CN1603801A - 牛肉胴体质量的计算机视觉检测分级方法及装置 - Google Patents
牛肉胴体质量的计算机视觉检测分级方法及装置 Download PDFInfo
- Publication number
- CN1603801A CN1603801A CN 200410065214 CN200410065214A CN1603801A CN 1603801 A CN1603801 A CN 1603801A CN 200410065214 CN200410065214 CN 200410065214 CN 200410065214 A CN200410065214 A CN 200410065214A CN 1603801 A CN1603801 A CN 1603801A
- Authority
- CN
- China
- Prior art keywords
- image
- beef
- muscle
- grade
- camera
- 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)
- Image Processing (AREA)
Abstract
本发明涉及一种针对牛肉的检测方法及装置，其由图像获取硬件部分和图像识别软件部分组成，图像获取硬件部分由光照系统、摄像设备、图像采集设备和计算机组成。光照系统包括荧光灯光源、光照箱体、漫反射涂层、高频荧光灯电子镇流器。在一定的光照系统照射下用摄像设备采集牛肉12～13胸肋间眼肌切面图像和胸椎骨棘的图像，通过图像采集设备传送到计算机，计算机从所采集的图像中提取品质特征信息，通过高精度的智能识别软件，对眼肌切面图像完成大理石花纹、肉色和脂肪色的等级评定，而对胸椎骨棘的图像完成生理成熟度等级的评定，最后融合以上评定信息给出所测牛肉的最终等级。可以减少劳动强度和人为主官因素的干扰，其结果更客观、准确。
Description
所属技术领域
本发明涉及一种针对牛肉的检测方法及装置，特指针对牛肉胴体质量的计算机视觉检测分级方法及装置。
背景技术
我国农畜产品在市场上混等混级严重，是导致我国农畜产品附加值不高，农业增值缓慢以及国际占有率低的一个重要原因。牛肉是重要的畜产品，牛肉胴体等级标准在指导牛肉生产和牛肉价格方面有重要的作用。美国从20世纪20年代就制订了牛肉胴体等级标准，加拿大、日本、澳大利亚和欧洲等国也很早就制定有本国的牛肉胴体等级标准，中国的现有牛肉胴体等级标准是农业部于2003年颁布的行业标准(NY/T676-2003)。牛肉胴体分级是依据各国的牛肉胴体等级标准对牛肉按产量级和质量级两个方面进行分级。牛肉胴体质量等级是牛肉等级标准中的一个主要方面，它主要以人工观察经宰杀、冷却后牛肉胴体第12～13胸肋间眼肌切面处的大理石纹等级、肌肉颜色、脂肪颜色和牛的脊椎骨棘突末端软骨骨质化程度为判定依据。如美国的牛肉胴体质量等级是通过眼肌切面处的大理石纹等级和软骨骨质化程度决定的生理成熟度两项指标来衡量的；而日本的牛肉胴体质量等级是由大理石花纹、肉的色泽、肉的质地和脂肪的颜色4个指标来决定；我国的牛肉胴体质量等级评定标准主要参考美国的牛肉胴体质量等级评定标准，其中也吸纳了一些日本的标准，即以眼肌切面处的大理石纹等级和软骨骨质化程度决定的生理成熟度为主要指标，并参考肉的颜色进行微调来决定牛肉胴体质量等级。
目前，牛肉胴体等级是由经过专门培训的评级员通过肉眼观察和比照标准图片模板来判定。国外的牛肉评级员在评定牛肉等级时需要在低温环境下用标准牛肉图片来比照实际样品得出结论，工作量很大，而且受人的经验、心情等因素影响，不同的人评级的结果不同，主观性较强，容易造成评定等级的不一致性。因此，国际上一直在研究用计算机视觉技术来代替评级员的工作。
中国刚开始开展这方面的研究，还很不完善和规范。有些研究者只对牛肉质量等级的某一方面进行了部分研究，如赵杰文、刘木华、张海东发表在《农业工程学报》第20卷第1期(2004年1月)的文章“基于数学形态学的牛肉图像中背长肌分割和大理石纹提取技术研究”，和刘木华、赵杰文、张海东发表在《农业工程学报》第20卷第2期(2004年3月)的文章“基于模糊C均值聚类的牛肉图像中脂肪和肌肉区域分割技术”，以及屠康.王富昶发表在《粮油加工与食品机械》2003年10期的文章“计算机视觉在牛肉大理石花纹分级中的应用研究”中主要用图像处理技术针对牛肉的大理石花纹的提取进行了研究；另一些研究者则没有按照标准直接针对牛肉的食用品质某一方面进行研究，如孙永海、鲜于建川、骆晓沛等在《食品科学》第24卷第4期(2003年10月)发表的文章“冷却牛肉新鲜度评价及图像分析方法研究”用图像处理技术对市场上的冷鲜牛肉的新鲜度进行了评价。
发明内容
鉴于上述现有技术存在的不足，本发明的目的就是要提供一种利用计算机视觉的牛肉胴体质量的计算机视觉检测分级方法及装置。其依据现有标准，用计算机视觉技术对牛肉胴体眼肌切面处的大理石纹等级、肌肉颜色、脂肪颜色进行检测分级，同时对牛的脊椎骨棘突末端软骨骨质化程度进行生理成熟度的检测分级，最后融合评定牛肉质量等级。
本发明的目的是通过以下方法实现的：
在一定的光照系统照射下用摄像设备采集牛肉冷却后12～13胸肋间眼肌切面图像和胸椎骨棘的图像，通过图像采集设备传送到计算机，计算机从所采集的图像中提取品质特征信息，通过高精度的智能识别软件，对眼肌切面图像完成大理石花纹、肉色、和脂肪色的等级评定，而对胸椎骨棘的图像完成生理成熟度等级的评定，最后融合以上评定信息给出所测牛肉的最终等级。
所述从所采集的图像中提取品质特征信息包括从牛肉眼肌图像中提出信息和从胸椎骨棘的图像中提取信息。
所述的从眼肌肉图像中提出信息包括以下步骤：
1、从整副图像中区分出眼肌切面(包括脂肪与肌肉组织)；
2、把背最长肌从脂肪、其它肌肉组织及结缔组织中分离出来；
3、提取出大理石花纹，背最长肌的肌肉颜色指标和背最长肌中脂肪的颜色指标；
所述的从胸椎骨棘的图像中提取信息包括以下步骤：
1、利用最大类间方差(OSTU)阈值分割法除去原始RGB彩色图像的黑色背景；
2、然后将RGB图像转换成Ohta颜色系统。
3、用Ohta系统的第二颜色分量I2分割出软骨区域，用第三颜色分量I3分割出硬骨区域，并计算出软骨区域和硬骨区域的面积。
所述的高精度的智能识别软件，能根据现有的国家标准和采集到的标准图片数据库进行识别分析。利用支持向量机得到大理石花纹的丰富程度，并将所测牛肉的大理石花纹按照国家标准分为七个等级中的一个等级；用神经网络建立背最长肌的肌肉颜色指标和脂肪颜色指标与肌肉颜色等级和脂肪颜色等级之间的关系，并将所测牛肉的肌肉颜色和脂肪颜色按照国家标准分为九个等级中的一个等级；计算出软骨区域和硬骨区域的面积通过贝页斯分类方法算出牛的骨龄，进而按照国家标准得到牛肉的生理成熟度；根据牛肉的生理成熟度和大理石花纹丰富程度并结合肉色等级和脂肪色等级通过支持向量机得到牛肉的最终等级。
本发明的装置由图像获取硬件部分和图像识别软件部分组成，图像获取硬件部分由光照系统、摄像设备、图像采集设备和计算机组成。光照系统包括荧光灯光源、光照箱体、漫反射涂层、高频荧光灯电子镇流器。图像识别软件部分包括眼肌肉图像处理和胸椎骨棘的图像处理以及高精度模式识别处理系统。
光照箱体的顶部为圆弧形，并在顶部中央开有一摄像孔，光照箱体内侧面涂有一层能产生漫反射的涂层，荧光灯光源布置在光照箱体的底部两侧，与布置在光照箱体两侧的高频荧光灯电子镇流器相联，荧光灯光源发出的光，通过光照箱体圆弧形顶部的漫反射涂层反射，均匀散射道牛肉上，可避免由于直射光在眼肌肉表面产生的亮斑，并使牛肉表面的光强为660lux。该光照箱可用于实验室拍摄图像也可用于生产线拍摄图像。
摄像设备安装在光照箱体顶部，通过摄像孔获取图像。它为一摄像头或一照相机。图像采集设备随摄像设备改变而变化，当使用摄像头时，摄像头通过线路与计算机中的图像采集卡相连，将图像传送到计算机；当使用照相机时，如果为数字式照相机则可通过读卡器或专用数据线将图像采集到计算机中，如为普通胶卷照相机，则拍摄后冲洗好的照片通过扫描仪传入计算机，计算机对所采集的图像进行处理，得到牛肉胴体的等级。
本发明的有益效果是：同时准确的检测出牛肉的大理石花纹、肉色、脂肪色和生理成熟度等多个胴体质量指标，并能得到所测牛肉胴体质量等级。与现有牛肉评级员评级方法相比，可以减少劳动强度和人为主官因素的干扰，其结果更客观、准确。
附图说明
图1摄像设备为摄像头的装置结构框图；
图2摄像设备为照相机的装置结构框图；
图3眼肌肉图像处理过程流程图；
图4眼肌肉图像在处理过程中的变化图；
图5胸椎骨棘的图像处理过程流程图；
图6胸椎骨棘图像在处理过程中的变化图；
图7高精度模式识别分级示意图。
图中：1-荧光灯光源；2-高频荧光灯镇流器；3-光照箱体；4-漫反射涂层；5-摄像头；6-图像采集卡；7-计算机；8-输出设备；9-载物台；10-牛肉；11-照相机；12-读卡器；13-扫描仪；I.黑色背景；.II脂肪；III.背长肌；IV.周围肌肉组
具体实施方式
本发明由图像获取硬件部分和图像识别软件部分组成，图像获取硬件部分由光照系统、摄像设备、图像采集设备和计算机7组成；图像识别软件部分包括眼肌肉图像处理和胸椎骨棘的图像处理以及高精度模式识别处理系统。
光照系统包括荧光灯光源1、高频荧光灯电子镇流器2、光照箱体3、漫反射涂层4。如图1，所述光照箱体2顶部中央开有一摄像孔，荧光灯光源1布置在光照箱体3的底部两侧，荧光灯光源1发出的光，通过光照箱体3圆弧形顶部的漫反射涂层4反射的光均匀散射到牛肉上，并使牛肉表面的光强为660lux(勒克司)。
摄像设备安装在光照箱体3顶部，通过摄像孔获取图像。它为如图1所示的摄像头5或如图2所示的照相机11。图像采集设备随摄像设备改变而变化，当使用摄像头5时，摄像头5通过线路与计算机中的图像采集卡6相连，将图像传送到计算机7；当使用照相机11时，如果为数字式照相机则可通过读卡器12或专用数据线将图像采集到计算机中，如为普通胶卷照相机，则拍摄后冲洗好的照片通过扫描仪13传入计算机7。
用以上所述硬件部分到牛肉屠宰线上直接获取眼肌肉图像和胸椎骨棘图像或取牛的眼肌肉和胸椎骨棘到实验室拍摄图像，传入计算机用软件部分进行处理。
所述的牛肉眼肌图像处理过程如图2所示，包括以下处理：
(1).利用最大方差自动取阀值法(OSTU)把黑色背景从牛肉眼肌图像中去除，如图3中
(a)原始采集到的牛肉眼肌图像到(b)去除背景后的牛肉眼肌图像的处理；
(2).用模糊C均值聚类(FCM)分割牛肉图像中的脂肪和肌肉像素，得到牛肉图像中的脂肪颜色和肌肉颜色指标，如图3中从去除背景后的牛肉眼肌图像(b)到(FCM)分割后的牛肉眼肌二值图像(c)的处理；
(3).用数学形态滤波算法或突包算法消除周围肌肉组织与背长肌之间的连接，提取背长肌，如图3中从(FCM)分割后的牛肉眼肌二值图像(c)到形态滤波腐蚀和填充后图像(d)和从形态滤波腐蚀和填充后图像(d)到提取的背长肌区域图像(e)的处理；
(4).提取牛肉背长肌中的大理石纹，结果如图3中(f)所提取的大理石花纹。
所述的胸椎骨棘的图像处理过程如图4所示，包括以下处理：
(1).利用最大类间方差(OSTU)阈值分割法除去原始RGB彩色图像的黑色背景，得到如图5中(a)去除背景的牛胸椎骨图像；
(2).然后将RGB图像转换成Ohta颜色系统；
(3).分别提取Ohta颜色空间I2、I3分量图像，并进行灰度阈值分割及二值化后处理得主要含有软骨分割图像如图5中(b)I2分量二值化图像、硬骨区域的分割图像如图5中(c)I3分量二值化图像；
(4).用形态腐蚀，扫描填充的方法，使各块软骨与硬骨区域相互分离得更清晰如图5中(d)开操作和扫描填充后的I2分量图像、(e)开操作和扫描填充后的I3分量图像；
(5).根据设定的域值和条件，最后用面积法提取软骨和硬骨区域如图5中(f)面积排序法提取的软骨区域、(g)面积排序法提取的硬骨区域。
经以上图像处理的结果自动输入高精度的模式识别软件，并根据现有的国家标准和采集到的标准图片数据库进行识别分析。利用支持向量机得到大理石花纹的丰富程度，并将所测牛肉的大理石花纹按照国家标准分为七个等级中的一个等级；用神经网络建立背最长肌内的肌肉肉颜色指标和脂肪颜色指标与肌肉颜色等级和脂肪颜色等级之间的关系，并将所测牛肉的肌肉颜色和脂肪颜色按照国家标准分为九个等级中的一个等级；计算出软骨区域和硬骨区域的面积通过贝页斯分类方法算出牛的骨龄，进而按照国家标准得到牛肉的生理成熟度；将牛肉的生理成熟度和大理石花纹丰富程度作为主要参数，而肉色等级和脂肪色等级作为次要参数，输入支持向量机得到牛肉的最终等级。如图6所示得出牛肉大理石花纹的等级、肉色等级、脂肪色等级以及牛肉的生理成熟度，并且得到牛肉胴体质量的最终等级。
Claims (6)
1.牛肉胴体质量的计算机视觉检测分级方法，其特征在于：
在光照系统照射下用摄像设备采集牛肉冷却后12～13胸肋间眼肌切面图像和胸椎骨棘的图像，通过图像采集设备传送到计算机，计算机从所采集的图像中提取品质特征信息，通过高精度的智能识别软件，对眼肌切面图像完成大理石花纹、肉色、和脂肪色的等级评定，而对胸椎骨棘的图像完成生理成熟度等级的评定，最后融合以上评定信息给出所测牛肉的最终等级。
2.根据权利要求1所述的牛肉胴体质量的计算机视觉检测分级方法，其特征在于：所述从所采集的图像中提取品质特征信息包括从牛肉12～13胸肋间眼肌图像中提出信息和从胸椎骨棘的图像中提取信息；
所述的从眼肌肉图像中提出信息包括以下步骤：
(1)、从整副图像中区分出包括脂肪与肌肉组织的眼肌切面；
(2)、把背最长肌从脂肪、其它肌肉组织及结缔组织中分离出来；
(3)、提取出大理石花纹，背最长肌的肌肉颜色指标和背最长肌中脂肪的颜色指标；
所述的从胸椎骨棘的图像中提取信息包括以下步骤：
(1)、利用最大类间方差阈值分割法除去原始RGB彩色图像的黑色背景；
(2)、然后将RGB图像转换成Ohta颜色系统；
(3)、用Ohta系统的第二颜色分量I2分割出软骨区域，用第三颜色分量I3分割出硬骨区域，并计算出软骨区域和硬骨区域的面积。
3.根据权利要求1所述的牛肉胴体质量的计算机视觉检测分级方法，其特征在于：所述的高精度的智能识别软件，根据现有的国家标准和采集到的标准图片数据库，利用支持向量机得到大理石花纹的丰富程度，并将所测牛肉的大理石花纹按照国家标准分为七个等级中的一个等级；用神经网络建立背最长肌的肌肉颜色指标和脂肪颜色指标与肌肉颜色等级和脂肪颜色等级之间的关系，并将所测牛肉的肌肉颜色和脂肪颜色按照国家标准分为九个等级中的一个等级；计算出软骨区域和硬骨区域的面积通过贝页斯分类方法算出牛的骨龄，进而按照国家标准得到牛肉的生理成熟度；根据牛肉的生理成熟度和大理石花纹丰富程度并结合肉色等级和脂肪色等级通过支持向量机得到牛肉的最终等级。
4.实现权利要求1所述的牛肉胴体质量的计算机视觉检测分级方法的装置，由图像获取硬件部分和图像识别软件部分组成，其特征在于图像获取硬件部分由光照系统、摄像设备、图像采集设备和计算机(7)组成；光照系统包括荧光灯光源(1)、光照箱体(3)、漫反射涂层(4)、高频荧光灯电子镇流器(2)；光照箱体(3)的顶部为圆弧形，并在顶部中央开有一摄像孔，光照箱体(3)内侧面涂有一层能产生漫反射的涂层(4)，荧光灯光源(1)布置在光照箱体(3)的底部两侧，与布置在光照箱体(3)两侧的高频荧光灯电子镇流器(2)相联；摄像设备安装在光照箱体(3)顶部，为一摄像头(5)或一照相机(11)；图像识别软件部分包括眼肌肉图像处理和胸椎骨棘的图像处理以及高精度模式识别处理系统。
5.根据权利要求4所述的牛肉胴体质量的计算机视觉检测分级装置，其特征在于摄像设备为摄像头(5)时，摄像头(5)通过线路与计算机(7)中的图像采集卡(6)相连，将图像传送到计算机。
6.根据权利要求4所述的牛肉胴体质量的计算机视觉检测分级装置，其特征在于摄像设备为照相机(11)时，为数字式照相机则可通过读卡器(12)或专用数据线与计算机(7)相连；为普通胶卷照相机(11)，则拍摄后冲洗好的照片通过扫描仪(13)传入计算机(7)。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CNB2004100652143A CN100376888C (zh) | 2004-11-02 | 2004-11-02 | 牛肉胴体质量的计算机视觉检测分级方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CNB2004100652143A CN100376888C (zh) | 2004-11-02 | 2004-11-02 | 牛肉胴体质量的计算机视觉检测分级方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN1603801A true CN1603801A (zh) | 2005-04-06 |
| CN100376888C CN100376888C (zh) | 2008-03-26 |
Family
ID=34666482
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CNB2004100652143A Expired - Fee Related CN100376888C (zh) | 2004-11-02 | 2004-11-02 | 牛肉胴体质量的计算机视觉检测分级方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN100376888C (zh) |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101718947B (zh) * | 2009-12-02 | 2011-02-16 | 南京农业大学 | 一种农产品信息检测系统用图像采集辅助暗箱 |
| 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 |
| CN102252977A (zh) * | 2011-04-28 | 2011-11-23 | 南京农业大学 | 基于嵌入式机器视觉技术的便携式牛肉品质分级检测仪 |
| CN103376255A (zh) * | 2012-04-16 | 2013-10-30 | 苏州中导光电设备有限公司 | 太阳能多晶硅电池片表面缺陷与沾污检测设备 |
| CN104089899A (zh) * | 2014-03-31 | 2014-10-08 | 浙江工商大学 | 一种检测雪花牛肉的装置和方法 |
| CN104865198A (zh) * | 2015-04-28 | 2015-08-26 | 青岛农业大学 | 一种基于机器视觉的鲜肥肝质量自动分级系统及其方法 |
| CN105651776A (zh) * | 2015-12-30 | 2016-06-08 | 中国农业大学 | 基于计算机视觉的牛胴体产肉量自动分级装置与方法 |
| CN105701805A (zh) * | 2016-01-07 | 2016-06-22 | 中国农业大学 | 一种基于计算机视觉的猪肉肌内脂肪含量无损检测方法 |
| CN106771009A (zh) * | 2016-11-24 | 2017-05-31 | 中国农业科学院农产品加工研究所 | 基于 μ‑calpain 活性判断肌肉最佳成熟度的方法 |
| CN108007929A (zh) * | 2017-12-01 | 2018-05-08 | 南京农业大学 | 一种牛肉生理成熟度的自动判定方法 |
| CN111318461A (zh) * | 2020-03-11 | 2020-06-23 | 河南理工大学 | 一种基于机器视觉的煤矸石分拣系统 |
| CN114706360A (zh) * | 2022-06-06 | 2022-07-05 | 浙江新迪嘉禾食品有限公司 | 一种面包生产质量的控制方法及系统 |
| US11497221B2 (en) | 2019-07-19 | 2022-11-15 | Walmart Apollo, Llc | Systems and methods for managing meat cut quality |
| CN116087195A (zh) * | 2023-03-06 | 2023-05-09 | 华南师范大学 | 一种鱼肉新鲜度评价方法及系统 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AUPO542897A0 (en) * | 1997-03-03 | 1997-03-27 | Meat Research Corporation | Calibration of imaging system |
| UY26237A1 (es) * | 1999-07-09 | 2000-10-31 | Rms Res Man Systems Inc | Analisis de datos de imagenes |
| DE19936032C1 (de) * | 1999-07-30 | 2000-07-13 | Csb Syst Software Entwicklung | Verfahren zur Beurteilung der Qualität von Schlachttierhälften |
| US6751364B2 (en) * | 2001-10-15 | 2004-06-15 | Tyson Fresh Meats, Inc. | Image analysis systems for grading of meat, predicting quality of meat and/or predicting meat yield of an animal carcass |
-
2004
- 2004-11-02 CN CNB2004100652143A patent/CN100376888C/zh not_active Expired - Fee Related
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101718947B (zh) * | 2009-12-02 | 2011-02-16 | 南京农业大学 | 一种农产品信息检测系统用图像采集辅助暗箱 |
| 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 |
| CN102156129B (zh) * | 2009-12-02 | 2012-10-03 | 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 |
| CN102252977A (zh) * | 2011-04-28 | 2011-11-23 | 南京农业大学 | 基于嵌入式机器视觉技术的便携式牛肉品质分级检测仪 |
| CN103376255A (zh) * | 2012-04-16 | 2013-10-30 | 苏州中导光电设备有限公司 | 太阳能多晶硅电池片表面缺陷与沾污检测设备 |
| CN104089899A (zh) * | 2014-03-31 | 2014-10-08 | 浙江工商大学 | 一种检测雪花牛肉的装置和方法 |
| CN104865198A (zh) * | 2015-04-28 | 2015-08-26 | 青岛农业大学 | 一种基于机器视觉的鲜肥肝质量自动分级系统及其方法 |
| CN105651776A (zh) * | 2015-12-30 | 2016-06-08 | 中国农业大学 | 基于计算机视觉的牛胴体产肉量自动分级装置与方法 |
| CN105701805A (zh) * | 2016-01-07 | 2016-06-22 | 中国农业大学 | 一种基于计算机视觉的猪肉肌内脂肪含量无损检测方法 |
| CN105701805B (zh) * | 2016-01-07 | 2019-01-08 | 中国农业大学 | 一种基于计算机视觉的猪肉肌内脂肪含量无损检测方法 |
| CN106771009A (zh) * | 2016-11-24 | 2017-05-31 | 中国农业科学院农产品加工研究所 | 基于 μ‑calpain 活性判断肌肉最佳成熟度的方法 |
| CN108007929A (zh) * | 2017-12-01 | 2018-05-08 | 南京农业大学 | 一种牛肉生理成熟度的自动判定方法 |
| US11497221B2 (en) | 2019-07-19 | 2022-11-15 | Walmart Apollo, Llc | Systems and methods for managing meat cut quality |
| US11864562B2 (en) | 2019-07-19 | 2024-01-09 | Walmart Apollo, Llc | Systems and methods for managing meat cut quality |
| CN111318461A (zh) * | 2020-03-11 | 2020-06-23 | 河南理工大学 | 一种基于机器视觉的煤矸石分拣系统 |
| CN114706360A (zh) * | 2022-06-06 | 2022-07-05 | 浙江新迪嘉禾食品有限公司 | 一种面包生产质量的控制方法及系统 |
| CN116087195A (zh) * | 2023-03-06 | 2023-05-09 | 华南师范大学 | 一种鱼肉新鲜度评价方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN100376888C (zh) | 2008-03-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN100376888C (zh) | 牛肉胴体质量的计算机视觉检测分级方法及装置 | |
| Dehrouyeh et al. | Grading and quality inspection of defected eggs using machine vision | |
| CN104256882B (zh) | 基于计算机视觉的烟丝中再造烟叶比例测定方法 | |
| CN102156129B (zh) | 一种基于机器视觉的牛肉品质智能分级系统及其方法 | |
| CN105701805B (zh) | 一种基于计算机视觉的猪肉肌内脂肪含量无损检测方法 | |
| CN104198325B (zh) | 基于计算机视觉的烟丝中梗丝比例测定方法 | |
| CN102147402A (zh) | 机器视觉技术快速检测鸡蛋新鲜度的方法 | |
| CN109668909A (zh) | 一种玻璃缺陷检测方法 | |
| CN108445011A (zh) | 一种基于深度学习的瑕疵检测系统及方法 | |
| CN103076288A (zh) | 一种基于计算机视觉的鱼肉自动分级装置和方法 | |
| US8260005B2 (en) | Portable tool for determining meat quality | |
| CN108844957A (zh) | 一种基于机器视觉的烟叶油分检测新方法 | |
| CN109115775B (zh) | 一种基于机器视觉的槟榔等级检测方法 | |
| Saifullah et al. | K-means segmentation based-on lab color space for embryo detection in incubated egg | |
| CN108460380A (zh) | 一种基于主颜色的竹条颜色分类方法及系统 | |
| Motonaga et al. | A method of making digital fruit color charts for cultivation management and quality control | |
| CN112816487B (zh) | 一种基于机器视觉的皮蛋内部品质无损检测方法 | |
| Handayani et al. | Determination of beef marbling based on fat percentage for meat quality | |
| CN111307070B (zh) | 基于数字图像处理对混凝土粗集料的棱角度测量方法 | |
| CN117636334A (zh) | 一种基于图像处理的猪肉品质分类方法 | |
| Fu et al. | Color based classification for berries of Japanese Blue Honeysuckle | |
| CN108007929A (zh) | 一种牛肉生理成熟度的自动判定方法 | |
| CN107403181B (zh) | 基于广式腊肠高光谱图像的瘦肉与肥肉自适应分离的方法 | |
| CN104198491B (zh) | 基于计算机视觉的烟丝中膨胀叶丝比例测定方法 | |
| Sun et al. | A digital image method for measuring and analyzing color characteristics of various color scores of beef |
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 | ||
| C17 | Cessation of patent right | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20080326 Termination date: 20131102 |