基于机器视觉的注水猪肉检测

陈 昊，沈明霞

(南京农业大学 工学院，江苏 南京 210031)

中国是世界上最大猪肉消费国，猪肉是我国人民主要肉食来源［1］，年人均猪肉占有量为30 kg以上，超过世界平均水平。在保证数量的同时，更需保证猪肉质量。注水猪肉的危害不容忽视，由于猪胃肠内注入大量水分，猪的胸腔受到压迫，引起呼吸困难，造成组织缺氧，机体处于半窒息和自身中毒状态。胃肠道内的食物腐败，分解产生氨、胺、甲酚、硫化氢等有害物质，通过血液循环进入肌肉，有毒物质通过重复吸收后，遍布猪的全身肌肉，食用后会严重危害人体健康［2-3］。利用计算机图像处理技术对正常猪肉与注水猪肉的颜色对比尚是空白。为此，本文针对猪脊椎外侧肌肉图像在外加光源下的特征，进行颜色分析和图像像素值运算，从而判断被测猪肉是否注水。

1 检测系统组成

注水猪肉数字图像检测系统包括2大部分，分别是图像采集系统和图像分析处理系统。其中，图像采集系统包括光源，鉴定台，VGA摄像头;图像分析处理系统主体是通用计算机 (图1)。

图1 注水猪肉系统硬件的组成

鉴定台是30 cm×25 cm×30 cm的立方体，其上表面是5 mm无色玻璃，其他表面均为白色的4 mm厚木板。光源采用220 V、60 W，标准编号DIN 49990-1971国际分类号为4900的电气照明器;VGA(640×480)摄像头其所拍摄图像格式RGB24，I420是目前最常用的 2种图像格式。RGB24表示R、G、B 3种颜色各8 bit，每种颜色可表现256级浓度，从而可以再现256×256×256种颜色。I420是YUV格式之一，其它格式有:RGB565，RGB444，YUV4:2∶2等。并且 VGA具有自动白平衡调整 (AWB)的功能，即要求在不同色温环境下，照白色的物体，屏幕中的图像呈现白色［4-7］;鉴定台的表面是无色玻璃的，方便光的透过。系统的软件开发是通过VC++编写的，VC++是微软公司开发的一个集成开发环境 (IDE)，就是使用C++的一个开发平台。VC++适用开发高效，短小，轻量级的COM组件，可以开发优秀的基于通信的程序，可以开发高效灵活的文件操作程序等。

2 图像数据处理

2.1 图像格式判断与显示

在输出一幅DIB位图之前，程序应该将其逻辑调色板选入到相关的设备上下文并实现到系统调色板中。而位图文件头BITMAPFILEHEADER是一个结构体，其中WORD biBitCount;表示颜色时要用到的位数，1(单色)，4(16色)，8(256色)，24(真彩色)。故在读入图像之前先要确定图像的类型是否为DIB，位图确保为24位。颜色表用于说明位图中的颜色，有若干个表项，每一个表项是一个RGBQUAD类型的结构，定义一种颜色。因为在 (x，y)的数据应该在 y×width+x这样的位置上但是因为会有冗余信息那么必须将width用width+该行的冗余量来处理，而由于位图文件有不同的位数，所以这样的计算也不尽相同。利用这个特性，可以将 DIB文件逐行的扫描并显示到客户区［8-11］。

2.2 注水猪肉图像分析

2.2.1 提取图像像素值

利用全局变量，设置一个公用的二维数组作为被测试图像所有像素值的暂存，解决了BMP像素在各个环节数据传输无法传输的问题。由于图像的读入和显示都是在内存中完成的，正常过程中是看不到DIB各个像素信息的。所以需要用特定的技术手段，或者是设计思路来完成这个任务。由于各个点的像素值是唯一确定的而且这些值直接关系到测量结果的准确与否，所以每一个点都需要精确的测量。VC++当中也没有实现这种功能的类或者是函数，利用全局变量和公用的二维数组暂存所有的像素可以解决这个问题。对图像像素值的提取，如图2。

图2 分析被的测图片

2.2.2 选取像素矩阵

本系统采用了独创的辐射式六等分采样。即计算图像的中心像素点的坐标，取中心10×10的像素矩阵，然后分别在此10×10中心矩阵的周围20像素距离，取6个10×10的像素矩阵且相邻矩阵等距离圆周式分布。通用计算机而言，处理640×480的24-bit图像需要一定时间，另外，被测图像中对于判定猪肉是否注水的像素点分布于图像中心区域，故在距中心像素点的固定区域内进行采样。采用辐射式六等分采样不仅可以确保有效的像素点可以尽可能的被采样到，而且提高了图像的分析速率，从而提高图像判断的准确性节约时间。由于一张图像由许多像素点组成。VGA的选择恰可以满足做图像采集的要求，SXGA或XGA虽然十分精确但是在处理速度上明显逊色，同时CIF或SIF的像素却达不到图像处理的要求，而其他型号没有VGA容易采购。

2.2.3 分析提取的像素矩阵

首先对所采样提取的像素点进行筛选。在选取所需像素矩阵后，判断所提取的像素矩阵像素点的颜色范围，如果 RGB值均大于220，则取样的矩阵很可能取得脂肪的图样;RGB值均小于50则可能是被测猪肉摆放不均匀。在筛选过程中，被测矩阵中不在的预计出现的数值范围内的像素值将被舍去。

对于筛选后的像素矩阵，采用做差方法。通过收集正常生鲜猪肉样本在测试时留下的数据来确定RGB的数值范围，然后和系统实时采样得到的数据进行做差，然后将差值求和。

被测像素矩阵与标准像素矩阵的误差:

所得到的总像素误差是分别对于RGB 3种颜色而言，如果总像素误差大于实验时所得数据所规定的范围，即可判定此猪肉是注水猪肉。

3 实际检测

在实际检测的过程中，由于被屠宰的猪的不同部位，肉质和色泽差别很大;而且，被屠宰的猪肉的新鲜程度也直接影响到色泽。除去猪肉本身的色泽的差别，外界光源对于猪肉颜色也是有极大的影响的。

3.1 被测部位选择

被测猪肉样本选择脊椎外侧的肌肉，切割成边长为10 cm×10 cm的1.5～1 cm厚的切片。由于生猪脊椎外侧的肌肉呈梭形，故在切片的时候将被测猪肉样本纵向切割成片，并紧凑均匀摆放在鉴定台上。正常的猪脊椎外侧肌肉，色泽均匀，肉质细嫩且脂肪含量较低，生猪注水与否可以很好的从色泽上反应出来。

3.2 外加光源

由于在实际测量的过程中，外界环境尤其是光线的照度，颜色，和投射方向，对于被测猪肉样本拍摄都有极为重要的影响。由于必须使得外界光源对被测猪肉样本的影响降至最小，所以必须使用人工外加光源，来保证被测猪肉样本的光环境的一致性。而在鉴定台的内部设置了固定的光源，投射方向，照度和颜色稳定，且对于室内环境而言，鉴定台内置光源成为主导因素可以保证被测猪肉样本的光环境的稳定性，从而确保了所得数据的可靠性［12-13］。

3.3 分析图像

在判定猪肉样本是否注水之前需要对图像进行分析，观察所得图像的RGB值分布 (图3)。然后结合所得柱状图，利用采样的像素矩阵的数值，分析被检测的猪肉样本是否注水。

图3 RGB值的分布柱状

4 小结与讨论

分别采用计算机视觉及传统的注水猪肉检测方法对试验猪肉行检测对比研究，试验结果表明，检测系统可以对注水猪肉的识别，而且可以在低照度的环境中正常检测。说明了该系统用于检测猪肉是否注水是可行的。

虽然，对于一些非新鲜猪肉，检测结果会存在误差。传统的注水猪肉检测方法需要手工操作，而且较为复杂，而且需要稳定的工作环境，不适合现场操作或者触摸挤压法等一系列物理方法［2-3］，而且要进行手工操作费时，操作不方便。而本项目利用机器视觉技术，VC++编程，并采取全新的像素矩阵采样方式，和像素值对注水猪肉图像进行分析。此项目的研究为注水猪肉检测提供了一个新的检测思路和检测方法。

［1］ 田寒友，李家鹏，任琳，等.我国猪肉安全现状分析与对策 ［J］.肉类研究，2009，11(11):31-34.

［2］ 张木兰.注水猪肉的危害及检测方法［J］.现代畜牧兽医，2005，6(6):27-28.

［3］ 王建华，陈华，马淑玲，等.浅谈注水肉的检验 ［J］.河南畜牧兽医，2006，27(5):35-36.

［4］ 朱海宽.基于机器视觉的图像采集与处理系统设计 ［J］.电子测试，2009(1):53-89.

［5］ 赵军，王乘.图像格式分析与图像显示实现 ［J］.计算机与数字工程，2004，32(5):295-30.

［6］ 王亮，刘元生.深度解析图像的颜色通道 ［J］.印刷杂志，2008(11):66-68.

［7］ 杨培，孙劲光，张新君，等.一种改进的基于彩色图像的颜色直方图算法 ［J］.计算机与现代化，2008(9):96-100.

［9］ 张萍萍.计算机视觉技术在肉品质量评定中的应用研究［D］.北京:中国农大食品科学与营养工程学院，2004.

［10］ Gonzalez R C，Woods R E.Digital image processing［M］.2 nd ed.New Jersey:Prentice Hall，2002.

［11］ Nikhil R P，Sankar K P.A review on image segmentation techniques［J］.Pattern Recognition，1993，26(9):1277-1294.

［12］ Marini F，Bucci R.Classification of 6 durum wheat cultivars from Sicily(Italy)using artificial neural networks ［J］.Chemo metrics and Intelligent Laboratory Systems，2008，90(1):1-7.

［13］ 石礼娟，文友先，牟同敏，等.谷物检测中机器视觉技术的应用进展 ［J］.湖北农业科学，2009，48(6):1514-1518.