逄 滨

（青岛农业大学食品科学与工程学院，山东青岛 266109）

目前，我国鹅肥肝质量分级主要包括感官指标分级、重量分级、理化指标分级等。其中感官指标分级主要根据鹅肥肝的色泽等级并辅之以弹性、损征和气味等进行人工评级。这种人工分级方法依赖评级员的感官和经验，具有很强的主观性和不一致性，而且评级效率低，不能满足现代鹅肥肝产业的发展要求。

采用机器视觉技术实现农产品品质检测与自动分级应用已成为近年来农产品加工与检测领域的研究热点，主要涉及了农产品颜色[1-7]、面积大小及形状[8-13]、表面损伤及缺陷检测[14-16]等。目前应用机器视觉技术进行鹅肥肝色泽自动分级的研究较少，但在其他肉类（牛肉、猪肉等）颜色分级领域的研究已经较为成熟。在牛肉颜色分级研究方面，陈坤杰等[1]采用计算机图像处理技术，计算得到了牛肉肌肉区域的R、G、B、H、S、I颜色特征分量，并分析了这些颜色特征分量在牛肉储藏期间的变化规律；陈坤杰等[2]以这些颜色特征分量的参数值作为输入，构建了基于BP神经网络的牛肉肌肉颜色等级预测模型，模型的预测准确率可达95%；CHEN等[3]提取了牛肉眼肌切面的皮下脂肪区域的12个脂肪颜色特征，并以12个颜色特征参数为输入、脂肪颜色等级为输出，建立了一个最优支持向量机（SVM）分级模型，模型的预测准确率为97.4%；SUN等[4]分析并提取了21个牛肉精肉图像的颜色特征，并分别利用多元线性回归法（MLR）和支持向量机法（SVM）建立了牛肉肌肉颜色分级模型，其模型的预测准确率分别为86.8%和94.7%。……