基于机器视觉的鸡胴体质量分级方法

摘要：

提出一种基于机器视觉技术的鸡胴体质量分级方法.使用数码相机在肉鸡屠宰厂随机采集95幅鸡胴体图像,对采集图像预处理后,提取出鸡胴体投影面积、轮廓长度和胸宽等6个图像特征.然后以这6个特征参数为输入,利用95个样本为训练集,通过回归分析的方法,分别建立预测鸡胴体质量的一元线性回归模型和多元线性回归模型,找出预测质量的最佳模型,最后采集5组共100个样本为验证集,对最佳分级摸型进行验证.结果显示,鸡胴体图像的6个特征参数中,基于投影面积的一元线性模型决定系数最大,为0.827;基于投影面积等4个特征量的多元线性模型决定系数最大,为0.880.根据样本数据的学生化残差剔除了8个异常点的数据,修正后的多元线性模型决定系数为0.933,并将其作为最佳模型.利用最佳模型对验证集样本进行质量分级,模型对鸡胴体质量等级判定的平均正确率可达89％.结果表明基于图像特征的鸡胴体自动分级方法是可行的.

关键词：鸡胴体、质量分级、特征提取、机器视觉

所属期刊栏目：48

分类号：S24;TS251.3(农业电气化与自动化)

资助基金：公益性行业科研专项201303083-2

在线出版日期：2017-07-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：290-295,372