劉文營(yíng)

摘 要：通過(guò)對(duì)實(shí)時(shí)圖像捕捉裝置的設(shè)計(jì)，將牛肉圖像信息與揮發(fā)性鹽基氮（total volatile basic nitrogen，TVB-N）值相關(guān)度進(jìn)行擬合，構(gòu)建牛肉新鮮度與顏色色度值之間的關(guān)系模型。圖像實(shí)時(shí)捕捉裝置由電荷耦合元件攝像機(jī)、鏡頭、發(fā)光二極管漫反射光源和暗箱組成，運(yùn)用基于C++語(yǔ)言編寫(xiě)的軟件程序?qū)Λ@得的圖像進(jìn)行顏色特征信息的提取，運(yùn)用SPSS軟件將顏色特征信息與TVB-N值進(jìn)行逐步回歸分析，獲取了顏色特征信息與TVB-N值之間關(guān)系的模型，TVB-N含量/（mg/100 g）=103.205 9-100.300 4aveS-0.283 2 varB，參照擬合方程及GB 2707—2005《鮮（凍）畜肉衛(wèi)生標(biāo)準(zhǔn)》，實(shí)現(xiàn)對(duì)牛肉新鮮度的快速檢測(cè)。

關(guān)鍵詞：計(jì)算機(jī)視覺(jué)技術(shù)；圖像；揮發(fā)性鹽基氮；牛肉；新鮮度

Abstract： We conducted this study to establish a predictive model of beef freshness as a function of color features. Images of beef striploin from Luxi yellow cattle were acquired using a real-time image capture apparatus made up of charge-coupled device （CCD） camera， lens， light emitting diode （LED） and camera obscura. Color features were extracted from the images using a software design using the C++ programming language and the relationship with total volatile basic nitrogen （TVB-N） values was fitted as follows： TVB-N （mg/100 g） = 103.205 9 ? 100.300 4 aveS ? 0.283 2 varB by stepwise regression analysis using SPSS software. The fitted model enabled rapid detection of beef freshness according to the Chinese National Standard

GB 2707—2005 （Hygienic Standard for Fresh （Frozen） Meat of Livestock）.

Key words： computer vision technology； image； total volatile basic nitrogen； beef； freshness

中圖分類號(hào)：TS251.52 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1001-8123（2015）11-0007-03

doi： 10.15922/j.cnki.rlyj.2015.11.002

牛肉富含蛋白質(zhì)、脂肪酸、維生素和礦物質(zhì)，烹飪后香味濃郁，而深受消費(fèi)者喜愛(ài)。但由于牛品種、飼養(yǎng)條件不同，屠宰方式和環(huán)境各異以及貯藏和冷鏈物流不完善，導(dǎo)致市場(chǎng)上的牛肉質(zhì)量參差不齊，存在較大的安全隱患，因此對(duì)牛肉新鮮度檢測(cè)的意義顯得尤其重要[1]。

針對(duì)畜肉新鮮度的檢測(cè)，目前采用的是人工感官評(píng)價(jià)、化學(xué)分析技術(shù)、電化學(xué)技術(shù)和光譜技術(shù)等，相對(duì)于電化學(xué)手段較易受環(huán)境因素條件影響、光譜技術(shù)需要較高的投資和人工感官評(píng)價(jià)使用受限等因素，目前最為普遍和最有可信度的檢測(cè)方法是用化學(xué)方法對(duì)畜肉的揮發(fā)性鹽基氮值（total volatile basic nitrogen，TVB-N）定量。TVB-N是動(dòng)物性食品在酶和微生物的作用下產(chǎn)生氨及胺類等堿性含氮物，其含量與畜肉的腐敗程度成正相關(guān)，是鑒定畜肉新鮮度的重要指標(biāo)也是國(guó)標(biāo)中用于評(píng)價(jià)肉質(zhì)鮮度的唯一理化指標(biāo)[2-8]。

盡管通過(guò)對(duì)TVB-N的檢測(cè)分析畜肉新鮮度具有無(wú)可比擬的優(yōu)勢(shì)，但是國(guó)家標(biāo)準(zhǔn)中無(wú)論是半微量定氮法，還是微量擴(kuò)散法，均需要對(duì)樣品進(jìn)行粉碎、浸液提取、酸液吸收和滴定等操作，過(guò)程繁瑣、耗時(shí)長(zhǎng)、易引入干擾因素等，難以滿足快速、無(wú)損、實(shí)時(shí)在線檢測(cè)的要求；而通過(guò)計(jì)算機(jī)視覺(jué)技術(shù)和圖像處理技術(shù)對(duì)畜肉顏色和品質(zhì)之間的關(guān)系研究顯示，畜肉顏色會(huì)影響到主觀評(píng)價(jià)，通過(guò)對(duì)畜肉顏色信息的提取可以實(shí)現(xiàn)對(duì)畜肉進(jìn)行分級(jí)和成分含量的預(yù)測(cè)[2，4，9-14]。

通過(guò)計(jì)算機(jī)對(duì)牛肉圖像捕捉和軟件對(duì)圖像進(jìn)行處理，構(gòu)建TVB-N含量與顏色信息之間的關(guān)系模型，則可以實(shí)現(xiàn)對(duì)牛肉新鮮度的實(shí)時(shí)在線分析。

1 材料與方法

1.1 材料與試劑

魯西黃牛通脊肉購(gòu)于北京新發(fā)地牛羊肉批發(fā)市場(chǎng)，切塊后由保鮮盒包裝置于4 ℃冷庫(kù)保存。為確保實(shí)驗(yàn)的準(zhǔn)確性，每次攝取圖像和TVB-N的測(cè)定均在新切面操作[15]。

阿拉伯樹(shù)膠粉、甲基紅、次甲基藍(lán)、丙三醇、碳酸鉀 國(guó)藥集團(tuán)化學(xué)試劑有限公司；無(wú)水乙醇 北京化工廠；鹽酸（0.0109 mol/L） 國(guó)家化學(xué)試劑質(zhì)檢中心。

1.2 儀器與設(shè)備

6031-02微量分析器 日本柴田科學(xué)株式會(huì)社；HWS-150

型恒溫恒濕培養(yǎng)箱 上海森信實(shí)驗(yàn)儀器有限公司。

1.3 牛肉圖像的實(shí)時(shí)攝取裝置

牛肉圖像攝取裝置由耦合元件攝像機(jī)（charge-coupled device，CCD）、鏡頭、發(fā)光二極管漫反射光源（light-emitting diode，LED）和暗箱組成，見(jiàn)圖1。牛肉圖像的攝取和分析由自主開(kāi)發(fā)的硬件裝置攝取和軟件進(jìn)行分析。

1.4 TVB-N值的測(cè)定

參照GB/T 5009.44—2003《肉與肉制品衛(wèi)生標(biāo)準(zhǔn)》方法測(cè)定[16]。取采集圖像同一位置牛肉10.00 g，剪碎后溶于100 mL純凈水中，晃動(dòng)后靜置30 min，過(guò)濾取濾液。微量分析器中以硼酸（4 g/100 mL）為吸收液，以甲基紅（0.1 g/100 mL）和亞甲基藍(lán)（0.1 g/100 mL）為指示劑，將1 mL碳酸鉀（1 g/mL）和1 mL樣品溶液混合，用配制的阿拉伯樹(shù)膠密封后置于37 ℃培養(yǎng)箱恒溫2 h，然后用標(biāo)準(zhǔn)鹽酸滴定。

1.5 數(shù)據(jù)分析

TVB-N含量的測(cè)試均進(jìn)行3 次重復(fù)，采用SPSS 18.0進(jìn)行數(shù)據(jù)相關(guān)性關(guān)系擬合，采用SPSS軟件逐步回歸法進(jìn)行模型相關(guān)度擬合，用Auto CAD 2014進(jìn)行裝置的設(shè)計(jì)。

2 結(jié)果與分析

2.1 牛肉圖像特征顏色信息的提取

牛肉圖像特征信息包括紅、綠、藍(lán)色彩（RGB）模型，色調(diào)、飽和度、亮度顏色（HSV）模型，色調(diào)、飽和度、強(qiáng)度顏色（HSI）模型，亮度、紅綠度、黃藍(lán)度色彩（LAB）模型，灰度的平均值及方差。通過(guò)顏色信息判斷新鮮度的軟件采用C++語(yǔ)言編寫(xiě)[17]。

以TVB-N含量為9.16 mg/100 g的牛肉樣本為例，其特征參數(shù)如表1所示。

2.2 牛肉顏色特征信息與揮發(fā)性鹽基氮值的模型擬合

模型構(gòu)建過(guò)程中，控制總樣本數(shù)為300 個(gè)，其中按照TVB-N含量的大小分別控制為200 個(gè)新鮮樣本、50 個(gè)次新鮮樣本和50 個(gè)腐敗樣本。并從中分別隨機(jī)抽取40 個(gè)新鮮樣本、10 個(gè)次新鮮樣本和10 個(gè)腐敗樣本，留作驗(yàn)證[8]。采用逐步回歸法進(jìn)行牛肉顏色特征信息與TVB-N含量關(guān)系的擬合，分析時(shí)設(shè)定240 個(gè)樣品圖像的26 項(xiàng)顏色信息為自變量，TVB-N含量為因變量，設(shè)置95%的置信區(qū)間，進(jìn)行模型擬合度分析。

通過(guò)逐步回歸法確定與新鮮度相關(guān)的回歸方程為：

TVB-N含量/（mg/100 g）=103.205 9-100.300 4aveS-

0.283 2varB

式中：aveS為HSV顏色空間中S平均值，aveB為RGB顏色空間中B的平均值。

2.3 模型準(zhǔn)確度的驗(yàn)證

牛肉新鮮度的判斷參照國(guó)家標(biāo)準(zhǔn)[16]，TVB-N含量小于15 mg/100 g的樣品屬于新鮮，判定為1級(jí)；TVB-N含量介于15～20 mg/100 g之間的樣品歸于次新鮮，判定為2級(jí)；TVB-N含量大于20 mg/100 g的樣品歸于腐敗和變質(zhì)肉，判定為3級(jí)。由表2可知，將獲得的擬合模型通過(guò)額外60 個(gè)樣本進(jìn)行驗(yàn)證分析時(shí)發(fā)現(xiàn)，模型預(yù)測(cè)的準(zhǔn)確率為95%，其中對(duì)新鮮牛肉的判定無(wú)誤，將1 個(gè)次新鮮牛肉樣本判定為腐敗樣本，將2 個(gè)腐敗牛肉樣本判定為次新鮮樣本。

3 結(jié) 論

本實(shí)驗(yàn)通過(guò)對(duì)牛肉顏色特征信息與TVB-N含量關(guān)系模型的構(gòu)建，為牛肉新鮮度的評(píng)價(jià)提供了一種快速準(zhǔn)確的分析方法、硬件裝置和軟件系統(tǒng)。與其他分析技術(shù)相比，本系統(tǒng)所需的投入相對(duì)較少，尤其適合中小型企業(yè)的使用；比擬傳統(tǒng)化學(xué)分析，該系統(tǒng)不僅具有良好的準(zhǔn)確度，而且克服了人工操作繁瑣、耗時(shí)較長(zhǎng)和易受其他因素干擾等不足。

該方法在分析次新鮮和腐敗樣品的準(zhǔn)確度上尚有不完美之處，可以通過(guò)大量數(shù)據(jù)的擬合來(lái)增加軟件系統(tǒng)的準(zhǔn)確性；同時(shí)，針對(duì)其他亞種牛肉亦可以通過(guò)數(shù)據(jù)的采集和模型的構(gòu)建，實(shí)現(xiàn)對(duì)牛肉新鮮度的快速分析。本分析方法為牛肉新鮮度的判定提供了可靠的依據(jù)，為無(wú)損快速準(zhǔn)確的工業(yè)化裝置的開(kāi)發(fā)提供了技術(shù)支持，具有良好的應(yīng)用價(jià)值和重要的社會(huì)效益。

參考文獻(xiàn)：

[1] WEZEMAEL L V， VERBEKE W， K?GLER J O， et al. European consumers and beef safety： perceptions， expectations and uncertainty reduction strategies[J]. Food Control， 2010， 21（6）： 835-844.

[2] WU D， SUN D W. Advanced applications of hyper spectral imaging technology for food quality and safety analysis and assessment： a review-Part II： applications[J]. Innovative Food Science and Emerging Technologies， 2013， 19（3）： 15-28.

[3] 洪雪珍， 韋真博， 海錚， 等. 基于電子鼻和神經(jīng)網(wǎng)絡(luò)的牛肉新鮮度的檢測(cè)[J]. 現(xiàn)代食品科技， 2014， 30（4）： 279-285.

[4] LIU L， NGADI M O. Predicting intramuscular fat content of pork using hyper spectral imaging[J]. Journal of Food Engineering， 2014， 134（12）： 16-23.

[5] XIONG Z J， SUN D W， ZENG X N， et al. Recent developments of hyper spectral imaging systems and their applications in detecting quality attributes of red meats： a review[J]. Journal of Food Engineering， 2014， 132（1）： 1-13.

[6] 湯修映， 牛力釗， 徐楊， 等. 基于可見(jiàn)/近紅外光譜技術(shù)的牛肉含水率無(wú)損檢測(cè)[J]. 農(nóng)業(yè)工程學(xué)報(bào)， 2013， 29（11）： 248-254.

[7] ZHANG H Y， PENG Y K， WANG W， et al. Nondestructive real time detection system for assessing main quality parameters of fresh pork spectroscopy[J]. Transactions of the Chinese Society for Agricultural Machinery， 2010， 41（9）： 104-107； 137.

[8] 中華人民共和國(guó)衛(wèi)生部. GB 2707—2005 鮮（凍）畜肉衛(wèi)生標(biāo)準(zhǔn)[S]. 北京： 中國(guó)標(biāo)準(zhǔn)出版社， 2005.

[9] SUN D W. Computer Vision technology for food quality evaluation[M]. Amsteldam： Elsevier Inc.， 2008.

[10] ABDULLAH I， NEKTARIOSA V， FEMANDO M， et al. Pork and turkey hams classification from color and textural features using computer vision[C]//5th International Technical Symposium on Food Processing， Monitoring Technology in Bioprocesses and Food Quality Management， 2009： 653-658.

[11] WU D， SUN D W. Color measurements by computer vision for food quality control： a review[J]. Trends in Food Science & Technology， 2013， 29（1）： 5-20.

[12] CHMIEL M， SLOWI?SKI M， DASIEWICZ K. Application of computer vision systems for estimation of fat content in poultry meat[J]. Food Control， 2011， 22（8）： 1424-1427.

[13] MCDONAGH C， TROY D J， KERRY J P， et al. Relationship between the subjective and objective assessment of pork M. semimembranosus and classification of further processed pork quality[J]. Food Sciences and Technology International， 2005， 11（2）： 149-154.

[14] 單海斌， 劉杏娥， 楊淑敏， 等. 基于計(jì)算機(jī)層析成像（CT）技術(shù)的梁山慈竹密度檢測(cè)研究[J]. 光譜學(xué)與光譜分析， 2014， 34（14）： 3380-3384.

[15] QUEVEDO R， VALENCIA E， CUEVAS G， et al. Color changes in the surface of fresh cut meat： a fractal kinetic application[J]. Food Research International， 2013， 54（2）： 1430-1436.

[16] 中華人民共和國(guó)衛(wèi)生部. GB/T 5009.44—2003 肉與肉制品衛(wèi)生標(biāo)準(zhǔn)的分析方法[S]. 北京： 中國(guó)標(biāo)準(zhǔn)出版社， 2003.

[17] 趙杰文， 張燕華， 陳全勝， 等. 光譜和成像融合技術(shù)分析豬肉中揮發(fā)性鹽基氮[J]. 激光與光電子學(xué)進(jìn)展， 2012， 49（6）： 184-189.