机器视觉判别牛肉新鲜度的多模型定量分析OA北大核心CSTPCD

色泽是判断生鲜牛肉新鲜度的重要指标之一。随着人工智能的发展,机器视觉为生鲜肉新鲜度判别提供了可量化的解决方案。该研究通过智能手机获取牛肉图像,利用灰度化、二值化、图像分割与提取,获取不同新鲜度牛肉图像在Red-Green-Blue(RGB)、L^(*)a^(*)b^(*)和Hue-Saturation-Intensity(HSI)颜色空间的颜色参数,并与常规牛肉新鲜度评价指标挥发性盐基氮(total volatile base nitrogen,TVB-N)、硫代巴比妥酸(thiobarbituric acid,TBA)、菌落总数(total viable count,TVC)和感官评分(sensory index,SI)相关联,建立多元线性回归(multiple linear regression,MLR)、反向传播神经网络(back propagation neural network,BPNN)和支持向量回归(support vector regression,SVR)牛肉新鲜度定量预测模型。结果表明,MLR模型对TVB-N、TBA、TVC和SI值的预测模型决定系数(R^(2))分别为0.9406、0.9316、0.9582和0.9548。BPNN模型R^(2)为0.9627、0.9641、0.9920和0.9864,SVR模型的R^(2)为0.9712、0.9679、0.9928和0.9883。3种模型中SVR模型新鲜度预测性能最优,且预测相对误差均在±10%之内。在此基础上,建立了基于颜色参数的SVR牛肉货架期预测模型(R^(2)=0.9648),该模型的预测值与真实货架期平均绝对误差<0.5 d,优于传统货架期模型,提供了一种无损、快速确定牛肉新鲜度和货架期的新方法。