《食品科学》：南京农业大学王虎虎教授等：基于机器视觉的鸡胴体原发性皮炎快速检测

在肉鸡屠宰工艺流程中，残次品挑选是保证产品品质的重要环节，但该环节对劳动力的依赖度高。鸡胴体原发性皮炎是指鸡胴体表面可见、分散不均匀的一种缺陷类型，在外观上表现为粗糙、红或黑的皮炎与结痂，由外伤、理化性、细菌和外寄生虫以及感光过敏性刺激等因素造成。人工识别存在速率慢、效率低、主观性强等不足。此外，长时间、高强度的用眼会导致视觉疲劳，降低识别准确率，给工厂带来损失。

为利用机器视觉技术实现对肉鸡屠宰后道质检端皮炎鸡胴体的快速检测，南京农业大学食品科技学院的吴江春，王虎虎*，徐幸莲研究利用机器视觉装置采集及鸡胴体表面图像，根据皮炎的颜色、纹理特征和面积大小，提取相关特征值构建皮炎检测模型，以期为肉鸡胴体的皮炎检测提供技术参考。

01

特征值的PCA

特征值的PCA结果如图12和表3所示，在PCA碎石图中可以观察到从第6个PC开始，特征值的下降趋势趋于平缓，但前6 个PC的方差累计贡献率仅为87.92%，经过综合考虑选取方差累计贡献率为96.29%的前10 个PC作为模型的输入参数。

02

模型分类结果

以特征值和PC为输入参数的模型分类效果如表4、5所示。在以特征值为输入参数的模型中，QDA模型召回率最高，为90.08%；精确度、F1分数和总准确率最高的模型均为SVM，分别为90.38%、90.03%、90.32%。在以PC为输入参数的模型中，RF模型的分类效果优于其他模型，皮炎样本的召回率为88.93%，识别精度为89.30%，F1分数为89.11%识别总准确率为87.71%；通过比较不同输入参数的模型可发现，经PCA降维后，LDA、QDA、SVM模型总准确率均有不同程度的下降。其原因是降维后数据是原始数据的近似表达，减少了原始数据特征。

如图13所示，在GoogLeNet模型中，皮炎样本的召回率为89.5%，识别精确度为90.6%，F1分数为90.0%，模型识别总准确率可达90.5%。模型的预测速率如图14所示，其中以特征值为输入参数的SVM模型预测速率最快，高达405 895.69 张/s。GoogLeNet模型的预测速率为122.65 张/s，远低于其他模型，但其预测速率仍高于人工质检速率。

综合比较模型分类效果可发现，GoogLeNet模型对皮炎皮肤图片的识别整体效果最好，因此利用该模型对40 只鸡胴体样本进行验证。如表6所示，该模型对皮炎鸡胴体的识别准确率为100%，对正常鸡胴体的识别准确率为90%。部分样本的检测结果如表7所示，被误分类的正常鸡胴体皮炎面积分别为3.398 1、3.927 0 cm2。

如图15所示，在误检样本中，样本A与B侧视图翅膀上方均可观察到如图16所示的黄色小绒毛，这些绒毛被识别成皮炎，从而造成误差。正确分类的18 个正常鸡胴体样本中均有皮炎检出，其中12 个样本皮炎面积小于1 cm2，4 个样本皮炎面积在1～2 cm2内，2 个样本皮炎面积在2 ～3 cm2内。

结 论

本研究利用机器视觉装置采集肉鸡屠宰线上316 只鸡胴体的正视图与两侧视图，经图像预处理去除背景和干扰后，用边长为128 像素的网格划分，并从皮炎鸡胴体中筛选出皮炎皮肤图片762 张，从正常鸡胴体中筛选出正常皮肤图片775 张。提取皮肤图片的颜色矩、不同方向灰度共生矩阵特征的均值与方差、Tamura纹理特征以及皮炎分割阈值和面积共计24 个特征值，经PCA降维后，用特征值与PC分别建立LDA、QDA、RF、SVM与BP神经网络模型。GoogLeNet卷积神经网络模型则用筛选出的皮肤图片建立。模型的分类效果采用召回率、精确度、F1分数、总准确率和平均检测速率判断，经过综合分析发现所有模型中以GoogLeNet模型的分类效果最好，皮炎样本的召回率为89.5%，识别精确度为90.6%，F1分数为90.0%，总准确率可达90.5%，预测时间为122.65 张/s。在对整鸡胴体图像识别的验证实验中，GoogLeNet模型对皮炎鸡胴体的识别准确率为100%，正常鸡胴体的识别准确率为90%。该模型对鸡胴体原发性皮炎有较好的识别能力，可为鸡胴体原发性皮炎的快速识别与分类提供技术参考。

本文《基于机器视觉的鸡胴体原发性皮炎快速检测》来源于《食品科学》2023年44卷第20期350-356页，作者：吴江春, 王虎虎, 徐幸莲。DOI:10.7506/spkx1002-6630-20221010-084.。点击下方阅读原文即可查看文章相关信息。

责任编辑：张睿梅。点击下方阅读原文即可查看全文。图片来源于文章原文及摄图网。

为进一步促进未来食品科学的发展，全面践行“大食物观”的指导思想，持续提升食品科技创新和战略安全。由北京食品科学研究院、中国肉类食品综合研究中心及中国食品杂志社《食品科学》杂志、《Food Science and Human Wellness》杂志、《Journal of Future Foods》杂志主办，北京工商大学食品与健康学院、北京联合大学生物化学工程学院、河北农业大学食品科技学院、西华大学食品与生物工程学院、大连民族大学生命科学学院、齐齐哈尔大学食品与生物工程学院、河北科技大学食品与生物学院共同主办，北京盈盛恒泰科技有限责任公司、古井集团等企业赞助的“第一届大食物观·未来食品科技创新国际研讨会”即将于 2024年5月16-17日 在 中国北京 召开。

长按或微信扫码了解详情