基于数学形态学的牛肉图像中背长肌分割和大理石纹提取技术研究

牛肉图像中背长肌区域的分割和大理石纹提取是利用计算机视觉评定牛肉胴体等级的重要步骤。研究了利用数学形态学的方法来分割牛肉眼肌切面图像中背长肌区域并将大理石纹提取出来的技术。眼肌切面图像经过去除背景并进行肌肉和脂肪像素识别等预处理后,再用形态学腐蚀与膨胀相结合获得背长肌区域图像,通过图像逻辑运算提取大理石纹。结果表明,这种方法能有效地把背长肌区域与其周围肌肉组织分离开来并提取大理石纹。

基于深度学习的牛肉大理石纹智能分级研究

目的开发客观、准确、无损的基于深度学习的牛肉大理石纹智能化分级技术。方法将深度学习的图像识别方法应用于牛肉大理石纹的特征提取和分类上,并进行相应的调试和学习。结果通过计算机调试和学习,评级正确率分别达到84.2%(一级)、89.4%(二级)、81.9%(三级)、84.1%(四级)、82.6%(五级)。各级牛肉的识别率均在80%以上,识别时间都在1 s以内,达到了预期目标。结论将深度学习的图像识别方法应用于牛肉大理石纹的特征提取和分类上,评级准确率非常高,且随着图片数据库样本数的不断增多,其识别的准确度将不断提高,可进行大量推广使用。

添加维生素E对猪肉大理石纹和瘦肉率影响的分析

文章探讨维生素E（VE）添加对猪肉大理石纹和瘦肉率的影响，通过对1988年1月～2013年7月发表的观察VE添加对猪肉大理石纹和瘦肉率影响的随机对照研究，Meta分析计算合并标准均数差（SMD）及95％置信区间（CI）。研究表明，与对照组比较，VE添加后大理石纹、瘦肉率的SMD分别为0．30（95％CI：0．14．0．47）（P〈0.01）、1．35（95％CI：0．00．2．70）（P=0．05）。研究结果表明，饲料中添加VE提高瘦肉率作用不显著，但能显著影响大理石纹，使肌内脂肪分布理想，

基于RGB颜色空间的猪肉大理石纹分割

自然光或白炽灯照射下的猪肉图像会因反光作用导致亮斑噪声,且猪肉大理石纹纹理具有细小、分布较散等特点,不利于大理石纹识别。针对上述问题,通过对比多种光源条件,找到最佳拍摄环境,避免图像出现亮斑噪声。提取猪背最长肌横截面图的RGB颜色空间的R、G、B3个颜色分量图,分别用阈值分割法、模糊C均值聚类分割算法(FCM)和基于高斯核的模糊C均值聚类分割算法(KFCM),对R、G、B分量图进行分割试验,通过图像处理技术自动识别出猪肉大理石纹,研究结果表明KFCM算法在R分量图上的分割结果最优。

基于改进分水岭算法及Hopfield神经网络的牛肉大理石纹等级评级方法

在HSV颜色空间H分量图像上进行分割预处理,结合改进分水岭算法对牛眼肌与大理石花纹区域进行精确分割,对中国、日本及美国的大理石纹的标准等级图的特征参数作相关性分析,优选出5个表征大理石纹分布的特征参数,提出一种基于图像处理及Hopfield神经网络的自动评级方法,结果表明,对大理石花纹分级准确率达到87.23%。

猪肉大理石纹遗传资源识别与选材利用

大理石纹是肉用家畜骨骼肌发育到一定的生理成熟阶段，在小肌束之间形成的脂肪沉积，这种沉积延小肌束走向分布成树枝分叉状图案，酷似大理石的图案条纹，故以专业术语肉的大理石纹（Marbling）描述之。由于肌束间脂肪是随肌纤维纵轴方向延伸，故与肌纤维走向成90°垂直切面上看到的大理石纹是最清晰的。

牛肉组织结构中大理石纹形态分布的模型建立及分析

通过对牛肉大理石纹的形态、单元体分布等因素的研究,对牛肉大理石纹分布及形态变化进行优化及数学分析,建立模拟模型。以定量的分析进一步说明了牛肉大理石纹的适量形成、脂肪沉积形状小条近似粒状的均匀分布与牛肉的嫩度、多汁性和适口性有正相关性。

添加生物饲料对肉牛大理石纹相关基因表达的影响

为探究日粮中添加生物饲料对肉牛肉质的影响,将随机选择的年龄(28~29月龄)、体型相近的40头日本和牛×秦川牛杂交F1育肥阉牛,随机分为对照组和试验组,分别添加0%和8%的生物饲料;饲养期为5个月,每个月进行一次体重测定;饲养试验结束后,每组随机挑14头进行屠宰,测量12~13肋间眼肌面积,并对大理石纹进行评分;采用实时荧光定量PCR技术检测试验组和对照组背最长肌甲状腺球蛋白(TG)、过氧化物酶体增殖物激活受体α(PPARα)和过氧化物酶体增殖物激活受体β(PPARβ)基因的表达量。结果表明,试验组的眼肌面积大小和大理石纹评分极显著高于对照组(P<0.01);试验组牛TG和PPARα基因表达量显著高于对照组(P<0.05),PPARβ基因表达量高于对照组,但未达显著水平(P>0.05)。由此表明,日粮中添加活性干酪乳杆菌和酿酒酵母生物饲料可上调与动物脂肪代谢相关基因PPARα和与肉牛大理石花纹脂肪沉积相关基因TG的表达,促进肉牛肌内脂肪(IMF)沉积,提升牛肉大理石花纹等级。

利用荷斯坦阉牛生产大理石纹牛肉的研究

本文主要从荷斯坦牛肌内脂肪沉积相关基因的研究入手,主要阐述荷斯坦牛大理石纹的影响因素,去势对荷斯坦牛肉品质(大理石纹和牛肉嫩度)影响及营养(营养浓度和维生素A成分)调控对荷斯坦阉牛肌内脂肪沉积的影响展开综述,以期为利用荷斯坦阉牛生产大理石纹牛肉提供参考。

基于CLBP、改进KPCA和RF的牛肉大理石纹评级

为进一步提高牛肉大理石纹评级的正确率,提出了基于完整局部二值模式(Completed Local Binary Pattern,CLBP)、改进核主成分分析(Kernel Principal Component Analysis,KPCA)和随机森林(Random Forests,RF)的牛肉大理石纹评级方法。首先,利用CLBP提取牛肉大理石纹图像的纹理特征;其次,采用混沌蜂群算法对KPCA的核参数进行优化,使KPCA的降维效果和特征提取达到最优,获得表征牛肉大理石纹样本图像的特征向量;最后,使用随机森林完成牛肉大理石纹样本的分级识别,获得最终评级结果。大量实验结果表明,与基于分形维和图像特征的方法、基于灰度共生矩阵和BP(Back Propagation)神经网络法相比,本文方法所得识别率最高。

地方猪与瘦肉型猪肌内脂肪及大理石纹评分的关联性

通过对瘦肉型三元杂交猪、天露黑猪、小耳花猪、粤东黑猪、藏猪肌内脂肪测定并进行人工评分,探究地方猪种与瘦肉型猪种肌内脂肪和大理石纹评分之间的关联性。测定了80头瘦肉型三元杂交猪、48头天露黑猪,8头小耳花猪、8头粤东黑猪、8头藏猪的胴体重、眼肌面积和肌内脂肪,同时使用美国NPPC标准比色卡进行人工评分,使用生物信息学方法探究其关联性。结果表明,天露黑猪肌纤维较细,肌细胞之间缝隙较大,瘦肉型猪的肌纤维由多个肌细胞紧密连接形成,肌纤维较粗,肌细胞之间缝隙很小。大理石纹评分方法适用于对瘦肉型猪肌内脂肪含量的简易快速评价,但不适合对所有地方猪品种肌内脂肪含量的评价。

饲粮中共轭亚油酸对猪肉大理石纹和肌内脂肪细胞的影响

据报道,饲粮中的共轭亚油酸(CLA)能减少猪背膘厚度并增加大理石纹。本试验目旨在研究肌肉大理石纹的增加是否与肌内脂肪细胞数量或大小的变化有关。20只去势猪(体重53 kg)每两只为一栏,每栏随机给与试验饲粮,即含1%大豆油(SBO)或1%CLA(含60%CLA同分异构体)的饲粮,试验持续6周,每周测一次体重和采食量。屠宰时,采集腰肌样品并速冻以作RNA提取和基因表达实时反转录PCR分析。冷藏24 h后,测定眼肌面积和背膘厚度,同时进行主观评定大理石纹和肉色得分。采集腰肌、背膘和腹脂样品,并用气相色谱法进行分析脂肪酸组成。采集腰肌样品放入冰冻的异戊烷进行肌内脂肪细胞的组织学分析。结果表明饲粮中添加CLA对试验任何时间段的体重或采食量都未产生影响(P>0.10),处理间的热胴体重(P=0.417)和腰肌肉色(P=0.500)也未受影响。饲喂CLA减少了猪的背膘(P=0.018)和眼肌面积(P=0.047),并且有提高大理石纹评分的趋势(P=0.069)。检测了一些相关标志基因的表达如前脂肪细胞(前体脂肪细胞因子-1,Pref-1),分化脂肪细胞(过氧化物酶体增殖物激活受体,PPARγ),成熟脂肪细胞(脂肪酸结合蛋白4,FABP4;脂滴包被蛋白,PLIN),并用酸性核糖体磷蛋白做校正,均未发现显著性差异,但与饲喂SBO饲粮组相比,饲喂CLA饲粮组的PPARγ(P=0.265)、PLIN(P=0.265)以及FABP4(P=0.148)在数值上较大。腰肌样品用油红O进行染色以鉴别肌内脂肪细胞,发现饲喂CLA增加(P=0.030)了肌内脂肪细胞平均面积。背膘和腹脂中含有(P=0.006)顺-9,反-11和反-10,顺-12这两种CLA同分异构体,但饲喂CLA只增加(P=0.004)了腰肌中的反-10,顺-12CLA同分异构体。CLA增加了(P=0.006)所有组织样中的饱和脂肪酸。以上结果表明,饲喂CLA增加肉猪大理石纹可能与其增加了肌内脂肪细胞的大小有关,而且大理石纹的增加与脂肪酸饱和度的增加有利于提高饲喂CLA猪肉的食用品质。

加拿大研发大理石纹控制提高猪肉市场价值

本刊辑：加拿大猪改良中心通过改进的大理石纹控制方法提高猪肉在特定市场当中的价值。大理石纹，或肌间脂肪，会显著影响猪肉以及其它肉类的口味、汁液和嫩度。

日粮在控制阉牛大理石纹脂肪形成中的重要性

人们对控制经济上有重要意义的脂肪组织(大理石纹)表达的因素缺乏了解。例如,在澳大利亚肥育场肥育的牛,大理石纹得分显著低于遗传上相似,年龄、体重、肥度规格相近但在美国和日本肥育的牛。对于在亚太地区牛肉出口市场上进行竞争的澳大利亚生产者,有必要对这种现象进行研究和了解。

基于不变矩和改进SVM的牛肉大理石纹评级

针对牛肉大理石纹人工评级过程中人为误差干扰大的问题,研究利用图像处理技术提高牛肉大理石纹评级的客观性并增强自动化程度,提出基于不变矩、灰度共生矩阵和混沌蜂群优化混合核函数支持向量机(Support Vector Machine,SVM)的牛肉大理石纹评级法。首先计算牛肉大理石纹图像的不变矩和灰度共生矩阵统计量并由此构造特征向量;然后将训练和测试样本输入到混合核函数SVM,采用混沌蜂群算法优化SVM中的惩罚因子及核参数,使其分类识别性能达到最优;最后输入待评级样本进行分类识别,得到最优评级结果。大量实验结果表明:根据我国NY/T676-2010牛肉大理石纹标准图谱,评级正确率分别达到100%(一级)、93.3%(二级)、93.3%(三级)、96.7%(四级)、100%(五级)。与基于灰度矩和SVM法、基于灰度共生矩阵和BP(Back Propagation)神经网络法相比,本文所得评级正确率最高,且与专业评级师的实际评级情况最相符。

牛肉大理石纹形态、分布状态与牛肉质量的研究

牛肉大理石纹是优质牛肉的主要技术指标。对牛肉大理石纹的形状、分布状态与牛肉质量的关系进行了研究。结果表明:牛肉大理石纹的适量形成、脂肪沉积形状小条近似粒状的均匀分布与牛肉的嫩度、多汁性和适口性有正相关性。

猪肉肉色评分与色度值、大理石花纹评分及肌内脂肪含量回归模型的建立

肉色给消费者最直接的视觉感受,是消费者选择肉类产品的重要指标之一。肉色的测定主要有肉色感官评分和色度测定两种方法。早期的肉色测定通常采用肉色评分,目前常采用色度仪测定。这两种方法测定的肉色不能直接比较,需要建立一个转化模型,将色度仪测定结果转化成肉色评分,但这方面的研究鲜有报道。由于肉色受到肌内脂肪含量的影响,因此在建立回归模型时需要剔除肌内脂肪含量的影响。研究以584头杜长大商品猪为研究对象,测定了肉色评分、色度值(L*、a*和b*)、大理石纹评分和肌内脂肪含量,探究肉色评分与其它测量性状之间的相关性,并建立色度值转换成肉色评分的转换模型。结果表明肉色评分与L*呈强负相关(r<-0.89),与a*、b*和大理石纹评分呈显著相关,与肌内脂肪含量的相关不显著(r<-0.014 2,P=0.733 2)。一共建立了3个回归模型,即肉色评分对L*和a*的回归(模型1),肉色评分对L*、a*和大理石纹评分的回归(模型2),以及肉色评分对L*、a*和肌内脂肪含量的回归(模型3)。这3个回归模型的校正拟合度均大于0.80,预测的准确率也都大于0.89,均可用来预测肉色评分。模型3的校正拟合度最高,其次为模型2,因此,有肌内脂肪含量时优先选用模型3,无肌内脂肪含量但有大理石纹评分时优先选用模型2。选取了预测模型后,就可以将色度值转换成肉色评分,从而实现色差仪测定的肉色与肉色评分之间的比较。

玩味大理石纹

大理石一直有的一个身份就是建筑材料，通常出现在墙地面。但近年它又多了另一个身份——家居用品的材质。大理石家具因其特殊的质感和沁凉的质地，色泽自然，做成家具后古朴典雅、雍容华贵。而仿照大理石外观的家纺和饰品设计则新意十足，创造出崭新的家居风景，成为越来越多家庭的新宠。

铜制品表面仿大理石热着色工艺

介绍了一种仿大理石纹肌理的制作工艺,以常规铜工艺制品为素材,主要工序有预处理、着底色、仿大理石纹热着色、漆或蜡封闭保护。所制大理石纹肌理清晰逼真,可以呈现不同的装饰效果。