陳天華，郭培源

(北京工商大學計算機與信息工程學院，北京 100048)

基于細胞邊緣檢測的豬肉新鮮度評價方法

陳天華，郭培源

(北京工商大學計算機與信息工程學院，北京 100048)

根據豬肉變質過程的生化機理，制作了豬肉腐敗過程中各個時段的切片樣本，通過實驗研究了豬肉新鮮度與其完整細胞數量之間的內在關系。提出了將RGB圖像轉換為灰度圖像以后，經直方圖均衡增強處理，應用Canny算子檢測細胞邊緣，提取單位面積完整細胞數量作為豬肉腐敗程度的檢測方法，并將該結果與TVB－N值進行參照，檢測結果一致。本研究為豬肉新鮮度測定提出了一種全新的簡便辨識方法。

豬肉新鮮度，細胞邊緣檢測，Canny算子，無損檢測，食品安全

隨著人們生活水平的提高，豬肉已經成為我國城鄉(xiāng)居民的重要肉類食品。豬肉新鮮度檢測包括傳統(tǒng)檢測方法和基于現代信息技術檢測方法兩大類。傳統(tǒng)的新鮮度檢測方法主要包括傳統(tǒng)方法感官檢測、理化檢驗、衛(wèi)生(微生物)檢驗、儀器分析等多種方法［1］。感官檢測基于對豬肉色澤、組織結構、氣味、品相的綜合判斷，對檢驗人員能力要求較高，一般需經過系統(tǒng)培訓和較長時間的實踐才能勝任檢測工作。理化檢驗需要相關專用設備和裝置，檢測過程復雜，檢測時間相對較長。微生物檢驗和儀器分析方法類似于理化分析，都需要不同類型的配套儀器設備，檢測周期長［2］?；诂F代信息技術的檢測方法主要利用計算機技術對豬肉新鮮度進行評價和檢測，其特點是方便、快速和無損。信息技術檢測方法通常要應用圖像處理技術對細胞邊緣進行檢測，在眾多的邊緣檢測算法中，Canny算子得到了非常廣泛的應用，這主要是因為它提出了迄今為止定義最為嚴格的邊緣檢測的三個標準，而且該算法相對于其他算法在復雜度、邊緣檢測性能和速度方面具有綜合優(yōu)越性［3］。本文提出了一種基于Canny算子檢測完整細胞數量評價豬肉新鮮度的方法，是一種快速、有效和無損的檢測方法。

1 樣本制作與采集

1.1 樣本選擇

新屠宰的健康動物肉類通常是無菌的，豬肉的腐敗通常是由于存放時間過長，在一定的環(huán)境、溫度和濕度下，由組織酶以及環(huán)境中的微生物和細菌在其表面繁殖所致［4］。豬肉從完全新鮮到深度腐敗的過程中，組織中所含的水、蛋白質和脂類等營養(yǎng)物質為細菌的生長提供了條件，細菌數量增長，細胞邊緣出現彎曲斷裂，完整細胞數量減少［5］。本文選用豬肉脂肪組織作為樣本，在樣本腐敗過程中，每隔1h取出部分脂肪組織樣本，以分析該時間點樣品的新鮮度。

1.2 樣本制作

實驗樣品采用北京市場上經正規(guī)屠宰，經衛(wèi)生檢驗檢疫部門檢驗合格的未經注水和冷凍的豬肉，選取多個攤位的肉品提取脂肪組織作為樣品，用酒精消毒的刀片在新屠宰的豬肉脂肪組織中提取長、寬、厚分別為2cm×1cm×0.2cm的樣品12個，并將樣品放置在25℃恒溫環(huán)境下自然腐敗，每隔1h進行一次圖像數據采集。

2 細胞圖像采集

本文采用邊緣檢測方法對樣本圖像進行分析，所以首先要采集豬肉樣本切片圖像。為避免玻璃器皿對光線的反射和折射的作用，影響圖像采集效果，采用底光對樣品進行照明。

2.1 圖像采集系統(tǒng)

圖像采集系統(tǒng)如圖1所示，主要由光室、光源、CCD攝像頭、圖像采集卡和PC機組成。光源與光室提供檢測豬肉切片圖像的采集環(huán)境;攝像頭攝取被檢測肉片圖像，采集圖像的尺寸為512×512像素，并由圖像采集卡數字化后送入計算機。

圖1 圖像采集系統(tǒng)

圖像采集卡采用AVE1000SS1卡。這是一款性能穩(wěn)定、功能齊全的視頻壓縮卡，具有報警輸入、輸出、字符和時間疊加OSD功能，可支持多塊插卡同時壓縮，支持恒定位和可變位速率、壓縮幀尺寸可變，位速率模式支持VBR/CBR，支持網絡傳輸。該卡支持MPEG－1/MJPG壓縮格式，可滿足高分辨率全屏預覽，分辨率高達720×576，性價比非常高，既保證高壓縮質量，又占用較少硬盤。

CCD攝像頭采用JVCCCD攝像機，主要技術參數:480線專業(yè)級彩色攝像頭，PAL制復合視頻輸出;DSP提供更好的畫面質量和更先進的功能;內置RS232C通訊協(xié)議，1/3英寸IT Super HAD CCD;50分貝優(yōu)質信噪比(S/N)，可適應多種光照條件的背光補償;最低照度0.3Lux［F1.2，50IRE］;兩種可選自平衡控制方法，自動追蹤自平衡/手動;可采用CS及C型卡口鏡頭，兩種自動光圈鏡頭。

2.2 樣品圖像拍攝

將樣品從恒溫環(huán)境取出放在載物臺上，調整載物臺到指定位置，每隔1h在樣品的同一位置采集一次圖像。肉的腐敗通常是由外界微生物污染而產生，從肉的表面沿著結締組織向深層擴散，由分泌的膠原蛋白酶使結締組織的膠原蛋白水解形成黏液，同時產生氣體，最后分解成氨基酸、水、二氧化碳和氨氣，產生難聞的氣味。

表面微生物沿血管進入肉的內層，并深入到肌肉組織，腐敗程度在一定范圍內時，微生物的繁殖仍局限于細胞與細胞之間的間隙，當發(fā)生深度腐敗時微生物進入肌纖維部分［5］。在肉品腐敗過程中，蛋白質分解后產生水、糖類、二氧化碳等物質。

3 細胞邊緣處理

由于細菌的繁殖以宿主為營養(yǎng)，隨著腐敗程度的加深，將樣品放置在顯微鏡下，可以清晰地觀察到不同時間段，豬肉脂肪組織的細胞逐漸變形、變模糊。豬肉腐敗過程中，蛋白質結構被破壞，細胞壁彎曲、重疊，完整細胞數量減少［6］。因此，可以采用邊緣檢測法，以完整細胞數量的多少作為豬肉新鮮度的檢測依據，即通過Canny算子提取細胞邊緣圖像，統(tǒng)計不同時段的樣本圖像的完整數量測定豬肉新鮮度。本方法不僅可以提高計算速度和分類準確度，同時也為豬肉新鮮度檢測提供了一個新方法。

3.1 切片圖像預處理

由于以完整細胞數量作為豬肉新鮮度評價指標，因此，要求在圖像預處理以及邊緣檢測過程中，既不能對細胞邊緣進行增強處理，不然可能使因腐敗變質而斷裂的細胞邊緣得到修復，使細胞邊緣中的弱邊緣線斷裂而減少了完整細胞數量，也不能在處理過程中弱化邊緣，使完整的邊緣斷裂?？傊?，應最大限度地保持原圖像的細胞邊緣形態(tài)，以保證完整細胞的數量的準確性。在現行的各種邊緣檢測算法中，Canny算子由于采用最為嚴格的邊緣檢測的三個標準而得到廣泛應用，而且該算法相對于其他算法在邊緣檢測性能、復雜性和速度方面具有綜合優(yōu)越性。

樣本切片圖像預處理包括對RGB圖像轉換為灰度圖象和對灰度圖像的直方圖均衡化處理，以改善圖像顯示效果而且保持細胞邊緣的原始形態(tài)。直方圖均衡化是通過對豬肉切片圖像進行以均衡為目標的變換，簡并圖像中像素較少的一些灰度級，使原圖像的直方圖分布更均勻，增加像素灰度值的動態(tài)范圍，從而提高整個圖像的對比度，使原切片圖像中一些不清晰的細節(jié)在均衡化處理后會變得更清晰，也沒有破壞原始圖像的細胞邊緣。切片圖像預處理算法流程如圖2所示。

圖2 樣本圖像的算法流程

3.2 圖像樣本分析

通過CCD成像設備對脂肪組織進行觀測，通過放大倍數為100倍的光學放大可清晰地看到脂肪細胞結構。所拍攝的圖像尺寸為512×512像素，通過樣本觀察可以看出新鮮脂肪組織中脂肪細胞近似為圓形或橢圓形，但隨著樣本的腐敗，脂肪細胞組織也在不斷地發(fā)生變化。圖3中(a)、(b)、(c)分別為樣品腐敗0、9、12h深度腐敗的圖像。

圖3(a)是新鮮肉(0h)細胞切片圖像，0h新鮮樣本中脂肪細胞飽滿均勻，可看到清晰的線狀細胞壁，容易分辨出細胞個數。

圖3 腐敗過程中細胞形態(tài)變化

圖3(b)為9h后的細胞切片圖像，經歷9h氧化腐敗之后，可明顯看出細胞膜結構變彎曲不平滑，清晰細胞壁較少，出現大量的細胞壁重疊現象，細胞壁粘連現象明顯增加，另有較多的細胞壁出現破裂現象，不再是完整脂肪細胞，只有少量完整細胞。

圖3(c)是在深度腐敗時的細胞切片圖像。在該圖中，已經觀察不到完整的脂肪細胞，細胞壁出現嚴重重疊和彎曲現象，已經分辨不出完整的細胞結構。

3.3 細胞輪廓提取

為保持切片圖像細胞邊緣的原始形態(tài)，直接采用Canny算子提取脂肪細胞邊緣輪廓。Canny算子是具有較好的邊緣檢測特性并得到廣泛應用的邊緣檢測算子，具有較高的信噪比和檢測精度，是一種高性能的階梯型邊緣檢測算子［7］。其優(yōu)越的檢測特性表現在以下幾個方面:a.良好的邊緣檢測性能。Canny算子能保證成功地檢測出細胞邊緣，不將非邊緣點作為邊緣點檢測;b.邊緣檢測信噪比高。對于弱邊緣信號有較好的響應能力，算子的輸出信噪比高;c.邊緣監(jiān)測時定位準確。Canny算子檢測出的邊緣點與實際邊緣點位置準確度高;d.單邊緣特性好［8］。Canny算子具有較好的一個邊緣點只檢測一次的能力。

Canny算子邊緣檢測算法如圖4所示。

圖4 Canny算子細胞邊緣算法圖

對每隔1h采集的全部12組切片圖像進行邊緣提取，其中，在放置0、9、12h后，細胞邊緣提取結果如圖5所示。

實驗表明，RGB圖像經換為灰度圖像及直方圖均衡增強處理以后，無需將Canny算子結合其他算法，直接采用Canny算子就能獲取較好的細胞邊緣和準確的完整細胞數量。如果在提取細胞邊緣時結合其他算法，可能會產生意外的結果，例如，若Canny算子結合數學形態(tài)學，對圖像進行膨脹處理再提取細胞邊緣，則圖5(b)和(c)中完整細胞數量會大幅增加，可導致錯誤的新鮮度評價結果。

圖5 細胞邊緣提取結果

4 實驗結果

通過對12個不同樣本的細胞大小和形態(tài)分析，對經歷不同放置時間后脂肪組織中的完整脂肪細胞數量進行了統(tǒng)計，實驗數據如表1所示。

表1 豬肉完整細胞數統(tǒng)計

實驗表明，隨著放置時間的延長，氧化腐敗程度不斷加深，豬肉組織中完整細胞數量逐漸減少。剛屠宰的新鮮豬肉，單位面積的完整細胞數量全部大于25，樣本為新鮮豬肉;經歷9h之后，完整細胞數量在18～26之間，這時樣本已經有一定程度的明顯變質，色澤和味道發(fā)生了比較明顯的變化，樣本為次新鮮豬肉;經歷12h以上，腐敗程度非常深，能聞到明顯的異味，仔細觀察，肉眼能觀察到明顯的組織變化，完整細胞數量小于14，樣本為腐敗豬肉。對于新鮮度的評價，上述檢測結果與采用TVB－N國家標準的評測結果一致。

5 結論

本研究表明，RGB圖像經換為灰度圖像及直方圖均衡增強處理以后，直接采用Canny算子可以獲取較好的細胞邊緣，Canny算子是一種具有較高的信噪比和檢測精度的高性能邊緣檢測算子。采用本文算法，對采集自北京市場上經檢驗合格的多個攤位共12個豬肉樣本，在25℃環(huán)境下，經0、9、12h恒溫放置后，依據樣品的完整細胞數量對豬肉的新鮮度評價結果與依據TVB－N標準的新鮮度評價結果一致。本文提出的基于Canny算子提取細胞邊緣，計算完整細胞數量的豬肉新鮮度的檢測方法是一種快速、方便、無損的豬肉新鮮度檢測方法。

［1］蔡健榮，萬新民，陳全勝.近紅外光譜快速檢測豬肉中揮發(fā)性鹽基氮的含量［J］.光學學報，2009(10):2808－2812.

［2］劉魁武，成芳，應義斌.豬肉品質檢測研究進展［J］.農業(yè)工程學報，2008，24(8):239－241.

［3］A Canny.A Computational Approach to Edge Detection［J］.IEEE Trans on PAMI，2006，8(6):679－698.

［4］郭培源.豬肉新鮮度的智能檢測方法［J］.農業(yè)機械學報，2006(8):78－81.

［5］耿愛琴，鄭國鋒，錢和.淺述肉類新鮮度的檢測方法［J］.肉類工業(yè)，2006(12):37－39.

［6］牛樂寶，曹振輝，葛長榮.肉品新鮮度的現代快速檢測方法［J］.農產品加工，2007(2):36－38.

［7］于瑞雪，郭培源.基于光電顯微技術的肉類新鮮度檢測［J］.北京工商大學學報:自然科學版，2008(2):78－81.

［8］馮強，于盛林，黃曉晴.一種新穎的有核細胞邊緣檢測方法［J］.中國圖形圖像學報，2009，14(10):2004－2009.

Method of inspection pork freshness based on cell edge detection

CHEN Tian－h(huán)ua，GUO Pei－yuan

(College of Information Engineering，Beijing Technology and Business University，Beijing 100048，China)

According to the biochemical mechanism of pork metamorphism，the biopsy samples in each time during the pork－corruption process were produced.The inherent relationship between pork freshness and the number of intact cells was studied by a large number of experiments.The RGB image converted into gray image and enhancement processing by histogram equalization were proposed，Canny edge operator was applied to detect cell to calculate the number of intact cells per unit area as the level of pork corruption，and the test results by this method with the TVB－N values were com pared，test results of the two methods were consistent，the results of this study was a new simple method for determination of the freshness of pork presents.

freshness detection of pork;celledge detection;Canny algorithm;nondestructive detection;food safety

TS251.7

A

1002－0306(2011)08－0408－04

2010－06－22

陳天華(1967－)，男，碩士，教授，主要從事智能信息處理、農副產品無損檢測、測控技術等方面的研究。

北京市自然科學基金(4092012)。