1、目前，世界各國的牛肉質(zhì)量分級(jí)方法一般是采用主觀的人工視覺評(píng)定。牛肉等級(jí)分級(jí)員通過觀察牛肉眼肌處脂肪的豐富程度，評(píng)定出牛肉大理石花紋等級(jí)，然后參考牛肉的肌肉色等級(jí)、脂肪色等級(jí)以及生理成熟度，最終評(píng)定出牛肉質(zhì)量等級(jí)。由于人工視覺評(píng)定方法依賴分級(jí)員的感官和經(jīng)驗(yàn)，具有很強(qiáng)的主觀性，因此，研究和開發(fā)客觀高效的牛肉自動(dòng)分級(jí)系統(tǒng)，具有廣闊的應(yīng)用前景和研究價(jià)值?；谇度胧郊夹g(shù)開發(fā)牛肉自動(dòng)分級(jí)系統(tǒng)具有易攜帶、易用、成本低等特點(diǎn)，利用嵌入式機(jī)器視覺技術(shù)對(duì)牛

2、肉加工現(xiàn)場的牛肉圖像進(jìn)行在線采集與質(zhì)量分級(jí)，不僅能夠提高分級(jí)員工作效率，降低檢測成本，而且基于嵌入式機(jī)器視覺技術(shù)開發(fā)的牛肉自動(dòng)分級(jí)系統(tǒng)還具有良好的便攜性和易用性，可以實(shí)現(xiàn)牛肉質(zhì)量的在線分級(jí)。因此，研究基于嵌入式機(jī)器視覺技術(shù)的牛肉質(zhì)量在線自動(dòng)分級(jí)技術(shù)具有十分重要的理論意義和實(shí)踐意義。
　　本文結(jié)合機(jī)器視覺技術(shù)與模式識(shí)別技術(shù)，研究開發(fā)基于嵌入式機(jī)器視覺技術(shù)的牛肉質(zhì)量在線分級(jí)系統(tǒng)。圍繞牛肉加工現(xiàn)場牛肉圖像在線采集與圖像分割以及牛肉質(zhì)量分

3、級(jí)建模的適用性展開了研究，對(duì)能夠反應(yīng)牛肉質(zhì)量等級(jí)的牛肉眼肌切面圖像進(jìn)行了圖像采集并進(jìn)行了圖像分割處理，對(duì)反映牛肉質(zhì)量等級(jí)的大理石花紋特征、肌肉色特征和脂肪色特征進(jìn)行了提取，并建立了相應(yīng)的牛肉大理石花紋分級(jí)模型、肌肉色分級(jí)模型和脂肪色分級(jí)模型，最后基于ARM與Windows Mobile研制開發(fā)了牛肉質(zhì)量在線分級(jí)系統(tǒng)。主要研究工作和研究結(jié)論如下:
　　1、提出了基于圖像重采樣的圖像二值化牛肉樣本圖像分割算法
　　對(duì)采集得到的牛

4、肉樣本圖像，首先將牛肉樣本圖像由RGB顏色空間轉(zhuǎn)換到Lab顏色空間，將Lab圖像的L分量圖像進(jìn)行二值化分割得到牛肉脂肪區(qū)域，將a分量圖像進(jìn)行二值化分割得到牛肉肌肉區(qū)域。然后提出了基于圖像重采樣的圖像二值化方法以提高圖像分割速度適應(yīng)嵌入式系統(tǒng)的要求，選定重采樣率0.3125對(duì)2592*1552像素的a分量圖像進(jìn)行二值化，選定重采樣率0.375對(duì)2592*1552像素的L分量圖像進(jìn)行二值化。利用八鄰域區(qū)域標(biāo)記法標(biāo)記牛肉肌肉區(qū)域的連通區(qū)域，通

5、過保留最大連通區(qū)域得到了牛肉眼肌肌肉區(qū)域，之后對(duì)牛肉眼肌肌肉區(qū)域再次應(yīng)用區(qū)域標(biāo)記法，通過保留最大背景區(qū)域的方法得到了牛肉眼肌區(qū)域，最后將牛肉眼肌區(qū)域與眼肌肌肉區(qū)域的二值化圖像進(jìn)行邏輯“亦或”操作成功提取了牛肉大理石花紋。
　　2、研究并提出基于同態(tài)濾波的牛肉大理石花紋提取方法
　　提出利用同態(tài)濾波法對(duì)牛肉眼肌區(qū)域圖像不均勻光照進(jìn)行校正，研究分析不同濾波系數(shù)以及不同顏色分量圖像對(duì)牛肉大理石花紋提取誤差和精度的影響，在此基礎(chǔ)上提

6、出一種在G顏色分量圖像下基于同態(tài)濾波的牛肉大理石花紋提取方法。實(shí)驗(yàn)結(jié)果表明，當(dāng)選取rL=0.6和rH=1.425作為增益系數(shù)，牛肉大理石花紋提取的誤差率顯著降低，在此系數(shù)下，經(jīng)同態(tài)濾波后，相較于其它分量圖像，G顏色分量圖像的大理石花紋提取誤差率最低，其平均值為5.38％，較不經(jīng)過同態(tài)濾波處理的平均提取誤差率下降了3.73％，因此選擇G顏色分量圖像經(jīng)同態(tài)濾波提取牛肉大理石花紋可取得最好的圖像分割效果。
　　3、建立了牛肉大理石花紋分

7、級(jí)模型
　　首先從已分割好的圖像中提取大理石花紋面積、眼肌區(qū)域面積、脂肪顆粒總數(shù)、平均脂肪面積、大脂肪顆粒面積、大脂肪顆粒數(shù)、小脂肪顆粒面積、小脂肪顆粒數(shù)8個(gè)參數(shù)，然后根據(jù)這些參數(shù)計(jì)算出7個(gè)牛肉大理石花紋特征。對(duì)各個(gè)特征參數(shù)進(jìn)行線性擬合分析發(fā)現(xiàn)，MF1、MF3、MF4、MF6、MF7這5個(gè)特征與牛肉大理石花紋等級(jí)存在線性關(guān)系。然后采用主成分分析法對(duì)這5個(gè)特征重新進(jìn)行篩選，選取前2個(gè)主成分代表原有的5個(gè)牛肉大理石花紋特征參數(shù)。最后基

8、于2個(gè)牛肉大理石花紋主成分分別建立了牛肉大理石花紋的多元線性回歸分級(jí)模型（分級(jí)正確率100％）和BP神經(jīng)網(wǎng)絡(luò)分級(jí)模型（分級(jí)正確率100％）。
　　4、建立了牛肉肌肉色分級(jí)模型和脂肪色分級(jí)模型
　　首先使用RGB和Lab兩個(gè)顏色模型，將圖像的R、G、B、L、a、b六個(gè)顏色分量的平均值和標(biāo)準(zhǔn)差共12個(gè)顏色特征參數(shù)作為牛肉顏色的定量描述，分別提取了牛肉肌肉色和脂肪色的12個(gè)特征參數(shù)。對(duì)肌肉色各個(gè)特征參數(shù)進(jìn)行線性擬合分析發(fā)現(xiàn)，肌肉的

9、全部12個(gè)特征均與牛肉肌肉色等級(jí)存在線性關(guān)系;對(duì)脂肪色各個(gè)特征參數(shù)進(jìn)行線性擬合分析發(fā)現(xiàn)，脂肪色的全部12個(gè)特征除了特征F12外的11個(gè)特征均與牛肉脂肪色等級(jí)存在線性關(guān)系。然后采用主成分分析法對(duì)牛肉肌肉色的12個(gè)特征和牛肉脂肪色的11個(gè)特征分別重新進(jìn)行篩選，選取前2個(gè)主成分代表原有的12個(gè)牛肉肌肉色特征參數(shù)，反映牛肉肌肉色等級(jí);選取前2個(gè)主成分代表原有的11個(gè)牛肉脂肪色特征參數(shù)。最后基于2個(gè)肌肉色主成分分別建立了牛肉肌肉色多元線性回歸分級(jí)

10、模型（分級(jí)準(zhǔn)確率82.61％）和BP神經(jīng)網(wǎng)絡(luò)分級(jí)模型（分級(jí)準(zhǔn)確率82.61％），基于2個(gè)脂肪色主成分分別建立了牛肉脂肪色多元線性回歸分級(jí)模型（分級(jí)準(zhǔn)確率65.22％）和BP神經(jīng)網(wǎng)絡(luò)分級(jí)模型（準(zhǔn)確率78.26％）。
　　5、開發(fā)了一種基于ARM與Windows Mobile的牛肉質(zhì)量在線分級(jí)系統(tǒng)
　　針對(duì)基于ARM與Windows Mobile的牛肉質(zhì)量在線分級(jí)系統(tǒng)的實(shí)時(shí)性與可行性進(jìn)行了研究，重點(diǎn)討論了嵌入式系統(tǒng)的牛肉圖像分割