随着人们对饮食卫生要求的提高,越来越多的人开始关注如何能够快速、准确、简便的辨识食品的新鲜度。猪肉是人们日常生活的主要副食之一,猪肉新鲜度的智能辨识具有相当的研究价值。目前,猪肉新鲜度的辨识主要采用较为传统的方法,例如感官检查、微生物检查、物理方式检查等等。这些检测方法都存在不同程度上的缺陷,要么受主观因素影响比较大,要么检测过程复杂、耗时且成本高。气体检测技术、CCD成像技术、数字图象处理技术、人工神经网络技术以及DSP图象压缩技术的发展与应用,为猪肉新鲜度智能辨识方法的研究提供了强有力的理论基础与技术支持。本文通过应用气体检测技术、CCD成像技术以及数字图象处理技术实现了能够反映猪肉新鲜度主要特征参数的实验提取;通过人工神经网络技术实现了猪肉新鲜度的辨识;并基于DSP技术初步实现了猪肉新鲜度智能辨识系统的硬件构架和软件编程。通过对猪肉腐败变质机理的分析发现,猪肉的腐败变质是非常复杂的物理和化学过程,仅仅依赖一种方法或某一方面的数据很难准确地实现对猪肉新鲜度的辨识。研究发现,猪肉在腐败过程中释放出来的氨气、硫化氢、猪肉颜色的变化、脂肪组织中单位面积内完整的脂肪细胞数量的变化能够从一定程度上反映出猪肉的腐败程度。本课题中,在同一时间、同一密闭环境中实现猪肉腐败氨气和硫化氢、颜色值、单位面积完整脂肪细胞个数的实验数据与图象信息的采集。氨气和硫化氢的实验数据采集是通过由传感器构建的简易气体采集系统实现的;颜色值以及单位面积脂肪细胞的数据采集首先通过CCD图象采集卡采集到图象,然后通过图象增强、霍夫变换、自动分割、颜色模型转换提取等方法处理后,最终获取颜色值(H、S、I)以及单位面积内完整的脂肪细胞个数。TVB-N是我国检测肉类新鲜度的国家标准,它能有规律地反映新鲜肉、次新鲜肉和变质肉之间的差异,并与感观变化一致,是较为客观的指标。本文基于人工神经网络技术,建立BP神经网络以找出氨气、硫化氢、颜色值(H、S、I)、单位面积完整脂肪细胞数量与TVB-N之间的对应关系。以氨气、硫化氢、H、S、I和单位面积完整脂肪细胞数量作为BP神经网络的输入量,以TVB-N值作为网络的输出变量,训练神经网络从而实现对猪肉新鲜度的辨识。利用Visual C++ 6.0和MATLAB实现算法的调用以及前台界面的人机化操作,建立了一套猪肉新鲜度的智能辨识系统。在智能辨识系统的软硬件构架上,应用DSP技术将图象信息的采集、压缩、传输以及气体传感器数据的采集与传输工作移植于便携式猪肉新鲜度检测仪中,利用局域网进行数据传输,在上位机完成图象处理与模式识别,并将猪肉新鲜度的辨识结果传回便携式猪肉新鲜度检测仪显示于LCD界面。初步构建出了猪肉新鲜度检测的便携式终端设备。本文提出的对猪肉新鲜度智能检测的检测方法可以快速、准确地检测猪肉的新鲜度,其结果与利用TVB-N指标检测的结果基本能够保持一致,该项技术并可以扩展到其它相关检测领域,具有一定的应用价值。