郭培源，畢 松，袁 芳

(北京工商大學(xué)信息工程學(xué)院， 北京 100037)

豬肉新鮮度智能檢測(cè)分級(jí)系統(tǒng)研究

郭培源，畢 松，袁 芳

(北京工商大學(xué)信息工程學(xué)院， 北京 100037)

對(duì)表征豬肉新鮮度的氨氣和硫化氫氣味、圖像顏色值、脂肪細(xì)胞數(shù)和細(xì)菌菌斑信息特征量進(jìn)行檢測(cè)，通過(guò)神經(jīng)網(wǎng)絡(luò)技術(shù)研究非相干微量參數(shù)的多數(shù)據(jù)融合檢測(cè)方法，以總揮發(fā)性鹽基氮(TVB-N)值序列作為SOM網(wǎng)絡(luò)的輸入，利用SOM神經(jīng)網(wǎng)絡(luò)對(duì)TVB-N值序列進(jìn)行聚類(lèi)研究，將新鮮度細(xì)分為5個(gè)等級(jí)，實(shí)現(xiàn)了新鮮度等級(jí)劃分與國(guó)家標(biāo)準(zhǔn)和感官檢驗(yàn)相一致的結(jié)果，從而實(shí)現(xiàn)對(duì)豬肉新鮮度檢測(cè)分級(jí)辨識(shí)。

細(xì)斑面積；數(shù)字圖像處理；神經(jīng)網(wǎng)絡(luò)；新鮮度等級(jí)劃分

Abstract：Ammoniacal odor, hydrogen sulphide odor, hue, saturation and brightness in the collected image, the number of adipocytes and bacterial plaque of pork reflecting its freshness were measured. A backpropagation (BP) neural network structure, in which TVB-N value was the output and the above 7 non-coherent parameters composed the input was established.Based on this, a SOM network structure, in which TVB-N value was the input, was established for the cluster analysis of TVB-N values collected during pork spoilage and 5 TVB-N value based pork freshness rates were obtained. The rating results were in accordance with the national standard and those from sensory evaluation. This demonstrates high reliability of this rating method.

Key words ：plaque area；digital image processing；neural network；freshness rating

本研究基于豬肉腐敗過(guò)程中釋放的氨氣和硫化氫氣味，同時(shí)提取其圖像顏色值(H、S、I)、脂肪細(xì)胞數(shù)和細(xì)菌菌斑信息特征[1]，通過(guò)神經(jīng)網(wǎng)絡(luò)技術(shù)研究非相干微量參數(shù)的多數(shù)據(jù)融合檢測(cè)方法。通過(guò)基于無(wú)監(jiān)督競(jìng)爭(zhēng)學(xué)習(xí)的SOM神經(jīng)網(wǎng)絡(luò)技術(shù)，將任意維數(shù)的輸入模式以拓?fù)溆行虻姆绞阶儞Q到一維的離散空間上。由于新鮮度等級(jí)劃分是一種聚類(lèi)，沒(méi)有指導(dǎo)信息，需要一種有能力進(jìn)行無(wú)導(dǎo)師聚類(lèi)的神經(jīng)網(wǎng)絡(luò)?；谝陨峡紤]，新鮮度等級(jí)劃分選擇SOM網(wǎng)絡(luò)。通過(guò)對(duì)豬肉腐敗過(guò)程中國(guó)家肉類(lèi)檢測(cè)標(biāo)準(zhǔn)揮發(fā)性鹽基氮(TVB-N)值序列進(jìn)行聚類(lèi)分析得到豬肉新鮮度等級(jí)劃分標(biāo)準(zhǔn)，技術(shù)上建立了一個(gè)基于顏色值、脂肪細(xì)胞數(shù)和細(xì)菌菌斑與TVB-N值進(jìn)行擬合映射的智能辨識(shí)系統(tǒng)，從而獲得肉品新鮮度的分類(lèi)。

1 豬肉氨氣和硫化氫氣體的測(cè)定

當(dāng)豬肉由于各種微生物的污染和作用引起腐敗現(xiàn)象或由于自身酶分解作用引起酸臭性發(fā)酵時(shí)，會(huì)產(chǎn)生硫化物和氨氣。將其用于豬肉新鮮度的檢測(cè)和分析，可以從一定程度上表征豬肉的腐敗程度。

圖1 氣體采集系統(tǒng)Fig.1 Gas collection system

氣體采集卡采用北京華控技術(shù)公司的HK-PCI812數(shù)據(jù)采集接口卡。H2S傳感器為MQ136；NH3傳感器為MQ137。6個(gè)氣體傳感器(3個(gè)MQ136和3個(gè)MQ137)組合成陣列，每次采集的6個(gè)值不是獨(dú)立存在的，而是從整體上反映當(dāng)前氣體的模態(tài)。氣體采集系統(tǒng)如圖1所示，由3部分組成，分別是氣體傳感器陣列、數(shù)據(jù)采集卡、PC機(jī)數(shù)據(jù)庫(kù)。

氨氣、硫化氫氣體隨豬肉腐敗的變化規(guī)律如圖2所示，隨著時(shí)間的延長(zhǎng)，氣體的體積分?jǐn)?shù)在不斷升高。

圖2 氨氣、硫化氫氣體變化規(guī)律Fig.2 Changes in ammonia odor and hydrogen sulphide odor during pork spoilage measured using different gas sensors

在每個(gè)氣體采樣點(diǎn)分別取H2S和NH3氣體體積分?jǐn)?shù)以獲得加權(quán)平均值變化規(guī)律，作為圖7中SOM神經(jīng)網(wǎng)絡(luò)中氨氣、硫化氫的輸入。在氣體變化量實(shí)驗(yàn)中，NH3傳感器4的檢測(cè)值發(fā)生了異常變化，是由于傳感器4突然“檢測(cè)失靈”造成的，而另外兩個(gè)傳感器沒(méi)有發(fā)生其突變。計(jì)算NH3平均值時(shí)需要除去該數(shù)據(jù)。

2 圖像顏色值分析及圖象處理

2.1 RGB模式轉(zhuǎn)變?yōu)镠IS圖像模式

圖象采集系統(tǒng)由光室、光源、CCD、圖像采集卡和PC機(jī)組成。光源與光室提供檢測(cè)豬肉片圖像的環(huán)境；攝像頭攝取被檢測(cè)肉片與脂肪組織透射光圖像，并由圖像采集卡數(shù)字化后送入計(jì)算機(jī)。

肌肉的顏色值主要是指肉的顏色和光澤，最佳顏色為櫻桃紅色且有光澤。人肉眼能見(jiàn)到的光，是指波長(zhǎng)在400～800nm之間的可見(jiàn)光。豬肉因其以肌紅蛋白為主的色素吸收了相應(yīng)的可見(jiàn)光而呈現(xiàn)肉特有的紅色。肉的顏色能很好地表征其品質(zhì)特征。肉在貯藏過(guò)程中，其色澤往往隨著肉的變質(zhì)而發(fā)生變化。新鮮肉色澤紅潤(rùn)，且紅色均勻；次鮮肉顏色發(fā)暗；而變質(zhì)肉呈紅褐色無(wú)光澤，且在局部區(qū)域有不均勻的綠色斑塊。肉的色澤變化可通過(guò)其顏色值的變化來(lái)反映，通過(guò)測(cè)定豬肉的顏色值可以判斷豬肉的新鮮度。

豬肉色澤的測(cè)量可以量化。通過(guò)CCD獲得的圖片是基于紅(R)、綠(G)、藍(lán)(B)模型。而人眼觀察到的色彩則是以另一種稱(chēng)為HIS模型分類(lèi)的。有色物體反射光線的定量可以表示為三個(gè)部分，分別為亮度(I)、色度(H)、飽和度(S)。亮度是顏色的明暗程度，即黑白對(duì)比；色度是反射的主要波長(zhǎng)，它決定人眼所觀察到的顏色；飽和度為彩度，指色澤的強(qiáng)度。將采集的樣品圖像由RGB模式轉(zhuǎn)變?yōu)镠IS模式，為樣品色澤特征的定量化分析提供了解決方案。

2.2 直方圖均衡化

直方圖表明了圖象中灰度值的分布情況，可以通過(guò)直方圖均衡化改變形狀來(lái)達(dá)到增強(qiáng)圖象的對(duì)比度效果。圖象增強(qiáng)處理結(jié)果如圖3所示。

圖3 直方圖均衡變換Fig.3 Contrast change of pork image before and after histogram equalization

3 脂肪細(xì)胞數(shù)分析

圖4 脂肪細(xì)胞數(shù)變化(×100)Fig.4 Morphological change in adipocytes during pork spoilage(×100)

采用放大100倍CCD可以清晰的觀察到脂肪細(xì)胞形態(tài)。由圖4a可知，通過(guò)樣本觀察可以看出新鮮脂肪組織中脂肪細(xì)胞呈圓形或卵圓形，細(xì)胞飽滿均勻，細(xì)胞壁清晰，容易分辨出細(xì)胞個(gè)數(shù)；由圖4b可知，隨著脂肪組織的氧化腐敗深入，脂肪細(xì)胞之間邊緣逐漸彎曲并模糊化，細(xì)胞膜結(jié)構(gòu)變彎曲不平滑，出現(xiàn)細(xì)胞壁重疊和破裂現(xiàn)象，部分細(xì)胞不再完整；由圖4c可知，只有少量完整細(xì)胞，已經(jīng)分辨不出完整的細(xì)胞體結(jié)構(gòu)。通過(guò)對(duì)單位面積內(nèi)脂肪細(xì)胞的計(jì)數(shù)，為豬肉新鮮度檢測(cè)提供了一個(gè)新的參考標(biāo)準(zhǔn)。

通過(guò)對(duì)脂肪細(xì)胞大小分析，對(duì)經(jīng)歷不同腐敗時(shí)間后細(xì)胞的數(shù)量進(jìn)行統(tǒng)計(jì)。圖5所示為細(xì)胞數(shù)量統(tǒng)計(jì)結(jié)果。經(jīng)數(shù)據(jù)分析，可以比較明顯地看出，隨著氧化腐敗的加快，豬肉脂肪組織中完整細(xì)胞數(shù)量在不斷地減少。

圖5 脂肪細(xì)胞數(shù)隨時(shí)間的變化Fig.5 Change in the number of adipocytes during pork spoilage

4 細(xì)菌菌斑分析

由于外界微生物的污染，以及肉品自身分解過(guò)程中形成了易于細(xì)菌生長(zhǎng)的環(huán)境，細(xì)菌會(huì)在肉品中大量生長(zhǎng)聚集。由于肉品脂肪組織是最先腐敗的部分，同時(shí)脂肪組織的結(jié)構(gòu)較為單一，生長(zhǎng)在脂肪組織中的細(xì)菌菌斑圖像比較容易提取。可選擇脂肪組織中生長(zhǎng)的細(xì)菌菌斑圖像作為樣本數(shù)據(jù)，提取菌斑的面積并對(duì)其進(jìn)行數(shù)字圖像處理，作為判定肉品品質(zhì)的一個(gè)重要判定依據(jù)[2]。

圖6 細(xì)菌菌斑圖像Fig.6 Plaques of bacteria growing in pork fatty tissue after 12- and 24-hour spoilage

通過(guò)圖6對(duì)比分析發(fā)現(xiàn)：以菌斑特征標(biāo)定肉品新鮮度，隨著腐敗時(shí)間的增加，樣品菌斑面積是隨著腐敗的時(shí)間增加而增加的，這表明菌斑面積能很好地表征樣品的品質(zhì)，細(xì)菌菌斑面積可以作為檢測(cè)豬肉新鮮度的一個(gè)主要特征指標(biāo)。

5 肉類(lèi)新鮮度分級(jí)分析

目前，按照國(guó)家標(biāo)準(zhǔn)肉類(lèi)新鮮度分類(lèi)方法將肉類(lèi)分為3個(gè)等級(jí)，分級(jí)標(biāo)準(zhǔn)是根據(jù)TVB-N值來(lái)確定的(表1)。該分級(jí)標(biāo)準(zhǔn)比較粗糙，在實(shí)際應(yīng)用中不能滿足需要[3-4]。隨著市場(chǎng)競(jìng)爭(zhēng)的加劇，各企業(yè)都對(duì)自己生產(chǎn)的各個(gè)環(huán)節(jié)采取精細(xì)化控制，不同新鮮度等級(jí)的豬肉將應(yīng)用到不同肉類(lèi)食品生產(chǎn)中。根據(jù)調(diào)查，將肉品進(jìn)行更細(xì)致的新鮮度等級(jí)劃分將對(duì)實(shí)際應(yīng)用起到有效的指導(dǎo)作用[5]。如何合理的在國(guó)家新鮮度分級(jí)標(biāo)準(zhǔn)基礎(chǔ)上對(duì)新鮮度等級(jí)進(jìn)行細(xì)化，將對(duì)豬肉新鮮度分級(jí)系統(tǒng)應(yīng)用起到重要的推動(dòng)作用。

表1 國(guó)家肉類(lèi)新鮮度等級(jí)標(biāo)準(zhǔn)與TVB-N值的關(guān)系Table 1 TVB-N value based meat freshness rating (from the national standard)

6 基于SOM新鮮度分級(jí)系統(tǒng)設(shè)計(jì)

6.1 新鮮度分級(jí)規(guī)則

圖7 新鮮度分級(jí)算法整體結(jié)構(gòu)Fig.7 Freshness algorithm structure diagram

新鮮度分級(jí)算法整體結(jié)構(gòu)如圖7所示。肉類(lèi)新鮮度等級(jí)劃分標(biāo)準(zhǔn)是根據(jù)TVB-N值多少來(lái)確定的。首先根據(jù)神經(jīng)網(wǎng)絡(luò)進(jìn)行TVB-N值的確定，再利用SOM型神經(jīng)網(wǎng)絡(luò)對(duì)豬肉腐敗過(guò)程中TVB-N值序列進(jìn)行聚類(lèi)分析，可以得到不同新鮮度等級(jí)的聚類(lèi)中心。SOM網(wǎng)的輸入是TVB-N值序列，輸出是不同新鮮度等級(jí)的聚類(lèi)中心對(duì)應(yīng)的TVB-N值。將兩個(gè)不同的聚類(lèi)中心之間的中點(diǎn)對(duì)應(yīng)的TVB-N值作為分界點(diǎn)，可得到不同新鮮度等級(jí)所對(duì)應(yīng)的TVB-N值的區(qū)間，也就是新鮮度等級(jí)分類(lèi)規(guī)則。

6.2 BP神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)

新鮮度等級(jí)的聚類(lèi)中心確定，首先要根據(jù)神經(jīng)網(wǎng)絡(luò)進(jìn)行TVB-N值序列聚類(lèi)，選擇神經(jīng)網(wǎng)絡(luò)進(jìn)行新鮮度的智能辨識(shí)，需要根據(jù)系統(tǒng)的要求選擇神經(jīng)網(wǎng)絡(luò)模型并確定結(jié)構(gòu)，包括：輸入層及向量個(gè)數(shù)、隱含層層數(shù)、隱含層神經(jīng)元個(gè)數(shù)、輸出層向量個(gè)數(shù)、各層神經(jīng)元傳遞函數(shù)等。對(duì)建立的神經(jīng)網(wǎng)絡(luò)進(jìn)行離線學(xué)習(xí)，確定網(wǎng)絡(luò)的連接權(quán)值和連接結(jié)構(gòu)，最后用于新鮮度辨識(shí)。

6.2.1 輸入層神經(jīng)元個(gè)數(shù)確定

影響新鮮度檢測(cè)的主要指標(biāo)個(gè)數(shù)是神經(jīng)網(wǎng)絡(luò)輸入層向量個(gè)數(shù)。本課題研究的參數(shù)有：氨氣和硫化氫氣體、顏色值、細(xì)胞個(gè)數(shù)及細(xì)菌菌斑面積參數(shù)，確定輸入層的神經(jīng)元向量個(gè)數(shù)為7。

6.2.2 隱含層層數(shù)確定

神經(jīng)網(wǎng)絡(luò)的許多特性是由隱含層決定的，然而，具體取多少合適卻沒(méi)有規(guī)律可循，不同的應(yīng)用對(duì)象，與其相適應(yīng)的網(wǎng)絡(luò)結(jié)構(gòu)差別很大。理論上已經(jīng)證明：具有偏差和至少一個(gè)S型隱含層加上一個(gè)線性輸出層的網(wǎng)絡(luò)，能夠逼近任何有理函數(shù)。也即含有一個(gè)隱含層的3層BP網(wǎng)絡(luò)即可完成非線性函數(shù)的逼近。多于一個(gè)隱含層的BP網(wǎng)絡(luò)雖然具有更快的訓(xùn)練速度，但在實(shí)際中需要較多的計(jì)算時(shí)間。另一方面，訓(xùn)練速度和精度可以通過(guò)增加隱含層神經(jīng)元數(shù)來(lái)達(dá)到。基于此，本研究采用具有一個(gè)隱含層的3層BP神經(jīng)網(wǎng)絡(luò)。

6.2.3 輸出層神經(jīng)元個(gè)數(shù)

國(guó)家標(biāo)準(zhǔn)中表征肉品新鮮程度是TVB-N值，建立神經(jīng)網(wǎng)絡(luò)的目的就是找出氨氣、硫化氫、色度、亮度、飽和度、脂肪細(xì)胞數(shù)及細(xì)菌菌斑同TVB-N值的關(guān)系，所以輸出層的神經(jīng)元個(gè)數(shù)取1。BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖8所示。

圖8 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Fig.8 BP neural network structure

選取數(shù)據(jù)中具有代表性的80組數(shù)據(jù)作為樣本數(shù)據(jù)，并將輸入與輸出數(shù)據(jù)分別以文本文件的形式存儲(chǔ)。MATLAB可以直接對(duì)這些文本文件進(jìn)行操作。實(shí)現(xiàn)這部分功能的MATLAB程序段為：

fid=fopen('樣本氨氣、硫化氫、色度、亮度、飽和度、脂肪細(xì)胞數(shù)及細(xì)菌菌斑輸入數(shù)據(jù).txt ')；

執(zhí)行上述語(yǔ)句后得到網(wǎng)絡(luò)的訓(xùn)練誤差。網(wǎng)絡(luò)的訓(xùn)練誤差變化曲線如圖9所示。

圖9 網(wǎng)絡(luò)訓(xùn)練誤差變化曲線Fig.9 Network training error curve

由圖9可知，網(wǎng)絡(luò)訓(xùn)練至63步時(shí)，誤差達(dá)到目標(biāo)值，說(shuō)明網(wǎng)絡(luò)有很好的收斂性能。

6.3 豬肉新鮮度SOM神經(jīng)網(wǎng)絡(luò)等級(jí)劃分

在豬肉腐敗過(guò)程中采集多個(gè)TVB-N值序列，利用SOM網(wǎng)絡(luò)對(duì)這些序列進(jìn)行聚類(lèi)。根據(jù)聚類(lèi)中心以及聚類(lèi)中心之間的距離，并在新鮮度國(guó)家等級(jí)劃分標(biāo)準(zhǔn)上，將新鮮度重新劃分成5類(lèi)，以滿足實(shí)際生產(chǎn)需求。

設(shè)計(jì)SOM網(wǎng)絡(luò)需要確定網(wǎng)絡(luò)輸入、輸出層的形式和神經(jīng)元的數(shù)量。等級(jí)劃分主要是將豬肉腐敗過(guò)程中TVB-N值序列進(jìn)行合理的劃分。SOM網(wǎng)絡(luò)的輸入是TVB-N值序列，網(wǎng)絡(luò)輸入層只需要一個(gè)節(jié)點(diǎn)。網(wǎng)絡(luò)將一維的數(shù)據(jù)序列劃分為5個(gè)類(lèi)，則設(shè)計(jì)網(wǎng)絡(luò)的輸出層為一維形式，網(wǎng)絡(luò)的輸出層的神經(jīng)元個(gè)數(shù)為5個(gè)。所設(shè)計(jì)的SOM網(wǎng)絡(luò)的結(jié)構(gòu)圖如圖10所示。

圖10 等級(jí)劃分SOM網(wǎng)絡(luò)結(jié)構(gòu)Fig.10 SOM network structure showing TVB-N value based pork freshness rating

6.3.1 SOM網(wǎng)絡(luò)的生成及初始化

訓(xùn)練神經(jīng)網(wǎng)絡(luò)首先要生成一個(gè)神經(jīng)網(wǎng)絡(luò)的構(gòu)架，格式為：

其中：PR為R×2維矩陣，表示R維輸入矢量中每維輸入的最小值與最大值之間的范圍；[D1,D2,...]中各元素分別表示各層神經(jīng)元的數(shù)目；TFCN表示神經(jīng)網(wǎng)絡(luò)中拓?fù)浜瘮?shù)，缺省值為“hextop”；DFCN表示神經(jīng)網(wǎng)絡(luò)中距離函數(shù)，缺省值為“l(fā)inkdist”。

針對(duì)新鮮度等級(jí)劃分問(wèn)題建立SOM網(wǎng)絡(luò)，該網(wǎng)絡(luò)有一個(gè)單神經(jīng)元的輸入層，輸出層由5個(gè)神經(jīng)元組成一維結(jié)構(gòu)。

6.3.2 SOM神經(jīng)網(wǎng)絡(luò)訓(xùn)練

在確定了SOM網(wǎng)絡(luò)的結(jié)構(gòu)、拓?fù)浜瘮?shù)以及學(xué)習(xí)算法后，需要對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，即利用輸入樣本對(duì)其進(jìn)行訓(xùn)練，通過(guò)對(duì)神經(jīng)網(wǎng)絡(luò)的權(quán)值進(jìn)行不斷調(diào)整，使得網(wǎng)絡(luò)的輸出層的特定神經(jīng)元對(duì)特定的輸入有最大的響應(yīng)。SOM網(wǎng)絡(luò)學(xué)習(xí)過(guò)程是無(wú)導(dǎo)師學(xué)習(xí)，所以在對(duì)神經(jīng)網(wǎng)絡(luò)訓(xùn)練參數(shù)進(jìn)行設(shè)置時(shí)，只需設(shè)置訓(xùn)練步數(shù)。通過(guò)對(duì)SOM進(jìn)行訓(xùn)練100步，利用SOM網(wǎng)絡(luò)進(jìn)行聚類(lèi)操作，其聚類(lèi)中心是輸出層的神經(jīng)元的權(quán)值。權(quán)值分布如圖11所示。

圖11 SOM網(wǎng)絡(luò)輸出層權(quán)值分布Fig.11 SOM distribution of network output layer weights

由圖11可知，縱軸對(duì)應(yīng)輸出層神經(jīng)元的權(quán)值向量。其橫坐標(biāo)位置是豬肉新鮮度劃分過(guò)程中的聚類(lèi)中心所對(duì)應(yīng)的TVB-N值。由于本研究設(shè)計(jì)的SOM網(wǎng)絡(luò)輸出層是一維的，所有輸出點(diǎn)在縱軸上所對(duì)應(yīng)的值為0。橫坐標(biāo)紅點(diǎn)為聚類(lèi)中心，經(jīng)過(guò)訓(xùn)練其聚類(lèi)中心對(duì)應(yīng)的TVB-N值分別為：9.383、13.597、20.055、29.21mg/100g和36.573mg/100g。

利用MATLAB中神經(jīng)網(wǎng)絡(luò)工具箱對(duì)SOM網(wǎng)絡(luò)進(jìn)行訓(xùn)練和仿真。如表2所示，針對(duì)不同聚類(lèi)中心所對(duì)應(yīng)的TVB-N值，同時(shí)參照國(guó)家豬肉新鮮度分級(jí)標(biāo)準(zhǔn)中對(duì)不同等級(jí)確定的名稱(chēng)，將5類(lèi)豬肉新鮮度等級(jí)定義為：新鮮肉、中鮮肉、次鮮肉、中腐肉和腐敗肉5個(gè)等級(jí)。

表2 SOM網(wǎng)絡(luò)聚類(lèi)后新鮮度等級(jí)Table 2 Relationship between pork freshness rates and TVB-N value obtained from SOM network

將不同聚類(lèi)中心之間的中點(diǎn)作為分界點(diǎn)，從而得到不同豬肉新鮮度等級(jí)對(duì)應(yīng)的TVB-N值的區(qū)間。其對(duì)應(yīng)關(guān)系如表3所示。

表3 豬肉新鮮度等級(jí)及對(duì)應(yīng)的TVB-N值區(qū)間Table 3 Divided TVB-N value intervals corresponding to pork freshness rates

通過(guò)表3可以看出，豬肉新鮮度等級(jí)進(jìn)行重新劃分后，中鮮肉的TVB-N值對(duì)應(yīng)區(qū)間為[11.5，16.8)，與國(guó)家標(biāo)準(zhǔn)新鮮肉和次鮮肉之間的區(qū)域?qū)?yīng)。中腐肉也與國(guó)家標(biāo)準(zhǔn)中次鮮肉和腐敗肉之間的狀態(tài)對(duì)應(yīng)。

通過(guò)對(duì)TVB-N值進(jìn)行聚類(lèi)得到的豬肉新鮮度等級(jí)與國(guó)家標(biāo)準(zhǔn)對(duì)比分析得到：對(duì)豬肉新鮮度進(jìn)行劃分的結(jié)果與國(guó)家標(biāo)準(zhǔn)指標(biāo)吻合，可以滿足實(shí)際應(yīng)用中對(duì)豬肉新鮮度等級(jí)細(xì)分的要求。

6.4 豬肉新鮮度辨識(shí)軟件的實(shí)現(xiàn)

圖12是豬肉新鮮度辨識(shí)軟件界面。界面左邊顯示所檢測(cè)的參數(shù)，包括：氨氣、硫化氫、顏色值(H、S、I)、脂肪細(xì)胞個(gè)數(shù)和細(xì)菌菌斑面積。界面右邊顯示辨識(shí)結(jié)果，包括：多數(shù)據(jù)融合后預(yù)測(cè)的TVB-N值和新鮮度等級(jí)分級(jí)結(jié)果。

圖12 豬肉新鮮度辨識(shí)系統(tǒng)軟件界面Fig.12 Pork freshness identification system software interface

在使用過(guò)程中，點(diǎn)擊新鮮度辨識(shí)按鈕后，系統(tǒng)對(duì)特征量進(jìn)行采集，包括：氨氣、硫化氫、顏色值、脂肪細(xì)胞個(gè)數(shù)和細(xì)菌菌斑面積。然后系統(tǒng)對(duì)所采集的數(shù)據(jù)進(jìn)行處理，利用顏色值模型變換提取樣品顏色值(H、S、I)；對(duì)樣品圖像進(jìn)行霍夫變換取得脂肪細(xì)胞輪廓，并計(jì)算完整脂肪細(xì)胞個(gè)數(shù)；利用數(shù)學(xué)形態(tài)學(xué)處理所拍攝的細(xì)菌菌斑圖像并統(tǒng)計(jì)菌斑面積；將處理后的特征量送入BP神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)的輸出為對(duì)該樣品預(yù)測(cè)的TVB-N值，并在分級(jí)規(guī)則庫(kù)中尋找同該TVB-N值對(duì)應(yīng)的新鮮度等級(jí)。從圖12可以看到，該樣品氨氣值為35，硫化氫值為150，顏色值中H為178.63、S為0.2013、I為0.995，細(xì)胞個(gè)數(shù)為36個(gè)，菌斑面積為1196，經(jīng)BP神經(jīng)網(wǎng)絡(luò)辨識(shí)，其預(yù)測(cè)TVB-N值為5.02，在分級(jí)數(shù)據(jù)庫(kù)中搜索后得到該樣品新鮮度等級(jí)為：新鮮肉。

7 結(jié) 論

本研究進(jìn)行了表征豬肉新鮮度的特征量氨氣、硫化氫、顏色值(H、S、I)、完整脂肪細(xì)胞個(gè)數(shù)、細(xì)菌含量檢測(cè)。利用信息處理技術(shù)將多個(gè)特征量融合在一起，應(yīng)用BP神經(jīng)網(wǎng)絡(luò)對(duì)豬肉腐敗過(guò)程中的TVB-N值序列進(jìn)行聚類(lèi)研究，并且利用SOM網(wǎng)絡(luò)對(duì)豬肉新鮮度進(jìn)行了分級(jí)研究，實(shí)現(xiàn)了豬肉新鮮度智能辨識(shí)，研究方法達(dá)到了國(guó)家豬肉新鮮度分級(jí)標(biāo)準(zhǔn)要求。

[1] 郭培源, 曲世海. 豬肉新鮮度的智能檢測(cè)方法[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào), 2006(8): 78-81.

[2] 畢松, 郭培源. 基于細(xì)菌菌斑變化的豬肉新鮮度檢測(cè)方法研究[J]. 農(nóng)機(jī)化研究, 2009(5): 67-71.

[3] 侯瑞鋒, 黃嵐, 王忠義, 等. 用近紅外漫反射光譜檢測(cè)肉品新鮮度的初步研究[J]. 光譜學(xué)與光譜分析, 2006, 26(12): 2192-2195.

[4] 韓劍眾, 黃麗娟, 顧振宇, 等. 基于電子舌的肉品品質(zhì)及新鮮度評(píng)價(jià)研究[J]. 中國(guó)食品學(xué)報(bào), 2008, 8(3): 126-133.

[5] 彭勇, 婁飛, 陳尚武, 等. 流動(dòng)注射-化學(xué)發(fā)光法快速評(píng)價(jià)冷豬肉新鮮度[J]. 肉類(lèi)研究, 2005(6): 32-34.

An Intellectual Rating System for Pork Freshness

GUO Pei-yuan，BI Song，YUAN Fang
(College of Information Engineering, Beijing Technology and Business University, Beijing 100037, China)

TS251.7

A

1002-6630(2010)15-0068-05

2009-12-28

北京市自然科學(xué)基金資助項(xiàng)目(4092012)

郭培源(1958—)，男，教授，博士，研究方向?yàn)橹悄軝z測(cè)、多數(shù)據(jù)信息融合。E-mail：ggppyy@126.com