【技术实现步骤摘要】
本专利技术涉及 ，尤其是一种猪肉大理石纹等级评估方法。
技术介绍
1、猪肉品质的评估一直是食品科学和肉类加工行业的重要研究领域。其中，猪肉的大理石纹（即肌内脂肪的分布）被认为是评价猪肉口感和质量的重要指标。传统上，这种评估依赖于肉类检验员的视觉检查和主观判断，这不仅耗时耗力，而且结果的准确性和可重复性受到限制。
2、随着计算机视觉和机器学习技术的发展，自动化的图像处理技术已被应用于猪肉品质评估，以提高评估的准确性和效率。然而，现有的自动化技术通常侧重于提取猪肉图像的单一特征，如颜色或纹理，而没有综合多种影响肉质的因素，从而限制了评估结果的全面性和准确性。
3、此外，现有方法中使用的算法往往未能有效利用深度学习的潜力，例如，未能深入学习和理解猪肉图像的隐含特征。这导致评估模型无法充分捕捉肌肉纹理和肥瘦比的复杂关系，进而影响评估的准确度。
4、因此，针对以上问题，亟待需要一种猪肉大理石纹等级评估方法。
技术实现思路
1、为解决上述现有技术问题，本专利技术提供一种猪肉大理石纹等级评估方法，解决了传统方法通过人工比对猪肉质量所导致的效率低下以及评估猪肉等级没有固定的标准的问题。
2、为实现以上目的，本专利技术通过以下技术方案予以实现：一种猪肉大理石纹等级评估方法，包括：s1，获取原始图像，对原始图像进行预处理得到待评估猪肉图像；s2，使用纯瘦肉图像训练编码器、解码器和判别器，输出训练好的编码器参数和隐空间分布；s3，使用训练好的编码器对待评估
3、进一步地，所述获取原始图像，对原始图像进行预处理得到待评估猪肉图像具体过程为：通过图像传感器获取包含猪肉和背景的原始图像，使用yolo目标检测模型对原始图像进行猪肉区域的检测，获得检测框集合；选择置信度最高的检测框，根据置信度最高的检测框对原始图像进行裁剪，得到裁剪后的猪肉图像；对裁剪后的猪肉图像进行尺寸调整和归一化处理，得到固定尺寸的待评估猪肉图像。
4、进一步地，所述使用纯瘦肉图像训练编码器、解码器和判别器，输出训练好的编码器参数和隐空间分布具体步骤为：利用大量的纯瘦肉图像作为训练数据，构建编码器、解码器和判别器模型；编码器对输入的纯瘦肉图像进行特征提取，输出纯瘦肉隐变量均值和纯瘦肉隐变量方差，形成隐空间分布；通过重参数化技巧，从隐空间分布中采样隐变量，解码器根据隐变量将待评估猪肉图像进行重建得到重建图像，获取待评估猪肉图像的像素值和重建图像的像素值，记录图像总像素数，辨别器对纯瘦肉图像和重建图像进行判别，输出真实率；通过最小化重建损失、kl散度损失和对抗损失训练编码器、解码器和辨别器模型，获得收敛的隐空间分布和编码参数。
5、进一步地，所述重建损失的具体计算方法为：；式中，表示重建损失，表示第i个待评估猪肉图像的像素值，表示第i个重建图像的像素值，表示图像总像素数。
6、进一步地，所述kl散度损失的具体计算方法为：；式中，表示kl散度损失，表示纯瘦肉隐变量均值，表示纯瘦肉隐变量方差，表示隐变量的维度。
7、进一步地，所述使用训练好的编码器对待评估猪肉图像进行特征提取具体过程为：使用训练好的编码器对待评估猪肉图像提取待评估隐变量均值和待评估隐变量方差；从待评估猪肉的隐变量分布中采样一定数量的隐变量，组成待评估隐变量集合，从纯瘦肉的隐空间分布中采样相同数量的隐变量，组成参考隐变量集合。
8、进一步地，所述计算待评估猪肉与纯瘦肉在隐空间中的距离具体过程为：将待评估隐变量集合划分为待评估肥瘦比子空间、待评估纹理子空间、待评估颜色子空间和待评估形状子空间，将参考隐变量集合划分为对应的参考肥瘦比子空间、参考纹理子空间、参考颜色子空间和参考形状子空间；计算各子空间的欧氏距离，计算总加权距离，将总加权距离转换为相似度，通过所有相似度的总和得到总相似度。
9、进一步地，所述总加权距离的具体计算方法为：；式中，表示总加权距离，，表示欧氏距离，表示欧式距离的权重系数，表示待评估隐变量子空间，表示参考隐变量子空间。
10、进一步地，所述相似度的具体计算方法为：；式中，表示相似度，表示待评估猪肉图像样本总数量，表示总加权距离，表示待评估样本与参考样本隐变量对之间的总加权距离。
11、进一步地，所述根据距离和相似度，评估猪肉的大理石纹等级具体为：将总相似度与设定的阈值进行比对，根据比对结果得到相应的大理石纹等级；当 ≥时，评定为一级；当 >≥时，评定为二级，依此类推，其中为预设的阈值，i表示等级序号。
12、本专利技术的有益效果体现在：
13、（1）、本专利技术，利用先进的yolo目标检测技术自动识别猪肉图像中的关键区域，并通过图像预处理技术确保评估的一致性和准确性，进而实现了评估过程的高度自动化和重复性，有效解决了现有技术中人工评估效率低下和主观性强的问题。
14、（2）、本专利技术，通过编码器、解码器和判别器的协同训练，系统不仅学习猪肉图像的表层特征，还能深入理解其隐含的结构特性，进而实现了从隐空间分布中精确重建和评估猪肉的大理石纹，有效解决了现有技术中模型无法捕捉复杂肉质特征的问题。
15、（3）、本专利技术，通过隐变量的维度划分，综合考虑肥瘦比、纹理、颜色和形状等多个关键特征进行评估，进而实现了对猪肉质量的全面评估，有效解决了现有技术中单一特征评估可能导致的偏差问题。
16、（4）、本专利技术，通过计算待评估猪肉与纯瘦肉之间的总加权距离，并转换为相似度，系统可以精确地将相似度与预设阈值进行比较，自动分级猪肉大理石纹等级。这种方法不仅提高了评估的精确度，还保证了评估结果的客观性和可重复性，有效解决了现有技术中评估标准不一致的问题。
本文档来自技高网...【技术保护点】
1.一种猪肉大理石纹等级评估方法，其特征在于，包括：
2.根据权利要求1所述的一种猪肉大理石纹等级评估方法，其特征在于：所述获取原始图像，对原始图像进行预处理得到待评估猪肉图像具体过程为：
3.根据权利要求1所述的一种猪肉大理石纹等级评估方法，其特征在于：所述使用纯瘦肉图像训练编码器、解码器和判别器，输出训练好的编码器参数和隐空间分布具体步骤为：
4.根据权利要求3所述的一种猪肉大理石纹等级评估方法，其特征在于：所述重建损失的具体计算方法为：
5.根据权利要求3所述的一种猪肉大理石纹等级评估方法，其特征在于：所述KL散度损失的具体计算方法为：
6.根据权利要求1所述的一种猪肉大理石纹等级评估方法，其特征在于：所述使用训练好的编码器对待评估猪肉图像进行特征提取具体过程为：
7.根据权利要求1所述的一种猪肉大理石纹等级评估方法，其特征在于：所述计算待评估猪肉与纯瘦肉在隐空间中的距离具体过程为：
8.根据权利要求7所述的一种猪肉大理石纹等级评估方法，其特征在于：所述总加权距离的具体计算方法为：
<...【技术特征摘要】
1.一种猪肉大理石纹等级评估方法，其特征在于，包括：
2.根据权利要求1所述的一种猪肉大理石纹等级评估方法，其特征在于：所述获取原始图像，对原始图像进行预处理得到待评估猪肉图像具体过程为：
3.根据权利要求1所述的一种猪肉大理石纹等级评估方法，其特征在于：所述使用纯瘦肉图像训练编码器、解码器和判别器，输出训练好的编码器参数和隐空间分布具体步骤为：
4.根据权利要求3所述的一种猪肉大理石纹等级评估方法，其特征在于：所述重建损失的具体计算方法为：
5.根据权利要求3所述的一种猪肉大理石纹等级评估方法，其特征在于：所述kl散度损失的具体计算方法为：
6....
【专利技术属性】
技术研发人员：胡辛，龚建军，陶璇，王言，杨雪梅，雷云峰，何志平，梁艳，
申请(专利权)人：四川省畜牧科学研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。