雪花牛肉大理石花纹粗糙度和细密度的测定

刘璎瑛，沈明霞，彭增起，马鹏鹏，吴 蒙，王卫东

(1.南京农业大学工学院，江苏省智能化农业装备重点实验室，江苏 南京 210031；2.南京农业大学食品科技学院，江苏 南京 210095；3.雪龙黑牛股份有限公司，辽宁 大连 116031)

雪花牛肉大理石花纹粗糙度和细密度的测定

刘璎瑛1，沈明霞1，彭增起2，马鹏鹏1，吴 蒙3，王卫东3

(1.南京农业大学工学院，江苏省智能化农业装备重点实验室，江苏 南京 210031；
2.南京农业大学食品科技学院，江苏 南京 210095；3.雪龙黑牛股份有限公司，辽宁 大连 116031)

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。

雪花牛肉；大理石花纹；粗糙度；细密度

牛肉质量等级主要是通过大理石花纹的丰富程度进行判定，牛肉大理石花纹的丰富程度必须从肌内脂肪的数量和脂肪的分布两个方面进行综合判定。基于机器视觉的牛肉品质评定与分级研究中，对大理石花纹等级的判定主要依据牛胴体眼肌切面内脂肪含量和数量[1-5]。但实际检测中存在大理石花纹脂肪含量相同但因脂肪分布不均匀导致其最终等级降级的现象。所以牛肉大理石花纹的等级评判应该从脂肪含量和脂肪分布均匀性两方面考虑，而大理石花纹中脂肪分布的定量描述是提高牛肉大理石花纹等级自动评判准确率的关键。目前对牛肉大理石花纹脂肪分布的定量研究较少。

陈坤杰[6]用计盒维和信息维对肌内脂肪分布状况进行定量描述，研究表明两者均呈现出随牛肉大理石花纹等级的增加而增大的变化趋势；Shiraniata等[7]通过将眼肌横截面图像等分成4个区，以4个区脂肪像素的方差来表示脂肪分布程度。而基于机器视觉的牛肉品质评定与分级技术的研究都是以国家牛肉分级行业标准NY/T 676—2010《牛肉等级规格》为依据，该标准适用于市场上大宗的牛胴体通用分级，牛肉多为中低档牛肉，对于不同商品类型的牛肉，尤其是高档牛肉，国家还没有建立统一的等级评价体系[8]。高档牛肉如雪花牛肉其肌间脂肪分布呈雪花状，其等级的判定对肌间脂肪分布的均匀性有更高要求。牛肉质量等级越高，其肌内雪花状脂肪含量越高，脂肪的数量越多，肌间脂肪分布均匀性越好。因此对雪花牛肉质量等级的评判除了考虑脂肪含量和数量外更应考虑脂肪分布特征。

本实验以雪花牛肉为研究对象，通过图像分割得到有效切面的大理石花纹，根据脂肪面积差异均匀性和脂肪数量及位置分布均匀性的分析，给出了粗糙度和细密度的概念，探讨牛肉大理石花纹中的脂肪含量与粗糙度和细密度的关系，通过对实际拍摄的牛肉图片的数据分析验证用粗糙度和细密度来定量描述肌间脂肪分布特征的可行性。

1 材料与方法

1.1 材料与试剂

雪花牛肉由大连雪龙集团牛肉加工中心提供。

1.2 仪器与设备

图像采集仪器使用基于嵌入式微处理器OMAP3530和操作系统Linux的牛胴体品质检测终端。仪器由南京农业大学彭增起教授现代农业(肉牛)产业技术体系团队研制，采用CCD工业相机作为图像采集设备，运用Linux下应用编程接口(API)V4L2实现视频实时显示、图像捕获和保存，采用Wi-Fi技术实现终端与PC服务器之间图像以及数据的交互。

1.3 方法

1.3.1 样本图像采集

样本图像由南京农业大学彭增起教授现代农业(肉牛)产业技术体系团队研制的基于嵌入式Linux 的牛胴体品质检测终端获取[9]，拍摄地点在大连雪龙集团牛肉加工车间，取牛酮体第6～7根肋骨间断面进行牛肉图像拍摄，共拍摄36幅图像。图像大小为640×480像素。

1.3.2 图像大理石花纹提取

图1 雪花牛肉大理石花纹提取过程Fig.1 Extraction of snowflake beef marbling

牛肉大理石花纹的准确提取是后续计算分析的关键，目前对牛肉图像的分割算法研究很多[10-13]，本实验对大理石花纹的提取算法为：对获取的彩色图像首先采用低通去噪，灰度化处理后中值滤波，对滤波后的灰度图像进行直方图均衡化，图像预处理后进行多阈值(分区域求均值)二值化分割，二值化分割后选取最大连通区域进行目标提取，最终提取出大理石花纹。采集的图像是用嵌入式检测终端直接插入第6～7肋骨间拍摄，故图像分割中省去了背景分割步骤，其中一幅实验样本图像及其大理石花纹提取过程图见图1。

1.3.3 大理石花纹中脂肪数量、各脂肪面积和脂肪含量测定

统计提取的大理石花纹中白色点的个数得到大理石花纹的面积，记为脂肪的总面积A；使用区域标记法标出大理石花纹中每个白色独立区域，分别统计白色区域内的像素点作为标记区域的面积，记为各个脂肪的面积[M1，M2，…，MN]，标记的总个数记为脂肪数量N，则脂肪平均面积为=A/N；利用最大连通区域法得到有效切面区域边界(即眼肌区域)，用像素统计法得到有效切面面积记为Sr。脂肪含量通过脂肪总面积占有效切面面积的比来表示，即T=A/Sr。

1.3.4 大理石花纹粗糙度和细密度测定

牛肉大理石花纹的等级通常以牛胴体眼肌切面处大理石状脂肪花纹的丰富程度来判定，而大理石花纹的丰富程度包括脂肪的数量和分布状态[4]。等级越高的牛肉其脂肪含量相对较高，脂肪分布比较均匀[14]。脂肪分布均匀可表现为各个脂肪块能够面积差异尽可能小的均匀分布在有效切面内。

Kuchida[15]在对日本牛肉进行图像分析时提出了大理石花纹粗糙度和细密度的概念，以此来描述眼肌切面内的脂肪分布特征，但具体表征的公式并未给出。粗糙度主要指大理石花纹中各个脂肪面积之间的差异性，如果各脂肪面积大小不一，面积分布不均匀，大理石花纹看起来会比较粗糙。细密度主要表示大理石花纹中脂肪数量的分布，脂肪总面积相同的两块牛肉，脂肪数量越多，大理石花纹看起来越细密。依据对中国雪花牛肉大理石花纹提取的图像特征分析大理石花纹粗糙度(C)和细密度(F)的计算方法见公式(1)、(2)。

式中：N为大理石花纹中提取的脂肪数量/个；[M1，M2，…，MN]为各个脂肪的面积；为脂肪平均面积；Sr为有效切面的面积。

2 结果与分析

2.1 大理石花纹脂肪特征分析

根据1.3.3节测定数据将图像按大理石花纹脂肪含量由小到大重新编号，绘制图2～4。脂肪含量由脂肪总面积和有效切面面积决定。从图2可以看出，各个牛肉有效切面面积差异性很大，但脂肪的总面积增大会带来脂肪含量的增多。由图3可知，牛肉大理石花纹的脂肪含量与其脂肪数量没有相关性。脂肪含量相近的牛肉大理石花纹图像中包含的脂肪数量可能会相差很大。脂肪的平均面积由脂肪的总面积和脂肪数量决定。由图4可知，脂肪的平均面积跟脂肪含量的相关性也不大，但脂肪平均面积的增大会带来脂肪含量的增多。所以大理石花纹的脂肪含量只能代表脂肪数量的多少，无法表示脂肪的分布均匀性。

图2 牛肉大理石花纹脂肪总面积及其有效切面面积图Fig.2 Effective sectional area and fat area in beef marbling

图3 牛肉大理石花纹脂肪含量及其脂肪数量对比图Fig.3 Contrast diagram of fat content and fat amount in beef marbling

图4 牛肉大理石花纹脂肪含量及其脂肪平均面积对比图Fig.4 Contrast diagram of fat content and fat mean area in beef marbling

有效切面内大理石花纹脂肪分布跟大理石花纹中各个脂肪面积、脂肪数量和脂肪位置等因素有关。根据牛的生理特点，牛肉肌间脂肪极少全部聚集在切面内的某个部位，基本上是随机的分布在肌肉间，其脂肪的位置分布比较均匀。而牛肉有效切面内各个脂肪块的面积会因个体不同存在差异。相同脂肪面积其包含的脂肪数量也会因个体不同存在差异。如图5所示，图5A和图5B两幅图像其大理石花纹的脂肪含量相近，但图5A中牛肉各个脂肪面积间的差异比较大，面积分布不均匀，与图5A相比，图5B中牛肉的脂肪面积分布比较均匀。图5C、图5D两幅图像的牛肉大理石花纹脂肪含量相近，其脂肪的总面积也相近，但图5C中牛肉脂肪的数量相对较多。图6给出了图5A和图5C两幅牛肉图像大理石花纹中的脂肪数量及其每个脂肪的面积对比图。图6a图对应图5A，可见脂肪面积有两块特别大，各个面积间的差异大；图6b对应图5C，可见其各脂肪面积差异比图5A的牛肉要小。

图5 雪花牛肉有效切面图Fig.5 Effective sectional images of snowflake beef marbling

图6 两幅牛肉图像大理石花纹中脂肪数量和各个脂肪面积的对比图Fig.6 Contrast diagram of fat amount and each fat area in two beef marbling images

2.2 粗糙度分析

图7 雪花牛肉大理石花纹脂肪含量及其粗糙度散点图Fig.7 Scattering diagram of fat content and coarseness in snowflake beef marbling

对36幅雪花牛肉图像的粗糙度计算结果如图7所示，可以看出雪花牛肉的粗糙度大致随大理石花纹脂肪含量的升高而降低，脂肪含量高的粗糙度一般都比较低。但脂肪含量相近的雪花牛肉其粗糙度在一定范围内波动，说明脂肪含量只能代表大理石花纹中脂肪的面积总量，不能反映各个脂肪面积间的差异，实际牛肉大理石花纹中也存在脂肪含量高但脂肪面积分布不均匀或脂肪含量低但其脂肪面积分布很均匀的现象。

图5A和图5B两幅牛肉图像的大理石花纹脂肪含量相近，但图5A牛肉各个脂肪面积间差异比较大，大理石花纹看起来很粗糙，其粗糙度值为28.36，图5A牛肉其脂肪面积分布比较均匀，看起来比较“光滑”，其粗糙度值为11.25。可见面积差异性越大，粗糙度就越大。图5A和图5B中牛肉脂肪含量相近，目前分级列为一个等级。但图5B中牛肉的脂肪分布更均匀些，如果进行等级判定其等级应该比图5A的牛肉等级更高一些。所以目前大理石花纹等级判定除了按照脂肪含量为判定依据，还要考虑将其脂肪分布情况进行量化，以作为等级判定的指标。

2.3 细密度分析

图8 雪花牛肉标准大理石花纹脂肪含量及其细密度散点图Fig.8 Scattering diagram of fat content and fineness in snowflake beef marbling

对36幅雪花牛肉图像的细密度计算结果如图8所示，可以看出雪花牛肉的细密度大致随大理石花纹脂肪含量的增加而增大，等级高的细密度一般都比较大，但同一等级内不同牛肉的细密度在一定范围内波动，存在等级高细密度反而小、等级低细密度反而大的现象。细密度的分析结果和粗糙度一样具有规律性。

图5C和图5D两幅牛肉图像的大理石花纹脂肪含量相近，图5C中牛肉细密度为0.696，图5D中牛肉细密度为0.309。图5C中牛肉单位脂肪面积上的脂肪数量比图5D中牛肉要多，脂肪的数量分布比图5D中牛肉更均匀，图5C图像比图5D图像脂肪分布更“细腻”，其细密度值更高一些。

2.4 粗糙度及细密度相关性分析

对所有计算的细密度和粗糙度数据进行相关性分析，数据散点图如图9所示，线性拟合R2=0.4047，相关性不明显，两个数据可以独立描述脂肪的分布程度。

图9 雪花牛肉细密度及粗糙度相关性分析散点图Fig.9 Scattering diagram for correlation analysis of snowflake beef fineness and coarseness

根据以上分析，粗糙度能够反映大理石花纹中的各个脂肪面积分布情况，细密度能够反映大理石花纹中脂肪数量的分布情况，而且两者相互独立。如果将其列入大理石花纹的分级判定指标，可以使其等级更加细化。目前我国行业标准里大理石花纹等级只有5级，而美国有12级，澳大利亚有10级[16]。

3 结 论

本实验在牛肉图像准确分割的基础上得到有效切面大理石花纹，提取并标定大理石花纹中的每个脂肪，计算每个脂肪面积、所有脂肪的平均面积、脂肪含量和脂肪数量，根据分析给出了大理石花纹粗糙度和细密度计算方法。

粗糙度和细密度两个指标可以定量描述有效切面内脂肪的分布程度，计算快速。后续工作可以扩大样本采集，通过大量数据统计确定各个脂肪含量范围内粗糙度和细密度的变化范围，以粗糙度和细密度作为大理石花纹的脂肪分布评定指标，进一步充实、细化大理石花纹等级评判标准，使高端牛肉的等级更加细化，也为后续建立准确的大理石花纹等级判定模型进行准确实时的牛肉质量等级判定提供理论参考。

参考文献：

[1] TAN Jinglu. Meat quality evaluation by computer vision[J]. Journal of Food Engineering, 2004, 61(1): 27-35.

[2] 吴海娟, 彭增起, 沈明霞, 等.机器视觉技术在牛肉大理石花纹识别中的应用[J]. 食品科学, 2011, 32(3): 10-13.

[3] 李玮姿, 朱近, 杨德吉, 等. 基于图像的牛肉大理石纹理自动评级方法研究[J]. 食品科学, 2011, 32(9): 40-45.

[4] 陈坤杰, 吴贵茹, 於海明. 基于分形维和图像特征的牛肉大理石花纹等级判定模型[J]. 农业机械学报, 2012, 43(5): 147-151.

[5] YOSHIKAWA F, TORAICHI K. On a grading system for beef marbling[J]. Pattern Recognition Letters, 2000, 21(12): 1037-1050.

[6] 陈坤杰. 牛肉大理石花纹计盒维和信息维的测定[J]. 农业工程学报, 2007, 23(7): 145-148.

[7] SHIRANIATA K, HAYASHI K, OTSUBO A. Determination of meat quality by image processing and neural network techniques[J]. Journal of Robotics and Mechatronics, 2000, 12(4): 474-479.

[8] 汤晓艳, 王敏, 钱永忠, 等. 牛肉分级标准及分级技术发展概况综述[J]. 食品科学, 2011, 32(19): 288-293.

[9] 刘超超, 彭增起, 沈明霞, 等. 牛胴体品质检测系统中基于嵌入式Linux的终端设计[J]. 食品工业科技, 2012, 33(7): 336-339.

[10] 赵杰文, 刘木华, 张海东. 基于数学形态学的牛肉图像中背长肌分割和大理石花纹提取技术研究[J]. 农业工程学报, 2004, 20(1): 144-146.

[11] 陈坤杰, 姬长英. 基于图像运算的牛肉大理石花纹分割方法[J]. 农业机械学报, 2007, 38(5): 195-196.

[12] 仇金宏, 彭增起, 沈明霞, 等. 基于非完全信息算法的牛肉大理石花纹提取方法[J]. 食品科学, 2010, 31(19): 166-169.

[13] 仇金宏, 沈明霞, 彭增起, 等. 基于改进型FCM算法的牛肉大理石花纹提取方法[J]. 农业机械学报, 2010, 41(8): 184-187.

[14] NY/T 676—2010 牛肉等级规格[S].

[15] KUCHIDA K. Objective measurement of beef meat quality by computer image analysis method[C]//2011 International Conference on Beef Castle Improvement and Industrialization in China. Beijing: 2011.

[16] 谢元澄, 徐焕良, 谢庄. 基于牛肉大理石花纹标准(BMS)图像的纹理特征分析[J]. 中国农业科学, 2010, 43(24): 5121-5128.

Determination of Coarseness and Fineness of Snowflake Beef Marbling

LIU Ying-ying1，SHEN Ming-xia1，PENG Zeng-qi2，MA Peng-peng1，WU Meng3，WANG Wei-dong3
(1. Jiangsu Key Laboratory of Intelligent Equipment for Agriculture, College of Engineering, Nanjing Agricultural University, Nanjing 210031, China；2. College of Food Science and Technology, Nanjing Agricultural University, Nanjing 210095, China；3. Snowdragon Beef Co. Ltd., Dalian 116031, China)

Quantitative description of fat distribution in snowflake beef marbling is the key to improving the accuracy of automatic evaluation of beef marbling grade. According to the detection and analysis of high-grade snowflake beef marbling based on fat amount, fat content, average fat area and fat area uniformity, it was proposed to quantitatively analyze fat distribution through coarseness and fineness. Snowflake beef images were collected and coarseness and fineness was calculated by obtaining the marbling binary image by imaging the segmentation and calibrating the size and location of each piece of fat in the binary image. The test results showed that coarseness and fineness could reflect fat distribution. As for fat content in a certain case, when beef has high fineness and low coarseness, its fat distribution is more uniformed. Both indicators varied with the fat content of snowflake beef marbling.

beef；marbling；coarseness；fineness

TS243.8

A

1002-6630(2013)18-0170-05

10.7506/spkx1002-6630-201318034

2012-10-08

国家农业科技成果转化资金项目(2011GB2C100018)；江苏高校优势学科建设工程资助项目(PAPD)

刘璎瑛(1978—)，女，讲师，博士，研究方向为农产品检测、图像处理与模式识别。E-mail：lyy@njau.edu.cn