来源：期刊VIP网 时间：
作者：陆钟超;邱月;张安强;张建友;崔蓬勃;翔云;金霞;吕飞;
单位：浙江工业大学食品科学与工程学院;浙江工业大学网络空间安全研究院;杭州冠华王食品有限公司;
摘要：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0.940 6、0.931 6、0.958 2和0.954 8。BPNN模型R~2为0.962 7、0.964 1、0.992 0和0.986 4,SVR模型的R~2为0.971 2、0.967 9、0.992 8和0.988 3。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=0.964 8),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。
关键词：机器视觉;;牛肉检测;;新鲜度指标;;颜色参数;;支持向量回归;;货架期
基金资助：浙江省重点研发计划项目(2019C02081)
