[0001] 本发明属于猪肉品质评价技术领域，具体涉及一种猪肉大理石纹标准化评价方法。

[0002] 研究表明，猪的背最长肌中丰富的肌内脂肪会削弱胶纤维束间交联结构，减弱肌原纤维间作用，降低肌肉组织紧密度，从而改善肉的嫩度。这种肉在蒸煮过程中，肌内脂肪也会对肌纤维热收缩起一定缓冲作用，减少肌纤维收缩，使得肉的嫩度口感较好。

[0003]  根据猪肉中大理石纹的丰富程度，猪肉分为多个等级，包括可见极少量大理石纹、可见少量大理石纹、大理石纹稀疏、大理石纹较明显、大理石纹明显、大理石纹很明显，其分级方法参见行业标准《NY/T 821‑2019，猪肉品质测定技术规程》。然而，该标准依据的是人工肉眼主观判断，受到人为影响因素较大。

[0004] 随着计算机技术飞速发展，利用机器视觉技术来对大理石纹猪肉进行评价的方法逐渐被开发出来，例如，文献CN202110262055X公开的基于机器视觉的肥育猪肉肉质评价方法及系统，采集待测猪肉的猪肉图像，将猪肉图像分割成多个子区域图像，筛选各个子区域图像中的所有肌肉子图像作为肌肉子图像集合，建立肌肉子图像集合中各个肌肉子图像的快速扫描序列表，依次检测肌肉子图像集合的各个肌肉子图像中是否存在亮度高于酸化亮度阈值的肌肉子图像，如果存在亮度高于酸化亮度阈值的肌肉子图像则标记待测猪肉为不新鲜猪肉，否则标记待测猪肉为新鲜猪肉，形成量化的评价，快速、准确的对猪肉的品质进行评定。再如，文献CN2019102918237公开的基于三维纹理特征的肉质定量分析评价方法，获取种猪三维数字图像，选择位于第10根肋骨和第11根肋骨之间区域为兴趣域，结合三维高斯滤波器和小波变换图像增强技术对目标区域进行预处理，采用三维的区域生长法对预处理后的图像进行分割，提取猪背最长肌的三维图像，提取三维图像的纹理特征，根据提取的特征通过多元线性回归法得到特征与已知大理石花纹等级之间的关系。然而，前述方法对算法模型要求和操作要求较高，难以在实际工作中推广应用。

[0005] 更关键的是，无论是采用现有的人工肉眼主观判断方式还是借助于机器视觉技术进行识别判断，都存在一个影响评判结果的关键问题没有解决：无法精确表征和快速提取猪肉切面的大理石纹区域。

[0017]  下面结合附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。实施例1

[0018] 一种猪肉大理石纹标准化评价方法，步骤依序包括：步骤1，从屠宰的某品种猪只的左半胴体上取样，得肉样，本步骤若是针对背最长肌则可参照行业标准《NY/T 821‑2019，猪肉品质测定技术规程》中相应的取样方法；
步骤2，将所得肉样放置于透明容器中；
其中，透明容器采用顶部敞口的筒状结构，透明容器底壁采用壁厚为3.4mm的钢化玻璃，透明容器底壁侧壁采用壁厚为3mm的薄壁亚克力板，透明容器底壁与侧壁粘接连接；
步骤3，将带有肉样的透明容器置于0℃ 4℃的环境中保存24h±10min；
~
步骤2和步骤3的配合实施非常关键，主要作用之一是基于肉样自身重量和柔性特性将切取的大理石纹猪肉切面自适应调整成为标准识别区域；
步骤4，将带有肉样的透明容器置于（固定在）拍摄架上并对肉样进行定形处理，透明容器底端面位于高清摄像机的镜头正上方，然后在设定光照状态下拍照，得肉样图片；
其中，对肉样进行定形处理的步骤为：将粒径不小于20目的绿色大米粉末颗粒从肉样边沿倒入透明容器内，直到肉样与透明容器侧壁之间的空间被填满，绿色大米粉末颗粒制备方法为市售蒸肉米粉颗粒在绿色染料中浸泡两分钟后干燥而成；
通过本步骤的操作，能够将前述肉样拍摄成非常标准的肉样图片，完全避免了因肉样局部凹陷或凸起以及光线误差而影响评价结果的问题，而且便于对不同尺寸或不同轮廓的肉样进行摄操作，其中，肉样图片的绿色轮廓外边界对应透明容器内腔底端的边界；
步骤5，对所得肉样图片进行图像调整处理，得处理图片，可以先调整肉样图片的亮度，然后调整肉样图片的对比度，使得肉样图片中的肉样主要呈现红色黑色和白色区域（当肉样上有深色肉块时，深色肉块区域经调整处理后会呈现黑色效果，此时的黑色区域本质上属于非肌内脂肪及结缔组织，因而需要将黑色区域视为瘦肉）；
步骤6，计算大理石纹白色区域、总白色区域相对于整个肉样面积的占比；具体地，选定区域后可以借助于图片处理软件中的面积测量模块进行计算：先获取绿色填充料边界范围内的总面积S总，然后获取绿色填充料边界范围内的红色区域总面积S红和黑色区域总面积S黑，再获取绿色填充料边界范围内的绿色区域总面积S绿，按照下式计算绿色填充料边界范围内的白色区域总面积S白，
&白=100% *（S总‑ S红 ‑ S绿‑ S黑）/ S总；
进一步地，在切取肉样时未剔除瘦肉边界处（靠近表皮测）的结缔组织时，如需计算大理石纹白色区域（即瘦肉边界范围内的白色条纹）相对于整个肉样面积的占比，则还需要将瘦肉边沿处的长条状结缔组织所占面积计算出来，即获取绿色填充料内边界与红色区域外边界之间的长块状白色区域面积&白外，这一区域与瘦肉边界范围内的大理石纹基本上不连续/衔接（见图中瘦肉上沿的长条状白色区域），很容易识别；因此，&白总=100% *（S总‑S红‑S绿‑ S黑 – S白外）/ S总；
如果在切取肉样时已完全剔除瘦肉边界处（靠近表皮测）的结缔组织时，则只需要按照&白=100% *（S总‑S红‑S绿‑ S黑 ）/ S总这一公式进行计算；
步骤7，根据所得面积占比给出评价结果。

[0019] 某肉样具有长条形的结缔组织和大量非肌内脂肪，在切取肉样时未剔除瘦肉边界处（靠近表皮测）的结缔组织，按照本实施例中的方法，经步骤4拍摄得到的肉样图片如图1所示，再经步骤5进行图像调整处理后得到的处理图片如图2所示，最后按照步骤6计算得到的总白色区域相对于整个肉样面积的占比为21.77%。对于该肉样对应的品种猪肉，按照“肉样大理石纹白色区域面积占比&白总≤1%对应Ⅵ级花纹肉，肉样总白色条纹面积占比为1%＜&白总≤3%对应Ⅴ级花纹肉，肉样总白色条纹面积占比3%＜&白总≤6%对应Ⅳ级花纹肉，肉样总白色条纹面积占比6%＜&白总≤10%对应Ⅲ级花纹肉，肉样总白色条纹面积占比10%＜&白总≤15%对应Ⅱ级花纹肉，肉样总白色条纹面积占比&白总＞15%对应Ⅰ级花纹肉”的方式进行划分，该肉样对应的大理石花纹猪肉的品质为Ⅰ级。同理，对于该肉样按照步骤6计算得到的大理石纹白色区域相对于整个肉样面积的占比为8.3%。按照“肉样大理石纹面积占比&白≤0.5%对应Ⅵ级花纹肉，肉样大理石纹面积占比为0.5%＜&白≤1%对应Ⅴ级花纹肉，肉样大理石纹面积占比1%＜&白≤3%对应Ⅳ级花纹肉，肉样大理石纹面积占比3%＜&白≤5%对应Ⅲ级花纹肉，肉样大理石纹面积占比5%＜&白≤7%对应Ⅱ级花纹肉，肉样大理石纹面积占比&白＞7%对应Ⅰ级花纹肉”的方式进行划分，该肉样对应的大理石花纹猪肉的品质为Ⅰ级。

[0020]  前述步骤5和步骤6可以由人工协助处理，也可以通过编写控制程序后由计算机进行自动处理，还可借助于人工智能模型进行处理。实施例2

[0021] 一种猪肉大理石纹标准化评价方法，参照实施例1，其与实施例1的区别在于：绿色填充料采用面粉在绿色染料中浸泡两分钟后干燥而成。实施例3

[0022] 一种猪肉大理石纹标准化评价方法，参照实施例1，其与实施例1的区别在于：绿色填充料采用细沙粒（如取自沙漠中的沙粒）在绿色染料中浸泡两分钟后干燥而成。实施例4

[0023] 一种猪肉大理石纹标准化评价方法，参照实施例1，其与实施例1的区别在于：透明容器采用壁厚为3mm亚克力筒，该透明容器的底壁能够承受0.5kg的猪肉而不发生变形。

[0024]  本发明巧妙地解决了因大理石纹猪肉切面差异而影响评判结果准确性的问题，无论是借助于机器还是人工操作形成的切面，都能够通过本发明的方案自适应调整成为标准识别区域，能够精确表征和快速提取猪肉切面的大理石纹区域；本发明方案实施过程简单，无需采用复杂和昂贵的计算模型，了解Photoshop软件的普通技术人员即可操作，非常实用；本发明在现有行业标准《NY/T 821‑2019，猪肉品质测定技术规程》的基础上，构建了一种新的猪肉大理石纹标准化评价方法，能够更准确的定量表征猪肉品质。