颜色特征和纹理特征作为重要的图像特征,是图像分类和识别的一个重要方面,并在实际生产及现实生活中得到了广泛应用。嗅觉特征是一种常见的区分不同对象的重要特征,并具有较高的可靠性。猪肉新鲜度是猪肉品质的重要指标,其新鲜度的检测与分级,对于保障猪肉品质安全、维护消费大众的切身利益具有很大的实用价值。因此,将图像特征和嗅觉特征应用于猪肉新鲜度分级具有重要的现实意义。本文首先构建了图像采集系统,主要由数码相机、光照箱、上位机三部分构成。采用Nikon D7000数码相机拍摄放置于光照箱中的猪肉样品图像,通过USB2.0接口将采集的图像传输到上位机,并基于Qt设计了猪肉新鲜度分级软件。提出了一种融合图像特征与嗅觉特征的猪肉新鲜度分级方法。图像预处理方面,对颜色特征的ROI,依次进行图像灰度化、图像去噪、图像分割、形态学处理、图像掩模,得到可用于颜色特征提取的目标图像。对纹理特征的ROI进行了图像灰度化、图像去噪,得到可用于纹理特征提取的目标图像。在特征提取方面,一共提取了22维的颜色特征参数,包括灰度均值,RGB颜色模型的R、G、B三分量,rg色度空间的r、g、b三参数,HSV颜色模型的H、S、V三分量,Lab颜色模型的L、a、b三分量,一阶、二阶、三阶颜色矩。纹理特征一共提取了8维的特征参数,分别是能量、熵、惯性矩、相关性的均值和标准差。嗅觉特征一共提取了10维。在特征降维方面,利用主成分分析法对颜色特征、纹理特征、颜色纹理融合特征、嗅觉特征、图像嗅觉融合特征,分别进行了特征降维,颜色特征由22维降成了7维,纹理特征由8维降成了4维,颜色纹理融合特征由30维降成了10维,嗅觉特征由10维降成了2维,图像嗅觉融合特征由40维降成了10维。在猪肉新鲜度分级模型构建方面,针对165幅原始图像获取的165组数据集,随机选取90组作为训练集,75组作为测试集。依次采用极限学习机模型、随机森林模型、LVQ神经网络模型、支持向量机模型,分别在降维后的7维颜色特征、4维纹理特征、10维颜色纹理融合特征、2维嗅觉特征、10维图像嗅觉融合特征下实现猪肉新鲜度分级。研究结果表明:在四种分级模型中,采用单独的颜色特征、单独的纹理特征、单独的颜色纹理融合特征以及单独的嗅觉特征都不如图像嗅觉融合特征的分级准确率高;无论是颜色特征、纹理特征、颜色纹理融合特征、嗅觉特征还是图像嗅觉融合特征,采用支持向量机模型是最好的选择。