家禽分割产品质量分级技术的研究进展

中国农业机械化科学研究院 北京 100083

中国是禽肉生产和消费大国，其中，肉鸡生产量与消费量居世界第2位，随着我国肉鸡规模化和产业化饲养水平的不断提高，其生产和消费水平呈持续增加趋势[1]。消费者越来越重视肉类的安全、健康和质量，对肉类产品的营养价值、口感以及味道等都将提出更高要求[2]。当前，家禽分割产品的消费占禽肉产品消费的主导地位，将家禽分割产品分级可以提高产品附加值、满足多元化饮食消费的市场需求，从而增加家禽加工企业的经济效益。根据市场需求，提升我国家禽分割产品快速分级技术，形成禽肉产品梯次加工生产线将成为提高禽肉品质的关键。

我国家禽分割产品有其各自的分级指标[3，4]，例如：鸡分割肉主要根据分割肉形态、肉色和分割肉脂肪沉积程度进行分级；鸭腿主要根据鸭腿的肉块是否完整，是否骨折，表皮是否有破损、异常色斑、残留长绒毛、可见异物等，并结合重量进行分级；鸭翅主要根据全翅是否完整，是否骨折，表皮是否有破损、异常色斑、残留长绒毛、可见异物等，同时，结合重量进行分级。

家禽分割产品分级方法主要有称重分级和质量分级2种[5]，称重分级是根据宰后胴体或分割产品的重量进行分级，国内外对重量分级研究较早，目前称重分级技术和系统相对成熟并广泛应用于生产线。

本文重点介绍国内外家禽分割产品质量分级技术的研究进展。荷兰Meyn、丹麦Linco公司在家禽分级方面处于领先地位，单线最大加工能力可达7 000只/h。Meyn公司开发的家禽质量分级系统，可依据家禽颜色快速分级；Linco公司生产的质量分级系统采用4组摄像头进行拍摄，分级的同时统计羽毛残留、表皮磨损、擦伤或骨折等缺陷。禽肉产品经过系统评定、分级后被送入不同的加工通道，进入相应的加工工序，分级流程如图1所示。

图1 禽肉分级流程图

目前，我国中小型家禽加工企业主要以人工、半自动化为主，生产效率低于5 000只/h，存在劳动效率低，劳动力成本高，制约生产线产能；给产品带来二次污染；受主观因素影响导致分级结果不稳定等问题。因此，研发基于禽肉质量的在线快速、精准分级技术，对于提升我国家禽分割加工自动化水平和卫生安全水平具有重要意义。

1 肉品质量无损检测技术

无损检测(也叫非破坏检测和非接触检测)可以提高产品分级速度和精准度，最大限度地避免主观因素的影响，实现产品等级评定的客观性和一致性。目前，用于肉品的无损检测技术主要有近红外光谱技术、超声波技术、机器视觉技术、高光谱成像技术和嗅觉可视化技术等。以上几种无损检测技术在实验阶段均取得了良好的效果，部分已应用于实际生产且分级准确率高。

1.1 近红外光谱技术

近红外光谱技术可以定量分析并预测鸡肉颜色值、pH值、鸡肉化学成分(脂肪、蛋白质及水分)，该技术在肉品动物来源、鸡肉产地溯源及质量等级划分的定性分析中展现出良好的实用性[6～8]，已被证明是一种检测家禽、肉品等安全的无损检测技术。近红外光谱技术通过可见/近红外光照射家禽胴体或肉品表面，利用家禽胴体或肉品对各波长的反射率作为分级参数对家禽胴体或肉品分级[9～18]。为了能够在线区分家禽屠宰前是否健康，美国仪器与传感器实验室、Beltsville农业研究中心、美国农业研究局和美国农业部共同探究了基于BP神经网络的家禽胴体分类识别技术[9]。技术原理如图2所示。光纤探头2由光源出口、反射光接收装置和特氟龙(Teflon)材料反光块组成。卤钨光源9发出光，经分叉光纤束3和光纤探头2照射到家禽胴体和Teflon反光块；光纤探头的反射光接收装置分别接收家禽胴体和反光块反射的光，并通过光谱摄制仪、光二极管阵列检测器和计算机等后续装置得到家禽胴体反射的190个波长的能量与反光块反射的相应波长的能量比率。

将每个波长反射比率作为一个输入节点，形成190个输入节点，25个隐含层节点，2个输出节点的BP神经网络模型。通过训练该神经网络，得到190个波长的反射率与家禽生病、未生病两个等级间的函数关系，经实验验证，该模型可达到94%以上的准确率。

图2 在线近红外光电二极管列阵分光光度计系统1.挂拍 2.光纤探头 3.分叉光纤束 4.光谱摄制仪 5.光二极管阵列检测器 6.计算机 7.计算机接口卡 8.电灯电源 9.卤钨光源 10.家禽样品

Juan Xing，Michael Ngadi[11](2007)等根据肉品外观(颜色、视觉肌理等因素)研究了可见光谱在猪肉质量分类的应用。该研究采集反射光的波长在400～700nm范围，波长每增加10nm采集一个数据，通过统计学方法分析，将新鲜猪肉和变苍白猪肉区分的准确率可达85%。M.Monroy, S. Prasher[12](2010)等利用光谱技术并将光谱细分，在波长350～2 500nm范围，波长每增加1nm采集一个数据，利用逐步回归分析选择重要的波段对样品分析，通过统计方法将猪肉分成四个等级的正确率可达79%。Everton J. Santana , Bruna C. Geronimo[13](2014)等利用两种模型研究可见/近红外光谱技术在肉类分级中的应用，两种模型分别为统计学模型和机器学习模型，研究结果表明，机器学习支持向量机模型明显优于统计学模型。Yi Yang, Hong Zhuang[16](2018)等利用基于可见光/近红外光谱的偏最小二乘回归模型，将150个鸡肉片正确分为三个质量等级。研究选取了影响鸡肉质量的五个主成分，提出一种基于主成分评分的质量等级分类方法。用这种方法将150个鸡肉片正确分为三个质量等级校准和预测集的分类精度分别为85%和80%。

吉林大学谢新月[18](2013)在基于光谱特性肉品种类及新鲜度识别方法研究中采用小波变换与人工神经网络相结合的方法，首先，对牛肉、猪肉和鸡肉三种肉品测量，获得可见光区域内的肉品原始光谱信号；随后，对光谱信号进行小波变换消除噪声影响；最后，分析光谱特征，建立四级BP人工神经网络。实验表明，肉品光谱信号经小波预处理后，可达到消噪和平滑的目的，提高了识别的有效性和准确性。

综上所述，近红外光谱技术在分析肉品的内在质量，如脂肪、蛋白质和水分含量，以及肉品颜色等方面呈现出较好的效果；分类越少准确率越高；对采集到的信号有效的去噪声处理可以提高准确率；如何提取有效特征是模型训练成功的关键；参数分析方面，使用机器学习算法明显优于传统统计学方法。目前，近红外光谱技术多用于羊胴体的质量检测和分级，将该技术应用于禽类分割产品分级生产线中具有可行性。

1.2 超声波技术

超声波检测技术是依据声波在肉品中传播时的反射、散射、透射、吸收，以及衰减系数、传播速度、自身声阻抗和固有频率等特性，反映肉品与声波相互作用时产生的特征信息,据此实现对肉品质量的快速无损检测[19]。研究表明，超声波可以测量猪胴体背膘厚度和肌肉厚度，得到猪肉的瘦肉率，以瘦肉率为标准将胴体分级[5,20]。该装置的示意如图3所示，16个2.0MHZ的超声波传感器以25mm的间距嵌入到U型槽中。传感器每5mm测定一个点，每个猪胴体大约可以测量3 200个点的背膘厚度和肌肉厚度，从而生成三维超声图像计算瘦肉率，并通过瘦肉率对猪胴体分级。

图3 超声波测量猪胴体瘦肉率装置1.U型槽 2.超声波传感器

目前，超声波技术主要应用于猪胴体瘦肉率的检测及质量分级，在家禽类产品中未见相关研究，超声波技术是否适用于家禽产品质量分级有待进一步探究。

1.3 机器视觉技术

计算机视觉技术在农产品检测领域得到广泛应用，它通过光学成像传感器代替人眼获取被检对象的图像信息，利用图像处理和模式识别算法模拟人的判别准则去理解图像，被认为是一种有前景的食品质量客观评估方法[21]。

Titin Yulianti, Afri Yudamson[22](2017)等研究了基于颜色强度测量法的肉质分类技术，该研究通过测量牛肉图像R、G和B通道的平均颜色强度百分比，区分新鲜与不新鲜的牛肉。经特征提取分析得到R通道颜色强度百分比有明显差异，新鲜牛肉的R通道强度平均值为56.38%～66.33%；不新鲜的牛肉R通道强度的平均值为37.76%～51.71%。

丁筱玲[23](2017)、吴玉红[24](2016)等研究了基于机器视觉技术的鸡翅质量预测，运用机器视觉技术采集140根鸡翅的俯视和侧视图像建立图像库，并对库中图像灰度化、形态学运算等处理；分别提取鸡翅俯视图和侧视图的面积、轮廓周长、长轴、短轴特征，采用相机标定方法计算出实际各项特征值，分别建立鸡翅实际质量和样本实际特征值之间的一元线性、幂指数及多元混合预测模型，应用于鸡翅质量分级。

涂冬成[25](2011)在禽肉肉色、弹性和嫩度的图像和激光诱导荧光无损检测技术研究中以鸡、鸭、鹅禽肉为研究对象，利用机器视觉技术提取禽肉的肉色特征参数，分别采用SVM(支持向量机)和F-KNN(应用模糊k-近邻法)方法，研究结果表明：采用SVM(支持向量机)方法建立的禽肉肉色分类器对肉色分级比采用F-KNN(应用模糊k-近邻法)分类器分别对鸡、鸭、鹅禽肉色分级的检测准确率高。

机器视觉技术可以通过RGB通道分析技术分析肉质颜色和影响颜色的特征，如新鲜度、水分含量等，通过颜色将肉品分级；也可以提取图像的面积、轮廓周长等特征信息，将鸡腿、鸡翅等需要通过轮廓大小分级的产品分级。目前，机器视觉技术主要应用于牛胴体、家禽质量分级生产线中，具有简单、快速、环保等优点。

1.4 高光谱成像技术

近年来，高光谱成像技术在肉品质量检测和评价中的应用成为研究热点，该技术被广泛应用于食品安全与农产品质量检测中，并取得了较好的研究成果[26,27]。姜新华、薛河儒[28](2018)等研究基于高光谱的冷鲜羊肉新鲜度分级技术，以挥发性盐基氮(TVB-N)值对冷鲜羊肉新鲜度等级进行划分，利用三层神经网络进行分类识别验证，将羊肉新鲜程度分为三个等级的识别准确率为93.93%。范中建、朱荣光[29](2018)等同样以挥发性盐基氮(TVB-N)值对冷鲜羊肉新鲜度等级进行划分，通过建立Adaboost-BP模型，将羊肉新鲜程度分为三个等级的准确率提高到94.44%。

高光谱成像技术融合了传统机器视觉成像技术和光谱技术的优点，可以同时获取被检测物体的空间信息和光谱信息。由此可见，高光谱成像技术既可以像传统机器视觉技术一样检测物体的外观质量，又可以像光谱技术一样检测物体的内在质量和质量安全，在禽类分割产品分级中具有较高的研究价值。

1.5 嗅觉可视化技术

嗅觉可视化技术是一种气体成像的新技术，利用敏感化合物(金属卟啉、原卟啉和pH指示剂)做显色剂，与受测物质挥发性气体发生显色反应，通过显色剂的显色情况，判断气体的浓度变化。肉类变质的一个主要原因是优势腐败菌利用猪肉中的蛋白质、碳水化合物、脂肪等营养物质进行自身代谢，产生代谢产物如硫化物、胺类等，变质过程中伴随着猪肉气味和pH值的变化。因此，可以通过微生物计数来判断猪肉的新鲜程度。

赵杰文[30](2013)等以卟啉和pH指示剂作为嗅觉可视化传感器阵列的气敏材料，通过检测接种优势致腐菌的猪肉样本，在特定温度和时间反应前后的图像信息，成功检测猪肉中的优势致腐菌和新鲜度。黄星奕[31](2011)等利用嗅觉可视化技术对猪肉新鲜度等级进行评判，通过提取猪肉的挥发性气体与可视化传感器阵列进行反应，用图像处理技术分析反应前后传感器阵列的颜色变化，获取反映新鲜度的气味特征信息。通过主成分分析，选取前10个主成分作为建立BP神经网络的输入变量，构建猪肉新鲜度等级判别模型，模型的预测正确率为84.62%。电子鼻(即气味扫描仪)能识别并检测复杂的嗅味和挥发性成分，具有响应时间短、检测速度快、测定范围广等优点，目前该技术已应用于家禽分级生产线中且分级效果较好。

综上所述，近红外光谱技术分析肉品的内在质量，如蛋白质、脂肪含量、含水率等方面效果显著；机器视觉技术在分析肉品的外观质量，如颜色、轮廓等方面效果显著；高光谱技术可以同时获取被检测物体的空间信息和光谱信息，对于综合评定肉质有较高的研究价值；嗅觉可视化技术可以通过检测肉品的气味来判断微生物的多少进而判断肉质的新鲜程度。

2 基于质量的家禽分割产品自动分级系统的应用

基于质量的家禽分割产品自动分级系统主要由信号采集设备、中央控制系统和执行机构组成。其中，信号采集设备采集产品的特征信号；中央控制系统分析处理采集的信号得到分级结果，同时根据分级结果产生控制信号；执行机构接收控制信号并执行相应的动作，将家禽产品有效分级。

图4为Meyn公司开发的鸡爪识别、分级系统原理图。其中，7高速摄像机为信号采集设备，其作用是采集鸡爪的图像信息；9计算机为中央控制系统，其作用是分析并处理高速摄像机采集的图像信息，根据图像中鸡爪的颜色和足垫损伤的大小分级并产生控制信号；其余机械装置为执行机构，其作用是运输鸡爪并根据控制信号将不同等级的鸡爪输送到相应的加工通道，进入下一步加工工序。

图4 鸡爪分级生产线原理图1.鸡胴体输送线 2.鸡爪输送线 3.切爪机 4.内脏输送线 5.胴体储藏箱 6.鸡爪摆正装置 7.高速摄像机 8.卸爪装置 9.计算机 10.计数器

3 结束语

根据我国家禽分割产品的分级标准，家禽分割产品的等级一般根据产品的颜色、轮廓、是否破损、水分、脂肪、新鲜程度和重量等多方面判断。充分发挥无损检测技术的优点，在现有肉品质量分级技术应用的基础上，依据家禽分割产品分级标准，分析借鉴国外快速分级技术，结合我国家禽分割产品的分级现状及市场需求，优化家禽分割产品分级方案，拟采用机器视觉技术与近红外光谱技术、嗅觉技术、称重分级技术相结合的分级方法。通过机器视觉技术实现在线快速检测家禽分割产品的外形轮廓、表面颜色、是否存在破损等；通过近红外光谱技术检测家禽分割产品的水分、脂肪等；通过气味扫描仪识别家禽分割产品的新鲜程度；通过快速称重分级将家禽产品按照不同规格、重量分级。以上四种快速无损检测分级技术相结合，实现家禽分割产品的在线自动检测、识别分析、快速称重和自动分级。以低成本、快速、精准为主要目标，探究满足国内市场需求的自动化、智能化、精准化的家禽分割产品质量分级技术、系统和设备，提升我国家禽分割加工自动化技术水平，对促进我国国产自动化屠宰加工设备向高速、智能化、集成化方向发展具有重要的引领和促进作用。此外，进一步优化家禽分割产品行业标准，规范家禽产品市场，实现优质优价，对于促进我国家禽产业良性循环具有重要意义。