,熏鸡图像信息像素均为384×384格式,R、G、B是对应的是红(Red)、绿(Green)、蓝(Blue);在采集的熏鸡腿图像上提取得到5×5的像素块,再使用大小为2×2、步长为1的滑块遍历所有像素块,共提取出16组不同熏制时间熏鸡的像素块,每组像素块分别包含R、G、B信息;其次,每张熏鸡腿图像上共采集10个5×5像素块,并在数据集中的每张图像上采用该滑块方式遍历出的所有结果作为数据集,最后使用K-Means算法对所有图像的遍历结果进行聚类,通过欧氏距离来计算各点之间的距离,并最终确定了若干个初始类簇中心点,分别提取每个类别中的中心数据RGB信息并做均值处理,可分别得出16个时间段的RGB信息,再将此信息按照烟熏时间排列,绘制比色卡。
进一步的,按照重量份数计,每1000份水,加入调味料的量如下:盐40份、味精15份、糖15份、八角0.6份、小茴香0.6份、砂仁0.6份、丁香0.25份、白芷0.25份、草果0.3份、香叶0.25份、孜然0.3份、肉蔻0.3份、肉桂0.3份、山柰0.3份、陈皮0.3份、桂皮0.3份、花椒0.3份。
一种用于评价熏鸡感官品质的比色卡在熏鸡感官评价中的应用,其特殊之处在于:熏鸡熏制完成后,采用所述评价熏鸡感官品质的比色卡进行比色,熏鸡颜色与焦茶色色号相同,产品色泽为合格。
一种用于评价熏鸡感官品质的比色卡在熏鸡感官评价中的应用,其特殊之处在于:熏鸡熏制完成后,采用所述评价熏鸡感官品质的比色卡进行比色,熏鸡颜色与比色卡8min熏制颜色色号相同,产品色泽最佳。
本发明的有益效果:
该比色卡制作操作简单,熏鸡熏制时间采取不同的时间节点,根据不同时间节点熏鸡的熏制颜色,经对抗生成式神经网络模型对熏鸡照片预处理后,基于欧式距离的聚类算法制作比色卡,准确率较高,且速度较快;制作的比色卡具有良好的可行性和稳定性且比色卡的识别准确率较高,可以实现对熏鸡颜色的识别与分析;可为消费者熏鸡产品的选购提供科学准确的指导依据,为企业监测其生产加工过程,辅助产品的制作与新品开发,也可为其它产品的相关颜色识别研究提供参考依据。
附图说明
图1是本发明实施例图像预处理结果示意图;
图2是本发明实施例K-Means算法制作比色卡过程示意图;
图3是本发明对比例均值算法制作比色卡的过程示意图;
图4是本发明实施例制备的比色卡的示意图。
具体实施方式
实施例
1)熏鸡制备
工艺流程
1)熏鸡制备
准备新鲜白条鸡128只,并进行编号;解冻后,断骨造型,焯水去除血污、泡沫;将水加入蒸煮槽,煮至沸腾后,然后加入装有调味料的料包,盖上盖,97℃继续煮制120min形成卤汤;
卤汤的配制:每1000g水,加入调味料包括盐40g、味精15g、糖15g、八角0.6g、小茴香0.6g、砂仁0.6g、丁香0.25g、白芷0.25g、草果0.3g、香叶0.25g、孜然0.3g、肉蔻0.3g、肉桂0.3g、山柰0.3g、陈皮0.3g、桂皮0.3g和花椒0.3g;
将焯水后的白条鸡放入卤汤中,在97℃下煮制120min,停止煮制,在卤汤内开盖放置120min;每次随机挑选8只,取出后于挂钩放置冷却,糖熏炉的加热板温度达到330℃时,在加热板上盛装白糖,同时将挂钩上冷却的卤制鸡放入糖熏炉内,进行熏制;
2)选取不同熏制时间的拍摄图片
在相同熏材、温度和工艺的情况下,以烟熏时间为变量,分别在熏制时间为0分钟-15分钟的时间范围内,每间隔一分钟选取熏制时间节点,通过选取的十六个时间节点熏制的熏鸡,拍摄彩色图像信息,以确定颜色在熏制过程中每一分钟颜色的变化,并将不同时间段的图像分类保存;
3)图像采集
将128只不同熏制时间的熏鸡冷却相同时间后,使用EOS-M5型照相机在封闭的黑色的箱体内拍摄取样,具体采集过程如下:将熏鸡放在黑色箱体内的哑光的白色样品板上,照相机的摄像头与熏鸡拍摄部位的垂直距离为20cm,拍照前用吸油纸擦拭拍照部位的水渍和油渍,避免出现因熏鸡的油脂导致的镜面反射产生的反光点,拍照取样时避开光斑,每只熏鸡拍摄照片的数量为8张-9张,图像数据总量为1088张,本实施例选用熏鸡的鸡腿部位进行拍照;
4)数据预处理
在图像的采集过程中样品的形状和数量会影响拍摄结果的准确性;由于鸡腿形状的不规则性、摆放位置的细微差异性和熏制色差等原因导致的部分熏鸡腿图像存在质量较差、样本不均衡的问题,进而影响着实验结果的准确性,而人工筛选照片的工作量较大,且难以控制标准;对于样品数量,丰富的训练集和预测集能够保证实验结果具有较好的准确率,但由于熏鸡制作工艺繁琐及成本较高等原因,获取大量样本的方案性价比不高。因此,采用对抗生成式神经网络模型(Deep Convolutional Generative AdversarialNetworks—DCGAN)对采集的熏鸡图像数据进行预处理,DCGAN模型主要通过判别器和生成器作为模型的优化及判断手段,由于生成器采集的图像环境存在一定的干扰噪声,因此在此条件下采集的图像与无噪或降噪后的图像存在一定的差异性,而判断器则可分辨出生成器的输出数据和真实数据,因此生成器在不断接近真实数据的同时,判断器也在试图分辨生成器的输出数据和真实数据,在生成器和判断器的不断对抗过程当中,生成式网络得到的数据就会愈加逼近真实值,减少图像采集带来的实验误差,且生成的图像也进一步丰富了训练集和预测集,从源头上提高实验结果的准确率;处理时,如图1所示,采用的DCGAN模型包括四种增强处理方式:1、随机对比度调整;2、随机亮度调整;3、随机角度旋转;4、随机图像缩放调整;
5)比色卡制作
将经对抗生成式神经网络模型预处理的熏鸡图像通过机器学习识别,将熏鸡图像信息转化为计算机能够识别的参数:R、G、B,熏鸡图像信息像素均为384×384格式,R、G、B是对应的是红(Red)、绿(Green)、蓝(Blue);如图2所示,在采集的熏鸡腿图像上提取得到5×5的像素块,再使用大小为2×2、步长为1的滑块遍历所有像素块,共提取出16组不同熏制时间熏鸡的像素块,每组像素块分别包含R、G、B信息;其次,每张熏鸡腿图像上共采集10个5×5像素块,并在数据集中的每张图像上采用该滑块方式遍历出的所有结果作为数据集,最后使用K-Means算法对所有图像的遍历结果进行聚类,通过欧氏距离来计算各点之间的距离,并最终确定了若干个初始类簇中心点,分别提取每个类别中的中心数据RGB信息并做均值处理,可分别得出16个时间段的RGB信息,再将此信息按照烟熏时间排列,绘制比色卡,如图4所示,该比色卡包括16个由亚麻色渐变至深绯色的色块,在16个色块下设有对应的色号,色号分别为L1、L2、L3、L4、D1、D2、D3、C1、C2、T1、T2、T3、B1、B2、B3、B4,每个色号都有对应的颜色区域,其中,颜色区域由左至右依次为亚麻色(L1、L2、L3、L4)、朽叶色(D1、D2、D3)、焦茶色(C1、C2)、锖色(T1、T2、T3)、深绯色(B1、B2、B3、B4)。采用所述评价熏鸡感官品质的比色卡进行比色,熏鸡颜色与焦茶色色号相同,产品色泽为合格;熏鸡颜色与比色卡8min熏制颜色色号相同,产品色泽最佳。
对比例
其它步骤是实施例相同,比色卡制作时采用均质算法。均质算法制作比色卡的主要过程如图3所示,首先使用大小为24×24的滑块遍历熏鸡腿原图像,得到24×24区域的RGB均值像素块,再将区域RGB均值像素块大小逐渐增加至58×58→98×98→192×192,随着滑块的逐渐变大,其像素块的数量也越来越少,最后由局部的RGB均值逐渐变为全局的RGB均值,通过全局的RGB均值像素块得到该图像的主色调,以此类推,遍历所有图像得到熏制时间0-16min共16个时间段的样品图像主色调,将各个熏制时间段的图像主色调按熏制时间依次排列,得到的主色调序列图即为均值算法制作的比色卡。
采用K-medoids算法结合感官实验验证比色卡的准确率:
(1)算法验证
K-medoids算法:使用大小为5×5的滑块将每张图片划分为若干个区域,对每个区域的RGB颜色做均值处理,在总体样本点中任意选取16个点作为中心点(medoids),选取的medoids为当前类簇群中随机存在的一点(共16个类簇群),该算法要求该medoids是当前类簇群中所有其它点到该medoids的距离之和最小,遍历所有图像,最终确定该点,以该点的RGB值作为该类簇群的RGB值,以此类推得到16个类簇群的RGB值,再将这16个类簇群的RGB值对比均值算法和K-Means算法得到的RGB值,以此作为评价比色卡准确率的主要依据。准确率验证结果分别为均值算法—87.2%和K-Means算法—95.1%。
(2)感官实验比较
以相同的糖熏工艺重新获取0-16min的试验样品,选定经过专业培训的感官评定员共8人,男:女=2:6,年龄在20~26周岁,均为食品专业的硕士生,身体健康、无色盲、能有效辨别色差。实验流程如下:(1)16个样品背面贴上正确的烟熏时间后,打乱顺序,随机排成两行放置;(2)感官评定员参照均值算法制作的比色卡为16个样品评定烟熏时间,评定完成后间隔10min,参照K-Means算法制作的比色卡开始试验,以此类推,得到2个比色卡对应的感官实验数据;(3)以感官实验数据对比真实数据得到2种比色卡的感官实验准确率,以此作为评价2种比色卡的判别依据。实验重复3次,以准确率平均值作为最终实验结果。准确率感官验证结果分别为均值算法—69.4%和K-Means算法—80.9%。
(3)结果讨论
均值算法和K-Means算法制作的比色卡经过算法验证和感官验证后,其准确率高低排序均为K-Means算法>均值算法,且K-Means算法的验证准确率远大于均值算法的准确率,说明K-Means算法制作的比色卡具有良好的稳定性和可行性,更适合用于熏鸡颜色的快速识别与分级。
以上仅为本发明的具体实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种用于评价熏鸡感官品质的比色卡,其特征是:包括16个由亚麻色渐变至深绯色的色块,其代表不同熏制时间的熏鸡颜色,在16个色块下设有对应的色号,每个色号都有对应的颜色区域,其中,颜色区域由左至右依次为亚麻色、朽叶色、焦茶色、锖色、深绯色;
该比色卡的具体制作步骤如下:
1)熏鸡制备
准备新鲜白条鸡128只,并进行编号;解冻后,断骨造型,焯水去除血污、泡沫;将水加入蒸煮槽,煮至沸腾后,然后加入装有调味料的料包,盖上盖,97℃继续煮制120min形成卤汤;将焯水后的白条鸡放入卤汤中,在97℃下煮制120min,停止煮制,在卤汤内开盖放置120min;每次随机挑选8只,取出后于挂钩放置冷却,糖熏炉的加热板温度达到330℃时,在加热板上盛装白糖,同时将挂钩上冷却的卤制鸡放入糖熏炉内,进行熏制;
2)选取不同熏制时间的拍摄图片
在相同熏材、温度和工艺的情况下,以烟熏时间为变量,分别在熏制时间为0分钟-15分钟的时间范围内,每间隔一分钟选取熏制时间节点,通过选取的十六个时间节点熏制的熏鸡拍摄的彩色图像的信息来确定颜色在熏制过程中每一分钟的变化,并将不同时间段的图像分类保存;
3)图像采集
将128只不同熏制时间的熏鸡冷却相同时间后,使用照相机在封闭的环境体系中拍摄取样,图像数据总量要求大于1000张;照相机视场内照度基本稳定,拍摄光线亮度相似,拍照前用吸油纸擦拭拍照部位,或拍照取样时避开光斑,避免出现因熏鸡的油脂导致的镜面反射产生的反光点;
4)数据预处理
采用对抗生成式神经网络模型对采集的熏鸡图像数据进行预处理,处理时,采用以下四种方式增强处理:1、随机对比度调整;2、随机亮度调整;3、随机角度旋转;4、随机图像缩放调整;进而提高样本的数量,以增加测试结果的准确性;
5)使用K-Means算法制作比色卡
将经对抗生成式神经网络模型预处理的熏鸡图像通过机器学习识别,将熏鸡图像信息转化为计算机能够识别的参数:R、G、B,熏鸡图像信息像素均为384 × 384格式,R、G、B是对应的是红(Red)、绿(Green)、蓝(Blue);在采集的熏鸡腿图像上提取得到5×5的像素块,再使用大小为2×2、步长为1的滑块遍历所有像素块,共提取出16组不同熏制时间熏鸡的像素块,每组像素块分别包含R、G、B信息;其次,每张熏鸡腿图像上共采集10个5×5像素块,并在数据集中的每张图像上采用该滑块方式遍历出的所有结果作为数据集,最后使用K-Means算法对所有图像的遍历结果进行聚类,通过欧氏距离来计算各点之间的距离,并最终确定了若干个初始类簇中心点,分别提取每个类别中的中心数据RGB信息并做均值处理,可分别得出16个时间段的RGB信息,再将此信息按照烟熏时间排列,绘制比色卡。
2.根据权利要求1所述的用于评价熏鸡感官品质的比色卡,其特征是:按照重量份数计,每1000份水,加入调味料的量如下:盐 40份、味精 15份、糖 15份、八角 0.6份、小茴香0.6份、砂仁 0.6份、丁香 0.25份、白芷 0.25份、草果 0.3份、香叶 0.25份、孜然 0.3份、肉蔻0.3份、肉桂0.3份、山柰0.3份、陈皮0.3份、桂皮0.3份、花椒0.3份。
3.根据权利要求1所述的用于评价熏鸡感官品质的比色卡在熏鸡感官评价中的应用,其特征是:熏鸡熏制完成后,采用所述评价熏鸡感官品质的比色卡进行比色,熏鸡颜色与焦茶色色号相同,产品色泽为合格。
4.根据权利要求1所述的用于评价熏鸡感官品质的比色卡在熏鸡感官评价中的应用,其特征是:熏鸡熏制完成后,采用所述评价熏鸡感官品质的比色卡进行比色,熏鸡颜色与比色卡8min熏制颜色色号相同,产品色泽最佳。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910924755.3A CN110646416B (zh) | 2019-09-27 | 2019-09-27 | 一种用于评价熏鸡品质的比色卡及应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910924755.3A CN110646416B (zh) | 2019-09-27 | 2019-09-27 | 一种用于评价熏鸡品质的比色卡及应用 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110646416A CN110646416A (zh) | 2020-01-03 |
CN110646416B true CN110646416B (zh) | 2021-12-07 |
Family
ID=69011649
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910924755.3A Active CN110646416B (zh) | 2019-09-27 | 2019-09-27 | 一种用于评价熏鸡品质的比色卡及应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110646416B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111272672A (zh) * | 2020-03-03 | 2020-06-12 | 渤海大学 | 一种基于颜色评估糖熏肉制品新鲜度的方法 |
CN111401350A (zh) * | 2020-03-03 | 2020-07-10 | 渤海大学 | 一种用于评价肉类反复冻融次数的比色卡及其制备方法和应用 |
CN111272682A (zh) * | 2020-03-03 | 2020-06-12 | 渤海大学 | 一种用于评价糖熏肉制品新鲜度的比色卡及其制备方法和应用 |
CN113484250B (zh) * | 2021-02-10 | 2023-01-31 | 北京简耘科技有限公司 | 一种用于评价马铃薯薯皮薯肉颜色的比色卡制作方法及评价方法 |
CN114166761A (zh) * | 2021-12-03 | 2022-03-11 | 郑其向 | 一种植物病害防治及预测用比色卡 |
KR102551341B1 (ko) * | 2022-05-18 | 2023-07-03 | 최정치 | 제조 과정 중 품질 저하를 방지하는 가공육의 제조 방법, 장치 및 컴퓨터-판독 가능 기록 매체 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1619295A (zh) * | 2004-12-10 | 2005-05-25 | 南京农业大学 | 猪肉颜色分级仪 |
CN1751812A (zh) * | 2005-10-13 | 2006-03-29 | 南京农业大学 | 一种猪肉颜色质量等级的划分方法 |
CN102353632A (zh) * | 2011-06-28 | 2012-02-15 | 上海谷绿旺农业投资管理有限公司 | 一种用于测定猪肉新鲜度的色卡和它的制作方法 |
CN106053468A (zh) * | 2016-07-18 | 2016-10-26 | 南昌大学 | 一种基于智能手机对肉类新鲜度的检测方法 |
CN109063781A (zh) * | 2018-08-14 | 2018-12-21 | 浙江理工大学 | 一种仿自然色彩功能和形式的模糊意象织物设计方法 |
CN209589828U (zh) * | 2019-02-19 | 2019-11-05 | 广州立达尔生物科技股份有限公司 | 一种用于测量鲑鳟鱼肉色的比色卡 |
-
2019
- 2019-09-27 CN CN201910924755.3A patent/CN110646416B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1619295A (zh) * | 2004-12-10 | 2005-05-25 | 南京农业大学 | 猪肉颜色分级仪 |
CN1751812A (zh) * | 2005-10-13 | 2006-03-29 | 南京农业大学 | 一种猪肉颜色质量等级的划分方法 |
CN102353632A (zh) * | 2011-06-28 | 2012-02-15 | 上海谷绿旺农业投资管理有限公司 | 一种用于测定猪肉新鲜度的色卡和它的制作方法 |
CN106053468A (zh) * | 2016-07-18 | 2016-10-26 | 南昌大学 | 一种基于智能手机对肉类新鲜度的检测方法 |
CN109063781A (zh) * | 2018-08-14 | 2018-12-21 | 浙江理工大学 | 一种仿自然色彩功能和形式的模糊意象织物设计方法 |
CN209589828U (zh) * | 2019-02-19 | 2019-11-05 | 广州立达尔生物科技股份有限公司 | 一种用于测量鲑鳟鱼肉色的比色卡 |
Non-Patent Citations (2)
Title |
---|
Color-based automatic quality control for roasting chicken;Bin Ji et al.;《Computers and Electronics in Agriculture》;20160430;第123卷;第49-56页 * |
Determination of Doneness of Beef Steaks Using Fuzzy Pattern Recognition;Kenneth Unklesbay et al.;《Journal of Food Engineering》;19881231;第79-90页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110646416A (zh) | 2020-01-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110646416B (zh) | 一种用于评价熏鸡品质的比色卡及应用 | |
Haidar et al. | Image-based date fruit classification | |
CN102435713B (zh) | 中药品质自动检测系统 | |
CN110832545A (zh) | 用于进行高光谱图像处理以识别对象的系统和方法 | |
CN110998603A (zh) | 用于进行高光谱图像处理以识别异物的系统和方法 | |
CN106140648B (zh) | 一种基于机器视觉的鸡胴体重量自动分级系统及分级方法 | |
Balaban | Quantifying nonhomogeneous colors in agricultural materials part I: method development | |
CN110415181A (zh) | 一种开放环境下烤烟rgb图像智能识别及等级判定方法 | |
Lee et al. | Robust color space conversion and color distribution analysis techniques for date maturity evaluation | |
Li et al. | Nondestructive assessment of beef-marbling grade using hyperspectral imaging technology | |
O’farrell et al. | Combining principal component analysis with an artificial neural network to perform online quality assessment of food as it cooks in a large-scale industrial oven | |
Andaya et al. | Meat marbling scoring using image processing with fuzzy logic based classifier | |
Ruedt et al. | Quantification of surface iridescence in meat products by digital image analysis | |
Stien et al. | Rapid estimation of fat content in salmon fillets by colour image analysis | |
Siswantoro | Application of color and size measurement in food products inspection | |
Calvo et al. | A practical framework for automatic food products classification using computer vision and inductive characterization | |
Wu et al. | Food colour measurement using computer vision | |
CN115545383A (zh) | 一种草莓脆外观品质的双目立体视觉检测方法 | |
CN111272682A (zh) | 一种用于评价糖熏肉制品新鲜度的比色卡及其制备方法和应用 | |
Balaban et al. | Quantifying nonhomogeneous colors in agricultural materials. Part II: comparison of machine vision and sensory panel evaluations | |
Xu | Electronic eye for food sensory evaluation | |
Tu et al. | A study of broccoli grading system based on machine vision and neural networks | |
Parmar et al. | Image morphological operation based quality analysis of coriander seed (Coriandrum satavum L) | |
CN115880282A (zh) | 一种用于火锅底料均匀装料的监测方法及其监测装置 | |
Savchenko et al. | Construction of a linear food quality classifier based on their color analysis |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |