影响肉牛大理石花纹形成的主要因素

决定大理石花纹水平的肌内脂肪(IMF)含量是影响牛肉感官质量(包括嫩度、多汁性、风味和颜色)的重要因素之一。肉牛体内IMF的形成始于受孕后6个月左右,并在动物的一生中持续增长。大理石花纹的沉积受到品种、遗传、营养和管理(包括去势、断奶年龄)等多方面因素的影响。本文综述了肉牛大理石花纹沉积的主要影响因素,为品种选择以及在肉牛生长发育过程中有效调整饲料、优化营养、因地制宜改善管理提高牛肉品质提供有效依据。

肉牛大理石花纹等级相关lncRNA筛选与特征分析

牛肉大理石花纹特征是由多基因调控的重要肉质性状,是衡量高档牛肉品质的条件之一。LncRNA是一种重要的非编码RNA,在调节脂肪沉积的相关生物学过程中发挥重要作用。为了解lncRNA在肉牛不同大理石花纹表型中的潜在生物学作用,采集高(A5)、低(A1)2种极端等级大理石花纹的杂交和牛背最长肌组织,利用高通量测序方法检测与肉质大理石花纹相关的差异lncRNA,预测差异lncRNA反式作用靶基因,并对其进行功能富集分析。结果表明,在2个等级大理石花纹牛肉组织中共筛选出45个显著差异lncRNA,其中在高等级大理石花纹组织中分别有21,24个显著上调及下调的lncRNA,包括MSTRG.9509.3、ENSBTAT00000077612、ENSBTAT00000072841等与脂肪沉积相关的lncRNA。对反式作用靶基因的功能富集分析表明,预测靶基因显著富集到脂多糖结合、脂肪分解等脂肪沉积相关的生物学过程。差异lncRNA可能通过反式作用靶向脂肪沉积相关基因(FABP4、PLIN1、LIPE等)参与调节肉牛大理石花纹表型特征。检测到的牛肉大理石花纹相关差异lncRNA、预测靶基因及其富集通路将为拓展对非编码RNA生物学功能的认识及其与牛肉大理石花纹特征的关系奠定基础,也为农业家畜的优质性状解析与新品种培育提供参考。

智能手机图像可以准确评估猪肉大理石花纹

中国研究人员研究了使用浅层上下文编码器网络从智能手机图像中准确划分猪肉大理石花纹区域的方法。猪肉大理石花纹是肌内脂肪的代表,有助于猪肉的质量和味道。视觉评分是评估大理石花纹特征的主观方法。但是,可能会产生不可靠和不一致的结果。因此,需要智能。

肉牛胴体背最长肌脂肪酸组成与大理石花纹等级相关性研究

【目的】研究中国黄牛背最长肌肌内脂肪及皮下脂肪含量与其脂肪酸组成相关性。【方法】选取大理石花纹等级2级以上(含1级和2级)、3级和4级的黄牛胴体各10头,分别测定脂肪含量和脂肪酸组成。【结果】背最长肌水分和肌内脂肪含量与大理石花纹等级显著相关。肌内脂肪和皮下脂肪中单不饱和脂肪酸(MUFA)的顺式油酸含量最高,其次是饱和脂肪酸(SFA)中的棕榈酸和硬脂酸,多不饱和脂肪酸(PUFA)含量很少,主要是亚油酸。背最长肌棕榈酸、硬脂酸及SFA与肌内脂肪含量没有相关性,膜脂和储存脂肪中SFA百分含量趋于一致。【结论】油酸、MUFA百分含量以及M/S与肌内脂肪含量存在正相关,大理石花纹越丰富,肌内脂肪中油酸和MUFA百分含量越高,M/S比值也越高;而亚油酸、PUFA、n-6PUFA百分含量及P/S、n-6/n-3都与肌内脂肪含量呈负相关,大理石花纹越丰富,肌内脂肪中亚油酸、PUFA、n-6PUFA百分含量及P/S、n-6/n-3比值都越低。皮下脂肪中n-3PUFA含量显著低于肌内脂肪n-3PUFA含量。

机器视觉技术在牛肉大理石花纹识别中的应用

牛肉眼肌区域大理石花纹的丰富程度是牛肉分级的重要指标之一。采用工业相机采集多幅牛肉眼肌切面图像,利用VC++图像处理技术,对图像进行平滑去噪操作,采用自适应阈值法将眼肌区域从背景中分离,然后运用数学形态学的方法以及基于区域分割的方法确定有效眼肌区域,最终通过数理统计的算法识别大理石花纹。结果表明,该技术能有效识别眼肌区域中的大理石花纹,其耗时短、识别结果准确,利于牛肉等级的准确判定。

基于分形维和图像特征的牛肉大理石花纹等级判定模型

采集135个牛胴体眼肌样本,参照中国牛肉质量标准的大理石图版,由3人评定小组评定出每一个样本的大理石花纹等级,再用数码相机采集每一个样本的数字图像。用图像处理技术对每一幅图像进行降噪、分割等处理,提取出牛肉大理石花纹,并计算出牛肉大理石花纹的面积比率、总脂肪颗粒数和大小脂肪颗粒数;然后用变尺度的方法,测定出每个牛肉大理石花纹样本图像的计盒维数和信息维数;以这些参数为基础,分别建立牛肉大理石花纹等级判定的多元线性模型和多元多项式模型。实验结果表明,利用多元线性模型和多元多项式模型判定牛肉大理石花纹等级,预测正确率分别为75%和87.5%。

基于图像处理和支持向量机分类的牛肉大理石花纹等级评定

牛肉胴体质量等级评定是牛肉依质论价的基础。其中,大理石花纹是评定牛肉质量等级的主要指标。由于人工评定存在许多缺点,采用机器视觉来判定牛肉胴体质量等级是一种很好的方法。研究了一种基于图像处理和支持向量机(SVM)分类的牛肉大理石花纹等级评定技术。首先应用阈值分割、形态学腐蚀及膨胀的方法来分割牛肉图像中的有效区域(用于大理石花纹等级评定的区域);然后用矩方法来提取图像特征参数,最后用支持向量机的模式识别技术来构造牛肉大理石花纹等级分类模型。结果表明:该模型对我国国家标准规定的牛肉大理石花纹等级的正确识别率分别达到95.9%(一级)、89.2%(二级)、93.2%(三级)、100%(四级)。研究的牛肉大理石花纹等级的机器视觉检测方法是可行的,这为牛肉等级的在线检测装置设计提供了条件。

基于改进型FCM算法的牛肉大理石花纹提取方法

提出了一种基于改进型模糊C均值聚类算法的牛肉大理石花纹提取方法。该方法结合了快速模糊C均值(FCM)聚类算法,对传统FCM算法中的隶属函数、聚类数C和初始聚类中心点选取方法进行了优化。试验表明,该方法使牛肉大理石花纹提取的准确度由76.2%提高到85.7%。

中国牛肉大理石花纹等级图谱的改进研究

【目的】为了解决中国农业行业标准——《牛肉质量分级》应用时发现的大理石花纹等级标准图谱的大理石花纹量化不均的问题。【方法】对牛肉眼肌截面照片中的大理石花纹进行图像处理,提取其中的特征参数,并进行统计分析。【结果】建立了大理石花纹得分与大理石花纹总面积、大颗粒脂肪密度、中等颗粒脂肪密度和脂肪分布均匀度的线性预测模型,在预测模型和有代表性的样本参数统计的基础上对不同大理石花纹等级的特征参数进行了量化调整,将原有的4级调整为7级,构建了新的大理石花纹等级图谱。【结论】筛选的预测模型合理性较好(R2=0.8415),新的大理石花纹总面积从1至7级依次为14%、11%、8%、6%、4%、2%和0.5%。

手持式牛肉大理石花纹检测系统

针对牛肉屠宰加工企业的实际需求,开发了基于光谱技术与计算机图像处理技术相结合的牛肉大理石花纹检测系统,阐述了检测系统的工作原理、硬件构成、硬件参数的选择和软件系统的构建。通过选取中心波长为530 nm的窄带宽滤光片,利用工业相机提取该波长下的图像数据,开发了针对大理石花纹检测的图像处理软件系统,并且与人工判断大理石花纹等级进行了比对试验,结果表明该系统的检测精度能够满足对牛肉大理石花纹检测的要求。

基于多尺度区间插值小波法的牛肉图像中大理石花纹分割

牛肉大理石花纹的丰富程度代表着脂肪含量的多少,是牛肉等级划分的重要指标。基于计算机图像的自动分级技术中图像的降噪和分割处理是大理石花纹提取的基础。该文利用多尺度区间插值小波解偏微分方程的方法对牛眼肌切面图像进行处理,基于中心相似变换的延拓方法有效解决边界效应。处理中自适应选取配置点,提高计算效率。试验证明,该算法不仅达到降噪目的,同时还实现了对不同对象区域的保边平滑,使图像纹理和边缘更加清晰。降噪结果与传统滤波法进行对比,峰值信噪比值平均比均值滤波高9.0 d B,比中值滤波高8.2 d B,比维纳滤波高6.6 d B,结构相似性数值平均比均值滤波高0.42,比中值滤波高0.40,比维纳滤波高0.34。与大津法相比,去噪后采用灰度进行图像分割的效果更好,既能分割出大脂肪,又能分割出小脂肪,提高了牛肉等级判定的准确度。

大理石花纹、生理成熟度对牛肉品质的影响

依据我国农业行业标准《牛肉质量等级》,对不同大理石花纹和不同生理成熟度的牛肉品质进行试验分析,研究显示,大理石花纹对蒸煮损失有显著影响(p<0.05),对pH和剪切力值无显著影响,大理石花纹越丰富,蒸煮损失越小;生理成熟度对pH和蒸煮损失有显著影响(p<0.05),对剪切力值有较为显著影响(p<0.1),且随着生理成熟度的变老,即牛龄增加,牛肉的蒸煮损失和剪切力值呈增大趋势。

应用MATLAB图像处理技术评判牛肉大理石花纹

本文简要论述了MATLAB图像处理原理和方法,重点研究了MATLAB图像域值化方法、图像面积提取技术以及图像均匀化处理和灰度值域处理方法在牛肉大理石花纹等级评判上的探索应用。

基于牛肉大理石花纹标准(BMS)图像的纹理特征分析

【目的】研究基于图像纹理特征来描述牛肉大理石花纹标准的方法。【方法】以日本、美国和澳大利亚的牛肉大理石花纹分级图像为基础,通过线性回归的方法来研究纹理特征与牛肉大理石花纹标准之间的内在关系。【结果】通过彩色梯度和局部二值模式(LBP)处理后提取灰度共生矩阵的4个特征:对比度、相关度、能量和一致性,这些特征可以准确地描述3个不同国家的牛肉大理石花纹标准。其中,能量特征对图像的差异性不敏感,可以作为3种牛肉大理石花纹标准的共性特征。【结论】基于牛肉LBP纹理特征的线性回归预测模型可以作为牛肉大理石花纹标准的一项合理评估依据。

基于高光谱图像光谱信息的牛肉大理石花纹分割

利用高光谱成像系统采集牛肉眼肌横截面400~1 000 nm波段的高光谱图像,对牛肉图像脂肪区域和肌肉区域光谱曲线进行对比分析,发现在不同波段,牛肉图像脂肪区域与肌肉区域的反射强度有明显不同。由脂肪区域与肌肉区域反射强度的比值曲线发现,在534 nm处牛肉图像脂肪区域和肌肉区域光谱反射强度有最大差值。采用中值滤波、区域生长和自动取阈值等图像处理方法,分别对牛肉的彩色原始图像和534 nm波长图像进行大理石花纹分割,结果显示,相较于原始彩色图像,基于534 nm波长牛肉图像分割出的大理石花纹,具有更高的分割精度。

雪花牛肉大理石花纹粗糙度和细密度的测定

通过对高端雪花牛肉大理石花纹中有效切面面积、脂肪数量、脂肪含量、脂肪平均面积等检测分析,提出用粗糙度和细密度来定量描述脂肪的分布特征。以雪花牛肉图像为研究对象,通过图像分割得到大理石花纹的二值图像,标定二值图像里每一块脂肪的大小、位置,计算图像的粗糙度和细密度。结果表明:细密度和粗糙度两个指标能够反映脂肪的分布特征,在脂肪含量一定的情况下,细密度大、粗糙度小的牛肉其脂肪分布更均匀,并且两个指标能够跟随雪花牛肉大理石花纹脂肪含量的变化而变化。

基于图像运算的牛肉大理石花纹分割方法

针对牛胴体眼肌切面大理石花纹图像的自然纹理特征,首先采用区域生长法进行图像的背景分割,然后采用图像差影法操作、图像腐蚀和膨胀技术以及图像的逻辑运算实现背长肌区域的分割,再通过Otsu法自动选取阈值,以此阈值为门限值,对图像进行二值化处理,最终提取出牛肉大理石花纹。实验结果表明,该综合处理技术具有很好的适应性,可以对各种牛胴体眼肌切面图像进行大理石花纹的准确分割。

基于非完全信息算法的牛肉大理石花纹提取方法

提出一种基于非完全信息算法的牛肉大理石花纹提取方法。首先,在遍历理论和对象有效性相关原理的基础上构建了非完全信息算法。然后,结合加权平均值灰度化算法、自适应最佳阈值算法和改进的自适应模糊多级中值滤波算法实现上述方法。研究表明,该方法能够准确有效地反映出牛肉大理石花纹的真实情况。

牛肉大理石花纹图像特征信息提取及自动分级方法

为了解决牛肉大理石花纹在人工分级中准确率和效率低的问题,该文基于计算机视觉和图像处理技术提出一种实用的牛肉大理石花纹自动评估和分级方法。通过图像解析,利用所提出的分级算法实现牛肉大理石花纹的快速提取,并计算反映大理石花纹丰富程度的10个特征参数。使用特征参数建立主成分回归模型,对牛肉大理石花纹等级进行预测,预测相关系数Rv=0.88,预测标准差SEP=0.56。校正时模型总体的回判正确率为97.0%,验证时总体的判别正确率为91.2%。在此基础上,开发了大理石花纹自动分级软件系统和硬件装置,并且在该试验室前期研制的样机上进行了试验,验证了算法的运算速度和准确率。结果表明,所提出的分级方法的检测速度和精度均能够满足企业中对牛肉大理石花纹分级的要求。

基于决策树雪花牛肉大理石花纹分级模型

为建立雪花牛肉大理石花纹等级评价方法,根据不同等级雪花牛肉大理石花纹图像特征及人工评级的标准,确定了影响大理石花纹的等级主要因素。本研究提出影响大理石花纹等级的几何参数特征、几何分布参数特征和统计参数特征。其中几何参数特征主要反映大理石花纹面积、周长等;几何分布特征主要反映大理石花纹图像中脂肪颗粒沉积的密度,根据脂肪颗粒沉积情况可分为大颗粒脂肪、中颗粒脂肪、小颗粒脂肪等;统计参数特征主要反映大理石花纹丰富程度以及大理石花纹分布均匀性。利用相关性分析提取影响雪花牛肉大理石花纹等级的特征参数。建立基于C4.5和CART算法的决策树模型,结果表明:对于C4.5算法建立的决策树分级模型,三级和五级大理石花纹分级预测精度分别为91.80%、92.31%,而该模型针对四级样本建立的模型无效,其结果多数误判为三级;对于CART算法建立的决策树模型同样存在这样的问题,即三级和五级大理石花纹分级预测精度高,而对四级样本分级无效。