食品质量安全问题已经成为社会重点关注的问题之一,猪肉是市场占有率最大的肉制品,各机构对其品质的快速评定都提出了更高的要求。企业收购生猪时,最关注的是其瘦肉率的高低。国内对瘦肉率的评定大概分为两种:一是在屠宰线上进行,分割后分别称重计算比例;二是使用背膘测定仪、瘦肉率测定仪等设备进行无损检测。分割后称重属于破坏性检测,而超声波仪器等设备价格昂贵,实际操作时需要逐一检测,不适合中小型企业使用。机器视觉技术是指通过图像摄取装置捕获目标图像,再通过数字化处理,根据目标图像中亮度、颜色等信息,进行尺寸、颜色、形状等特征的检测和判断。机器视觉技术以代替人工感官为目的,具有更加精准的判断和更快的检测速度。虽然机器视觉技术是一门新兴学科,但是已经广泛应用于众多领域,在以自动化、智能化为发展趋势的现代工业中,占据着越来越重要的地位。本文介绍了国内外目前对生猪瘦肉率估测的研究进展,分析各设备、方法的优劣之处,对比总结后确定了本设计的可行性和实用性。以检测效率高、速度快为目的,以机器视觉技术为主要手段,以生猪外形特征尺寸比例为参数,设计了一套无损检测生猪瘦肉率的系统理念,本文的主要研究工作包括:1)根据畜牧学和生物学相关知识,初步选取系统需要的外形特征参数。2)对生猪各项特征进行实体检测,用SPSS软件对数据进行统计分析,将初步选取的特征参数进行筛选,并建立其关系模型,找出外部特征与瘦肉率之间的关系。3)采用数码相机拍摄生猪侧面及背面图像,利用图像处理技术对数字图像进行处理分析,提取生猪外形轮廓后定位关键点,通过计算点与点之间的关系得出模型中需要的各项外部特征参数。4)将图像提取数据与实测数据进行对比,验证图像处理技术在生猪外形特征检测中的可行性。5)将外部特征参数作为输入,将瘦肉率作为输出,建立RBF神经网络模型,对瘦肉率进行估测。同时,用检测样本验证可行性,并根据结果调整模型结构。6)建立基于机器视觉技术的生猪瘦肉率无损检测系统。试验结果表明,系统预测值的平均准确率达到了94.5%,基本满足国内市场需求,利用生猪外形特征对瘦肉率进行估测是可行的,其具有无损检测、效率高、成本低的特点,可以为生猪收购者及饲养者提供决策依据。