肉类质量在全球已成为日益增长的研究课题。牛肉的品质是决定消费者购买意向和市场价格的主要因素，在牛肉的生产和流通过程中进行牛肉品质的及时检测和监控，对保障牛肉食品安全、促进牛肉生产及合理消费，具有十分重要的作用及意义。在肉类产业，对肉质量指标的量化一直是重要的研究课题。从竞争激烈的肉类工业的角度来说，持续向消费者供应质量等级优异的肉类产品是广大肉类企业赖以生存的基本要素。影响肉类质量的主要指标有:颜色、嫩度、纹理、风味、含水量以及多汁性，其中牛肉的嫩度是决定牛肉质量的最主要因素。目前，牛肉嫩度的检测方法主要有感观评定法和剪切力测定法，前者是通过人工评尝方式决定肉的嫩度，后者则根据牛肉的剪切力WBSF值来决定牛肉的嫩度。人工评尝是一种主观的评定方法，评定人员需经过专门的培训，评定过程耗时、耗力，评定结果主观性强、重复性差;剪切力测定的方法所得出的结果尽管客观、准确，但其过程繁琐、复杂，检测效率低下，根本无法满足牛肉品质的现场检测和在线检测要求。因此，有必要对牛肉品质检测方法和技术进行深入研究，以期开发一种高效、快速的牛肉品质检测技术，实现对牛肉品质的无损在线检测。机器视觉，融合了计算机、信息及数字图象处理等现代技术，其通过区域分割、数字运算等技术手段，对观测对象的主要特征进行定量分析，这在农业和食品质量检测方面，已有大量的研究及应用。用机器视觉方法来检测肉类质量已被认为是切实可行的。目前在中国还没有一套可以在线无损检测肉类质量指标的方法，像肉嫩度的检测，但是就目前要求越来越高端的消费者而言，研究并生产一套无损在线检测肉类质量的系统是市场的必然需求，同时也有利于与国际肉类市场需求接轨。图像的纹理特征在图像分析中起着十分重要的作用，牛肉图像的纹理可以反映出牛肉纤维的尺寸、排列等显著影响牛肉质地和嫩度的特征状态，因此，利用计算机图像处理技术可以对牛肉的质地结构特征进行定量分析和描述。　　设计了两套基于实验室基础的牛肉嫩度检测系统，通过对牛肉的彩色图片以及多光谱的采集及处理，从中寻找预测牛肉嫩度的最佳波段，提取出其纹理特征，再以这些特征参数构建数学模型，实现对牛肉嫩度等级的在线检测。　　同时，从理化角度，建立基于图像处理技术的牛肉肌钙蛋白T(Troponin-T)降解预测模型，通过对牛肉表面图像纹理特征与肌钙蛋白T(Troponin-T)关联性分析，找到牛肉表象特征能反映牛肉嫩度变化的理化原因。　　研究内容主要包括两大部分，第一部分包括:基于彩色与多光谱图像技术的牛肉嫩度检测系统。通过图像处理技术，研究不同嫩度牛肉图像的纹理特征，分析牛肉图像纹理特征参量与牛肉WBSF值之间的关系，以牛肉图像的纹理特征参量，作为确定牛的嫩度肉定量指标。从四个不同部位的牛肉样本来采集彩色和多光谱图像，这四个部位包括:背最长肌，半膜肌，冈上肌，股二头肌。在这部分研究中，牛肉样本的彩色图片首先由数码相机获取，然后转化为灰度级图像。随后由一个黑白工业用CCD相机拍摄多光谱图像，其中多光谱包括四个波段，分别是:440纳米、550纳米、710纳米和810纳米。包含在这两个机器视觉系统的单个模块有:图像采集、图像分割、图像处理、特征提取、模型设计以及分类识别。每幅彩色和多光谱图像分别提取出88个灰度共生矩阵纹理特征，81个二维快速傅立叶变换特征，48个小波纹理特征。随后，多元数据处理模型，包括多元逐步回归，以及神经网络中的支持向量机模型，被用于牛肉嫩度指标的分类与预测。　　第二部分研究是:基于彩色图像纹理特征分析技术的牛肉肌原纤维蛋白降解预测方法。肌肉嫩度与肌肉蛋白质的降解量密切相关。肉的嫩度取决于肌原纤维和肌内结缔组织的特性且随着死后成熟时间的延长而提高。肉的嫩化分两个阶段，一是快速阶段，主要是肌原纤维结构的弱化，二是慢速阶段，主要是由于肌肉结缔组织的结构弱化等，宰后嫩化主要是肌原纤维蛋白的变化。所以弄清楚肌原纤维蛋白的变化有助于理解牛肉嫩化过程中所产生的肌肉纤维素的改变机理，从而解释不同嫩度的牛肉样本表面纹理特征的不同。肌钙蛋白T(Troponin-T)是骨骼肌完整细丝的一部分，肌钙蛋白分子的延长部分和原肌球蛋白结合，协调肌肉收缩中肌动、肌球蛋白之间的关系。Troponin-T由3个亚基构成，即钙结合亚基(TnC)、抑制亚基(TnI)和原肌球蛋白结合亚基(TnT)，其中TnT分子量为30.5～37kD，能结合原肌球蛋白，起联结作用。成熟过程中Troponin-T降解产生28kD和30kD的蛋白肽，这些降解产物的含量与肉的嫩密切相关。牛肉样本（3d和10d）通过蛋白质印迹法对肌钙蛋白T(Troponin-T)进行降解实验，被分为降解和未降解两部分。同时对牛肉样本采集彩色图像，运用课题中提到的灰度共生矩阵法、快速傅立叶变换法、小波变换法对每幅图像提取出了217个纹理特征。然后运用逐步回归分析，支持向量机的方法对牛肉肌原纤维蛋白降解T(Troponin-T)进行预测分析，以期达到从牛肉图像纹理特征角度预测牛肉肌钙蛋白降解T，从而解释牛肉图像纹理特征参数与嫩度具有关联的理化理论基础。　　第一部分研究结果表明，以牛肉彩色图片纹理特征为模型输入变量，逐步回归模型对背最长肌的嫩度预测结果最好可达到80％，支持向量机预测背最长肌最佳预测率可达到100％。支持向量机与逐步回归模型对股二头肌的最佳预测率可达到100％。对半膜肌，支持向量机与逐步回归模型最佳预测率分别为60％与50％，对冈上肌，支持向量机模型可准确预测90％而逐步回归模型最佳预测率为70％。以牛肉多光谱纹理特征为模型输入变量时，支持向量机与逐步回归对股二头肌四个波段的嫩度预测率均为77％。对于背最长肌，支持向量机在440nm，550nm，710nm对嫩度的最佳预测率可达到100％，逐步回归则为80％（440nm和810nm）。对于半膜肌，支持向量机嫩度的最佳预测率分别为75％(440nm)和65％(810nm)，而逐步回归模型的最佳预测率分别为85％(440nm)，80％(810nm)，70％(550nm)。对于冈上肌，逐步回归对其最佳预测率可达到90％(810nm)，而支持向量机预测的最佳正确率为100％(440nm，810nm)。　　第二部分实验结果表明，对于牛肉肌钙蛋白降解，逐步回归模型对于3d和10d的预测正确率分别为94％和86％。支持向量机的对于3d和10d的正确预测率分为别63％和71％。