家禽分割產品質量分級技術的研究進展

中國農業機械化科學研究院 北京 100083

中國是禽肉生產和消費大國，其中，肉雞生產量與消費量居世界第2位，隨著我國肉雞規模化和產業化飼養水平的不斷提高，其生產和消費水平呈持續增加趨勢[1]。消費者越來越重視肉類的安全、健康和質量，對肉類產品的營養價值、口感以及味道等都將提出更高要求[2]。當前，家禽分割產品的消費占禽肉產品消費的主導地位，將家禽分割產品分級可以提高產品附加值、滿足多元化飲食消費的市場需求，從而增加家禽加工企業的經濟效益。根據市場需求，提升我國家禽分割產品快速分級技術，形成禽肉產品梯次加工生產線將成為提高禽肉品質的關鍵。

我國家禽分割產品有其各自的分級指標[3，4]，例如：雞分割肉主要根據分割肉形態、肉色和分割肉脂肪沉積程度進行分級；鴨腿主要根據鴨腿的肉塊是否完整，是否骨折，表皮是否有破損、異常色斑、殘留長絨毛、可見異物等，并結合重量進行分級；鴨翅主要根據全翅是否完整，是否骨折，表皮是否有破損、異常色斑、殘留長絨毛、可見異物等，同時，結合重量進行分級。

家禽分割產品分級方法主要有稱重分級和質量分級2種[5]，稱重分級是根據宰后胴體或分割產品的重量進行分級，國內外對重量分級研究較早，目前稱重分級技術和系統相對成熟并廣泛應用于生產線。

本文重點介紹國內外家禽分割產品質量分級技術的研究進展。荷蘭Meyn、丹麥Linco公司在家禽分級方面處于領先地位，單線最大加工能力可達7 000只/h。Meyn公司開發的家禽質量分級系統，可依據家禽顏色快速分級；Linco公司生產的質量分級系統采用4組攝像頭進行拍攝，分級的同時統計羽毛殘留、表皮磨損、擦傷或骨折等缺陷。禽肉產品經過系統評定、分級后被送入不同的加工通道，進入相應的加工工序，分級流程如圖1所示。

圖1 禽肉分級流程圖

目前，我國中小型家禽加工企業主要以人工、半自動化為主，生產效率低于5 000只/h，存在勞動效率低，勞動力成本高，制約生產線產能；給產品帶來二次污染；受主觀因素影響導致分級結果不穩定等問題。因此，研發基于禽肉質量的在線快速、精準分級技術，對于提升我國家禽分割加工自動化水平和衛生安全水平具有重要意義。

1 肉品質量無損檢測技術

無損檢測(也叫非破壞檢測和非接觸檢測)可以提高產品分級速度和精準度，最大限度地避免主觀因素的影響，實現產品等級評定的客觀性和一致性。目前，用于肉品的無損檢測技術主要有近紅外光譜技術、超聲波技術、機器視覺技術、高光譜成像技術和嗅覺可視化技術等。以上幾種無損檢測技術在實驗階段均取得了良好的效果，部分已應用于實際生產且分級準確率高。

1.1 近紅外光譜技術

近紅外光譜技術可以定量分析并預測雞肉顏色值、pH值、雞肉化學成分(脂肪、蛋白質及水分)，該技術在肉品動物來源、雞肉產地溯源及質量等級劃分的定性分析中展現出良好的實用性[6～8]，已被證明是一種檢測家禽、肉品等安全的無損檢測技術。近紅外光譜技術通過可見/近紅外光照射家禽胴體或肉品表面，利用家禽胴體或肉品對各波長的反射率作為分級參數對家禽胴體或肉品分級[9～18]。為了能夠在線區分家禽屠宰前是否健康，美國儀器與傳感器實驗室、Beltsville農業研究中心、美國農業研究局和美國農業部共同探究了基于BP神經網絡的家禽胴體分類識別技術[9]。技術原理如圖2所示。光纖探頭2由光源出口、反射光接收裝置和特氟龍(Teflon)材料反光塊組成。鹵鎢光源9發出光，經分叉光纖束3和光纖探頭2照射到家禽胴體和Teflon反光塊；光纖探頭的反射光接收裝置分別接收家禽胴體和反光塊反射的光，并通過光譜攝制儀、光二極管陣列檢測器和計算機等后續裝置得到家禽胴體反射的190個波長的能量與反光塊反射的相應波長的能量比率。

將每個波長反射比率作為一個輸入節點，形成190個輸入節點，25個隱含層節點，2個輸出節點的BP神經網絡模型。通過訓練該神經網絡，得到190個波長的反射率與家禽生病、未生病兩個等級間的函數關系，經實驗驗證，該模型可達到94%以上的準確率。

圖2 在線近紅外光電二極管列陣分光光度計系統1.掛拍 2.光纖探頭 3.分叉光纖束 4.光譜攝制儀 5.光二極管陣列檢測器 6.計算機 7.計算機接口卡 8.電燈電源 9.鹵鎢光源 10.家禽樣品

Juan Xing，Michael Ngadi[11](2007)等根據肉品外觀(顏色、視覺肌理等因素)研究了可見光譜在豬肉質量分類的應用。該研究采集反射光的波長在400～700nm范圍，波長每增加10nm采集一個數據，通過統計學方法分析，將新鮮豬肉和變蒼白豬肉區分的準確率可達85%。M.Monroy, S. Prasher[12](2010)等利用光譜技術并將光譜細分，在波長350～2 500nm范圍，波長每增加1nm采集一個數據，利用逐步回歸分析選擇重要的波段對樣品分析，通過統計方法將豬肉分成四個等級的正確率可達79%。Everton J. Santana , Bruna C. Geronimo[13](2014)等利用兩種模型研究可見/近紅外光譜技術在肉類分級中的應用，兩種模型分別為統計學模型和機器學習模型，研究結果表明，機器學習支持向量機模型明顯優于統計學模型。Yi Yang, Hong Zhuang[16](2018)等利用基于可見光/近紅外光譜的偏最小二乘回歸模型，將150個雞肉片正確分為三個質量等級。研究選取了影響雞肉質量的五個主成分，提出一種基于主成分評分的質量等級分類方法。用這種方法將150個雞肉片正確分為三個質量等級校準和預測集的分類精度分別為85%和80%。

吉林大學謝新月[18](2013)在基于光譜特性肉品種類及新鮮度識別方法研究中采用小波變換與人工神經網絡相結合的方法，首先，對牛肉、豬肉和雞肉三種肉品測量，獲得可見光區域內的肉品原始光譜信號；隨后，對光譜信號進行小波變換消除噪聲影響；最后，分析光譜特征，建立四級BP人工神經網絡。實驗表明，肉品光譜信號經小波預處理后，可達到消噪和平滑的目的，提高了識別的有效性和準確性。

綜上所述，近紅外光譜技術在分析肉品的內在質量，如脂肪、蛋白質和水分含量，以及肉品顏色等方面呈現出較好的效果；分類越少準確率越高；對采集到的信號有效的去噪聲處理可以提高準確率；如何提取有效特征是模型訓練成功的關鍵；參數分析方面，使用機器學習算法明顯優于傳統統計學方法。目前，近紅外光譜技術多用于羊胴體的質量檢測和分級，將該技術應用于禽類分割產品分級生產線中具有可行性。

1.2 超聲波技術

超聲波檢測技術是依據聲波在肉品中傳播時的反射、散射、透射、吸收，以及衰減系數、傳播速度、自身聲阻抗和固有頻率等特性，反映肉品與聲波相互作用時產生的特征信息,據此實現對肉品質量的快速無損檢測[19]。研究表明，超聲波可以測量豬胴體背膘厚度和肌肉厚度，得到豬肉的瘦肉率，以瘦肉率為標準將胴體分級[5,20]。該裝置的示意如圖3所示，16個2.0MHZ的超聲波傳感器以25mm的間距嵌入到U型槽中。傳感器每5mm測定一個點，每個豬胴體大約可以測量3 200個點的背膘厚度和肌肉厚度，從而生成三維超聲圖像計算瘦肉率，并通過瘦肉率對豬胴體分級。

圖3 超聲波測量豬胴體瘦肉率裝置1.U型槽 2.超聲波傳感器

目前，超聲波技術主要應用于豬胴體瘦肉率的檢測及質量分級，在家禽類產品中未見相關研究，超聲波技術是否適用于家禽產品質量分級有待進一步探究。

1.3 機器視覺技術

計算機視覺技術在農產品檢測領域得到廣泛應用，它通過光學成像傳感器代替人眼獲取被檢對象的圖像信息，利用圖像處理和模式識別算法模擬人的判別準則去理解圖像，被認為是一種有前景的食品質量客觀評估方法[21]。

Titin Yulianti, Afri Yudamson[22](2017)等研究了基于顏色強度測量法的肉質分類技術，該研究通過測量牛肉圖像R、G和B通道的平均顏色強度百分比，區分新鮮與不新鮮的牛肉。經特征提取分析得到R通道顏色強度百分比有明顯差異，新鮮牛肉的R通道強度平均值為56.38%～66.33%；不新鮮的牛肉R通道強度的平均值為37.76%～51.71%。

丁筱玲[23](2017)、吳玉紅[24](2016)等研究了基于機器視覺技術的雞翅質量預測，運用機器視覺技術采集140根雞翅的俯視和側視圖像建立圖像庫，并對庫中圖像灰度化、形態學運算等處理；分別提取雞翅俯視圖和側視圖的面積、輪廓周長、長軸、短軸特征，采用相機標定方法計算出實際各項特征值，分別建立雞翅實際質量和樣本實際特征值之間的一元線性、冪指數及多元混合預測模型，應用于雞翅質量分級。

涂冬成[25](2011)在禽肉肉色、彈性和嫩度的圖像和激光誘導熒光無損檢測技術研究中以雞、鴨、鵝禽肉為研究對象，利用機器視覺技術提取禽肉的肉色特征參數，分別采用SVM(支持向量機)和F-KNN(應用模糊k-近鄰法)方法，研究結果表明：采用SVM(支持向量機)方法建立的禽肉肉色分類器對肉色分級比采用F-KNN(應用模糊k-近鄰法)分類器分別對雞、鴨、鵝禽肉色分級的檢測準確率高。

機器視覺技術可以通過RGB通道分析技術分析肉質顏色和影響顏色的特征，如新鮮度、水分含量等，通過顏色將肉品分級；也可以提取圖像的面積、輪廓周長等特征信息，將雞腿、雞翅等需要通過輪廓大小分級的產品分級。目前，機器視覺技術主要應用于牛胴體、家禽質量分級生產線中，具有簡單、快速、環保等優點。

1.4 高光譜成像技術

近年來，高光譜成像技術在肉品質量檢測和評價中的應用成為研究熱點，該技術被廣泛應用于食品安全與農產品質量檢測中，并取得了較好的研究成果[26,27]。姜新華、薛河儒[28](2018)等研究基于高光譜的冷鮮羊肉新鮮度分級技術，以揮發性鹽基氮(TVB-N)值對冷鮮羊肉新鮮度等級進行劃分，利用三層神經網絡進行分類識別驗證，將羊肉新鮮程度分為三個等級的識別準確率為93.93%。范中建、朱榮光[29](2018)等同樣以揮發性鹽基氮(TVB-N)值對冷鮮羊肉新鮮度等級進行劃分，通過建立Adaboost-BP模型，將羊肉新鮮程度分為三個等級的準確率提高到94.44%。

高光譜成像技術融合了傳統機器視覺成像技術和光譜技術的優點，可以同時獲取被檢測物體的空間信息和光譜信息。由此可見，高光譜成像技術既可以像傳統機器視覺技術一樣檢測物體的外觀質量，又可以像光譜技術一樣檢測物體的內在質量和質量安全，在禽類分割產品分級中具有較高的研究價值。

1.5 嗅覺可視化技術

嗅覺可視化技術是一種氣體成像的新技術，利用敏感化合物(金屬卟啉、原卟啉和pH指示劑)做顯色劑，與受測物質揮發性氣體發生顯色反應，通過顯色劑的顯色情況，判斷氣體的濃度變化。肉類變質的一個主要原因是優勢腐敗菌利用豬肉中的蛋白質、碳水化合物、脂肪等營養物質進行自身代謝，產生代謝產物如硫化物、胺類等，變質過程中伴隨著豬肉氣味和pH值的變化。因此，可以通過微生物計數來判斷豬肉的新鮮程度。

趙杰文[30](2013)等以卟啉和pH指示劑作為嗅覺可視化傳感器陣列的氣敏材料，通過檢測接種優勢致腐菌的豬肉樣本，在特定溫度和時間反應前后的圖像信息，成功檢測豬肉中的優勢致腐菌和新鮮度。黃星奕[31](2011)等利用嗅覺可視化技術對豬肉新鮮度等級進行評判，通過提取豬肉的揮發性氣體與可視化傳感器陣列進行反應，用圖像處理技術分析反應前后傳感器陣列的顏色變化，獲取反映新鮮度的氣味特征信息。通過主成分分析，選取前10個主成分作為建立BP神經網絡的輸入變量，構建豬肉新鮮度等級判別模型，模型的預測正確率為84.62%。電子鼻(即氣味掃描儀)能識別并檢測復雜的嗅味和揮發性成分，具有響應時間短、檢測速度快、測定范圍廣等優點，目前該技術已應用于家禽分級生產線中且分級效果較好。

綜上所述，近紅外光譜技術分析肉品的內在質量，如蛋白質、脂肪含量、含水率等方面效果顯著；機器視覺技術在分析肉品的外觀質量，如顏色、輪廓等方面效果顯著；高光譜技術可以同時獲取被檢測物體的空間信息和光譜信息，對于綜合評定肉質有較高的研究價值；嗅覺可視化技術可以通過檢測肉品的氣味來判斷微生物的多少進而判斷肉質的新鮮程度。

2 基于質量的家禽分割產品自動分級系統的應用

基于質量的家禽分割產品自動分級系統主要由信號采集設備、中央控制系統和執行機構組成。其中，信號采集設備采集產品的特征信號；中央控制系統分析處理采集的信號得到分級結果，同時根據分級結果產生控制信號；執行機構接收控制信號并執行相應的動作，將家禽產品有效分級。

圖4為Meyn公司開發的雞爪識別、分級系統原理圖。其中，7高速攝像機為信號采集設備，其作用是采集雞爪的圖像信息；9計算機為中央控制系統，其作用是分析并處理高速攝像機采集的圖像信息，根據圖像中雞爪的顏色和足墊損傷的大小分級并產生控制信號；其余機械裝置為執行機構，其作用是運輸雞爪并根據控制信號將不同等級的雞爪輸送到相應的加工通道，進入下一步加工工序。

圖4 雞爪分級生產線原理圖1.雞胴體輸送線 2.雞爪輸送線 3.切爪機 4.內臟輸送線 5.胴體儲藏箱 6.雞爪擺正裝置 7.高速攝像機 8.卸爪裝置 9.計算機 10.計數器

3 結束語

根據我國家禽分割產品的分級標準，家禽分割產品的等級一般根據產品的顏色、輪廓、是否破損、水分、脂肪、新鮮程度和重量等多方面判斷。充分發揮無損檢測技術的優點，在現有肉品質量分級技術應用的基礎上，依據家禽分割產品分級標準，分析借鑒國外快速分級技術，結合我國家禽分割產品的分級現狀及市場需求，優化家禽分割產品分級方案，擬采用機器視覺技術與近紅外光譜技術、嗅覺技術、稱重分級技術相結合的分級方法。通過機器視覺技術實現在線快速檢測家禽分割產品的外形輪廓、表面顏色、是否存在破損等；通過近紅外光譜技術檢測家禽分割產品的水分、脂肪等；通過氣味掃描儀識別家禽分割產品的新鮮程度；通過快速稱重分級將家禽產品按照不同規格、重量分級。以上四種快速無損檢測分級技術相結合，實現家禽分割產品的在線自動檢測、識別分析、快速稱重和自動分級。以低成本、快速、精準為主要目標，探究滿足國內市場需求的自動化、智能化、精準化的家禽分割產品質量分級技術、系統和設備，提升我國家禽分割加工自動化技術水平，對促進我國國產自動化屠宰加工設備向高速、智能化、集成化方向發展具有重要的引領和促進作用。此外，進一步優化家禽分割產品行業標準，規范家禽產品市場，實現優質優價，對于促進我國家禽產業良性循環具有重要意義。