使用图像处理来快速分类肉类的埃塞俄比亚牛肉大理石分数的建模
Tariku Erena1, Abera Belay1, Demelash Hailu1
1Department of Food Science and Applied Nutrition, Bioprocessing and Biotechnology Center of Excellence, Addis Ababa Science and Technology University, Addis Ababa P.O. Box 16417, Ethiopia.
Journal of imaging
|June 26, 2024
概括
这项研究开发了一种使用图像处理和机器学习的数字工具,用于预测埃塞俄比亚牛品种的牛肉大理石化得分. 这些发现证实了大理石和肉质量属性之间的联系.
科学领域:
- 动物科学动物科学
- 食品科学 食品科学 食品科学
- 计算机科学 计算机科学
背景情况:
- 牛肉的高度与优越的感官质量有关.
- 准确预测大理石化对于肉类行业至关重要.
- 埃塞俄比亚本土的牛品种,如博兰,森加和谢科,需要进行质量评估.
研究的目的:
- 用数字图像处理来预测博兰,森加和谢科牛的石分数.
- 分析大理石,纹理和感官属性之间的关系.
- 开发一个数字工具,用于客观地评估牛肉质量.
主要方法:
- 数字图像处理被用来分析长长背肌中的大理石化.
- 一个极端梯度提升 (GBoost) 机器学习算法预测了大理石分数.
- 使用纹理分析仪和训练有素的感觉面板评估了肉质和感觉特征.
主要成果:
- 该GBoost模型准确地预测了R2 = 0.83.83的石分数.
- 博兰牛表现出最高的脂肪含量和大理石分数.
- 在两种品种之间观察到温柔和感官属性的显著差异.
结论:
- 成功开发了一种数字工具,用于预测埃塞俄比亚牛品种的牛肉大理石分数.
- 该研究验证了牛肉和关键质量属性之间的相关性.
- 开发的技术具有在肉类行业和质量控制中应用的潜力.
