طراحي و ارزيابي الگوريتم پردازش تصويري براي تخمين محتوي چربي گوشت قرمز

Design and evaluation of an image processing algorithm for estimation of steaks’ fat content

در اين تحقيق از ماشين بينايي جهت تعيين ميزان چربي گوشت قرمز استفاده شده است. نمونه هاي گوشت براي تصوير برداري در يك اتاقك تصوير برداري با پيش زمينه آبي قرار گرفتند. جهت به دست آوردن يك الگوريتم مناسب از ويژگي هاي رنگي تصاوير استفاده شد. مراحل كلي اين كار شامل تهيه تصاوير، خواندن تصاوير در نرم افزار متلب، جدا كردن پيش زمينه از تصوير، جدا كردن بافت چربي از گوشت و محاسبه مساحت چربي مورد نظر نسبت به مساحت گوشت مي باشد. جهت كسب اطمينان از اينكه نتايج به دست آمده تا چه حد به واقعيت نزديك است، از نمونه هاي گوشت خالص و چربي خالص كرديم. دقت الگوريتم براي شناسايي دو نوع بافت گوشت و چربي خالص به ترتيب برابر با 99/65 و 99/21 درصد به دست آمد. مقدار خطاي ايجاد شده ناشي از تغيير رنگ در بعضي نمونه ها و وجود سايه در بعضي نقاط بود. پس از اطمينان از دقت الگوريتم، از نمونه هاي ديگر كه بافت آنها تركيبي از گوشت و چربي بود، مورد ارزيابي قرار گرفتند، كه در هر نمونه ميزان چربي و گوشت با محاسبه پيكسل هاي مربوط به هر ناحيه محاسبه شد.

In this research an algorithm was developed for determining fat lean ratio of steak samples from images. The samples are placed and imaged in an imaging room over a blue background. The algorithm was based on the color information extracted from the images. The overall process included i) imaging, ii) calling images in MATLAB, iii) preprocessing and enhance the contract between meat regions and background, iv) segmenting meat and fat regions from the background and v) calculating the fat/lean ratio. The algorithm was tested on the images of fully lean and fully fat steaks were the accuracy was found to be over 99% for both image groups. The error caused by the change of color in some instances and the shadow. Several images of new testing samples were also analyzed using the developed algorithm