学位论文 > 优秀研究生学位论文题录展示
基于大理石花纹特征的牛肉分级方法研究
作 者: 陈建文
导 师: 宗力
学 校: 华中农业大学
专 业: 农业机械化工程
关键词: BP神经网络 背最长肌 图像分割 分形维数 牛肉
分类号: TS251.7
类 型: 硕士论文
年 份: 2013年
下 载: 44次
引 用: 0次
阅 读: 论文下载
内容摘要
牛肉质量分级,经济效益显著。分级的牛肉比不分级的牛肉,价钱要高出几倍,甚至上十倍。牛肉大理石花纹等级是评价牛肉质量的最重要的指标。分形维数、大理石花纹面积比率与大理石花纹等级密切相关。对牛肉质量进行分级,主要是观察牛眼肌处的大理石花纹。眼肌是指牛背最长肌的横断面,大理石花纹是牛胴体第12至13或第6至7胸肋间背最长肌肌内脂肪。当前世界各国的牛肉分级方法,主要是视觉评定。由专业的牛肉质量等级评定师,观察牛的第12至13或第6至7胸肋处的背最长肌肌内脂肪的丰富程度,然后再与各国制定的牛肉大理石花纹标准图版进行比较,依据经验确定大理石花纹等级。这种方法存在着主观性。本课题吸纳了一些前人牛肉分级研究方面的成果,建立了预测牛肉大理石花纹等级的数学模型。本论文主要完成了以下几方面的工作:1)对中美两国牛肉大理石花纹标准图版,研究了它们的背最长肌的提取方法和分形维数计算方法。找到了提取背最长肌的方法,逐步提取出背最长肌。针对赘肉与背最长肌连接紧密的特殊图像,运用了人工添加椭圆法、迭代腐蚀膨胀法、人工添加曲线法。经过比较,这三种方法中最好的方法是人工添加曲线法。分形维数的计算,采用了传统的计盒维数法、差分计盒维数法、信息维数法、改进过的计盒维数法。四种方法进行比较,最佳方法为改进的计盒维数法。2)采集了60个牛肉眼肌样本,拍摄了样本的图片,并进行分级。运用Matlab软件,分几个步骤,逐步提取出背最长肌。针对赘肉与背最长肌连接紧密的样本,使用人工添加曲线法,来获取背最长肌。3)测定了样本大理石花纹中与等级密切相关的两个特征参数,即改进的计盒维数值和大理石花纹面积比率,并进行了单因素分析,得出这西个特征参数对等级有极显著性的影响。4)基于BP神经网络建立了大理石花纹等级的预测模型。等级为3、4、5、6、7的样本,每个等级随机选出两个样本。使用50个样本的数据,运用BP神经网络,预测这10个样本的等级,准确率为73%。总之目前国内外,牛肉等级的评定主要是采用人工视觉评定的方法,主观性较强。本论文使用了机器视觉、BP神经网络等方面的知识,对牛肉的质量分级,进行了较好的研究。机器视觉、分形理论,以及计算机图像处理,被各国肉类科学家认为是研究实现牛肉分级最有前途的技术手段,这些技术手段在论文中都有体现。
|
全文目录
目录 4-6 摘要 6-7 Abstract 7-9 第一章 绪论 9-15 1.1 研究的目的和意义 9 1.2 国内外研究现状 9-12 1.2.1 国外研究现状 9-11 1.2.2 国内研究现状 11-12 1.3 研究内容 12-13 1.4 研究基础 13 1.5 本研究创新之处 13-14 1.6 技术路线 14-15 第二章 基于MATLAB图像处理技术 15-30 2.1 实验设备与样本采集 15-16 2.2 样本分级方法 16-17 2.3 Matlab图像处理技术 17-18 2.3.1 Matlab概述 17 2.3.2 Matlab的图像处理功能 17 2.3.3 机器视觉概述 17-18 2.3.4 应用Matlab用于牛肉分级方法简介 18 2.4 中美两国牛肉大理石花纹标准图版图像处理 18-21 2.4.1 背景去除 18-19 2.4.2 背最长肌的提取 19 2.4.3 背最长肌的提取的人工分界法 19-21 2.5 样本图像的背景去除和背最长肌提取 21-28 2.5.1 样本图像的背最长肌提取步骤 23-27 2.5.2 大理石花纹提取 27-28 2.6 样本分级结果 28-29 2.7 本章小结 29-30 第三章 大理石花纹特征参数的测定 30-43 3.1 分形的基本理论 30 3.2 分形维数的研究 30-34 3.2.1 计盒维数 30-31 3.2.2 信息维数 31 3.2.3 差分计盒维数 31-32 3.2.4 计盒维数的测定 32-33 3.2.5 信息维数的测定 33-34 3.3 分形维数计算 34-37 3.3.1 分形维数计算方法比较 34-35 3.3.2 分形维数计算方法确定 35-37 3.4 大理石花纹面积密度 37-38 3.5 样本的两个特征值分析 38-40 3.5.1 分形维数与等级的关系 38 3.5.2 大理石花纹面积比率与等级的关系 38-40 3.6 样本的其他特征参数的研究 40-42 3.7 本章小结 42-43 第四章 数学建模 43-48 4.1 神经网络建模介绍 43 4.2 神经网络工作原理 43-45 4.3 BP神经网络的检验 45 4.4 BP神经网络样本等级预测 45-48 第五章 结论与讨论 48-50 5.1 结论 48 5.2 讨论 48-50 参考文献 50-53 致谢 53-54 附录 54-57 硕士研究生期间发表的论文 57
|
相似论文
- 森林防火系统中图像识别算法的研究,TP391.41
- 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
- 机械臂视觉伺服系统的研究,TP242.6
- 数字图像处理在集装箱检测中的应用研究,TP274.4
- 个性化人工膝关节设计及其生物力学特性研究,R318.1
- 市级旅游用地规划环境影响评价研究,X820.3
- 珠三角地区高性能混凝土配合比智能化系统,TU528
- 大学生综合素质测评研究,G645.5
- 基于并行算法的模糊综合评价模型的设计与应用,TP18
- 基于神经网络的牡蛎呈味肽制备及呈味特性研究,TS254.4
- 基于图像处理技术的烟叶病害自动识别研究,S435.72
- 牛肉大理石花纹和色泽与品质的关系研究,TS251.1
- 高速公路拆迁民众生存系统评价研究,D523
- 红外图像目标识别及跟踪技术研究,TP391.41
- 细菌聚类算法及其在图像分割问题中的研究与应用,TP391.41
- 煤矿风险信息集成与智能预警研究,X936
- 基于多杀毒软件协同的病毒检测方法研究,TP309.5
- 基于遗传算法的前馈神经网络优化研究,TP183
- JSYJ公司采购风险管理研究,F426.92
- 神经网络与组合预测在高速公路路面管理系统的应用研究,TP315
- 基于FLAC3D和神经网络的基坑变形预测系统研究,TU433
中图分类: > 工业技术 > 轻工业、手工业 > 食品工业 > 屠宰及肉类加工工业 > 产品标准与检验
© 2012 www.xueweilunwen.com
|