摘要：豬胴體作為豬肉生產(chǎn)加工企業(yè)將豬肉交付給經(jīng)銷商的最主要形式，其品質(zhì)直接關(guān)系著廣大民眾的飲食質(zhì)量。傳統(tǒng)的豬胴體分級方法普遍存在不夠準確或硬件價格過高的問題。近年來，隨著深度學習理論的日趨成熟以及設(shè)備計算能力的極大發(fā)展，使深度學習在許多不同領(lǐng)域大放異彩。卷積神經(jīng)網(wǎng)絡(luò)作為深度學習在圖像視覺領(lǐng)域最有效的手段之一，在圖像分類問題中有著非常廣泛的應用。本文構(gòu)建了針對卷積神經(jīng)網(wǎng)絡(luò)的豬胴體圖像數(shù)據(jù)集，通過研究設(shè)計實現(xiàn)了通過豬胴體圖片基于深度學習理論中的卷積神經(jīng)網(wǎng)絡(luò)原理對豬胴體進行自動分級的系統(tǒng)。

　　針對現(xiàn)有數(shù)據(jù)集在豬胴體圖像方面的空白。根據(jù)鐵嶺九星集團的生豬加工生產(chǎn)線的實際情況，采集了在生產(chǎn)線環(huán)境下的豬胴體圖片，通過數(shù)據(jù)增廣、SMOTE算法和針對CNN網(wǎng)絡(luò)特點的數(shù)據(jù)預處理，構(gòu)建了二進制格式的豬胴體圖像數(shù)據(jù)集。設(shè)計了基于AlexNet的卷積神經(jīng)網(wǎng)絡(luò)模型，將其應用于豬胴體圖像的訓練與識別實驗中，通過對實驗中分類結(jié)果的分析對網(wǎng)絡(luò)模型進行不斷優(yōu)化，得出采用較小的卷積核尺寸和更多的卷積核數(shù)量、增加卷積層的數(shù)量以及縮小池化范圍能夠提升分類效果的結(jié)論。最終形成了豬胴體圖像分級的模型CNN-P?；谀Ｐ虲NN-P，利用構(gòu)建的豬胴體圖像數(shù)據(jù)集進行訓練和測試，并將識別結(jié)果與其他基于計算機視覺方法的豬胴體分級方法進行比較。

　　研究結(jié)果表明，通過調(diào)整卷積核尺寸及數(shù)量以及調(diào)整網(wǎng)絡(luò)卷積層數(shù)等方法，實現(xiàn)應用卷積神經(jīng)網(wǎng)絡(luò)模型對豬胴體圖像進行分級。目前其對豬胴體圖像等級的識別效果可以達到92.7%，作為國內(nèi)外將卷積神經(jīng)網(wǎng)絡(luò)應用于豬胴體無損分級中的第一次嘗試，系統(tǒng)在解決了傳統(tǒng)分級技術(shù)繁復的預處理步驟且較低的泛化能力等問題的同時，極大地降低了自動化豬胴體分級設(shè)備的價格，具有一定的研究意義和實用價值。

　　關(guān)鍵詞：深度學習，卷積神經(jīng)網(wǎng)絡(luò)，圖像分類，豬胴體分級，構(gòu)建數(shù)據(jù)集

　　中國是世界生豬生產(chǎn)第一大國，每年的豬肉產(chǎn)量占世界豬肉總產(chǎn)量的一半以上，但對于國際公認的衡量豬肉品質(zhì)的重要標準瘦肉率而言，我國商品豬平均瘦肉率僅50%，與歐盟、加拿大等畜牧業(yè)管理體系更加健全的國家相比還有很大差距。對于我國高產(chǎn)量卻沒有高質(zhì)量的現(xiàn)狀，究其原因，很重要的一點是因為我國的豬胴體分級體系落后且落實不到位。毋庸置疑我國是一個豬肉生產(chǎn)大國，卻并不是豬肉強國。排除對肉豬進行選育改良的品種因素，加拿大、美國、歐盟等豬肉生產(chǎn)強國的經(jīng)驗證明，規(guī)范并落實合理的分級體系可以在短時間內(nèi)有效地改善商品豬肉的品質(zhì)。

　　分級體系落后的原因不僅是在建立分級標準以及對適合我國商品豬的相應分類技術(shù)的研究都遠遠落后于其他畜牧業(yè)發(fā)達的國家，更重要的是各地生豬屠宰加工企業(yè)對國家標準的選擇和應用程度不一。雖然目前對整豬進行全面機械化處理的相關(guān)生產(chǎn)設(shè)備已經(jīng)在一些歐美國家的大型豬肉加工企業(yè)投入使用，但國內(nèi)大部分豬肉屠宰加工企業(yè)對全自動生產(chǎn)線的引進仍保持著觀望的態(tài)度，目前我國絕大多數(shù)的豬肉屠宰加工企業(yè)的生產(chǎn)線仍然處于半自動化生產(chǎn)線與工人混搭生產(chǎn)的現(xiàn)狀。中國作為豬肉生產(chǎn)大國卻持續(xù)應用較低端生產(chǎn)技術(shù)的主要原因在于相關(guān)分類專用機械儀器普遍需要從國外進口，一旦應用不僅需要大量資金引進設(shè)備、同時還需要對現(xiàn)有生產(chǎn)線進行大規(guī)模的改造并要專門引進相關(guān)專業(yè)人才用于使用及維護設(shè)備，其投入之巨大以及其創(chuàng)造利益的可靠性都令眾多企業(yè)望而卻步。在這樣的行業(yè)大環(huán)境下，絕大多數(shù)豬肉企業(yè)仍選擇了通過人工目視及粗略測量來進行分級的方法。分級水平參差不齊，使市場對于豬肉品級的重視性不高，導致我國的豬肉流通過程中優(yōu)質(zhì)肉和次品肉的區(qū)分性不夠強。

　　但總體來說近年來我國的養(yǎng)豬生產(chǎn)觀念發(fā)生了從數(shù)量型到質(zhì)量型的轉(zhuǎn)變，豬肉消費從脂肪型轉(zhuǎn)為瘦肉型。熱胴體重和瘦肉產(chǎn)量仍然普遍反映了豬胴體的商業(yè)價值。在基于市場和行業(yè)的需求下，如果可以實現(xiàn)一種更適合地方豬肉加工企業(yè)使用的準確統(tǒng)一的豬肉分級標準和設(shè)備，使豬肉加工企業(yè)可以用極少量的資金實現(xiàn)對其生產(chǎn)的豬胴體進行穩(wěn)定而準確地分級，地方豬肉加工企業(yè)將更愿意接受使用豬胴體自動分級設(shè)備。隨之改變的將是我國對于豬肉消費的整體理念發(fā)生的變化，將對在豬肉流通過程中真正地實現(xiàn)優(yōu)質(zhì)優(yōu)價產(chǎn)生推動作用。將對我國的養(yǎng)豬業(yè)、屠宰業(yè)及肉食產(chǎn)業(yè)的發(fā)展有很大的促進作用。

　　在豬胴體影像分級領(lǐng)域，國內(nèi)外的主要差異有兩個方面：豬肉分級標準的不同以及豬肉分級實施方法的不同。豬肉分級的標準國內(nèi)外的總體思想是一致的：決定了豬胴體優(yōu)質(zhì)與否的關(guān)鍵要素是豬胴體的質(zhì)量和豬胴體的瘦肉率兩個參數(shù)。其中豬胴體瘦肉率的精確測定方法是將豬胴體完全分解，分別對瘦肉和脂肪進行稱重。但這種方法嚴重破壞了豬肉的完整性，無法對每一片胴體進行這樣的精確測量?，F(xiàn)在普遍應用的方法是通過大量的數(shù)據(jù)積累來建立豬胴體特定位置的脂肪厚度與豬胴體瘦肉率的聯(lián)系，通過測定指定位置的背部脂肪厚度（后文統(tǒng)稱膘厚）來估算豬胴體瘦肉率，這種方法早已被證明有效且準確率較高。

　　1.2.1 我國的豬胴體分級標準及設(shè)備研發(fā)使用現(xiàn)狀

　　我國在二十世紀五十年代后，也陸續(xù)開始了對豬肉優(yōu)劣區(qū)分標準的研究，但由于產(chǎn)能與市場需求的限制，發(fā)展速度一直比較緩慢，針對國內(nèi)生豬種類的相關(guān)規(guī)則制定研究一直進展不大。到改革開放后，政府對供應肉食的生豬活體選擇以及豬肉品質(zhì)的評定上發(fā)展出了一系列條例和規(guī)則，其中被豬肉加工企業(yè)應用較廣泛的包括NY/T1759-2009《豬肉等級規(guī)格》、GB9959.1-2001《鮮、凍片豬肉》和SB /T10656-2012《豬肉分級》。作為近二十年來中國農(nóng)業(yè)部下發(fā)的標準有效地推進了我國豬肉品質(zhì)的提升，也促進了更多對分級標準判別方法的研究。歐美國家中的一些豬肉強國對豬肉分級標準比較嚴格，中國通過這幾年豬肉分級標準的完善，也在向國際化接軌。在二十世紀末被廣泛使用GB9959.2-1988《無皮鮮、凍片豬肉》和GB9959.1-1988《帶皮鮮、凍片豬肉》由于內(nèi)容分散、不易實施等原因，在二十一世紀初經(jīng)過農(nóng)業(yè)部的完善，將條例升級成為GB9959.1-2001《鮮、凍片豬肉》。在《鮮、凍片豬肉》中判斷豬胴體分類級別的因素在于背部特定點的脂肪尺寸以及豬胴體的整體重量，胴體重量與背膘厚度共同將不同將豬肉分為I-III三個等級，但背膘厚度與整體質(zhì)量存在潛在的矛盾情況，這也構(gòu)成了該標準的潛在不足。而NY/T1759-2009《豬肉等級規(guī)格》中對這一部分進行了改進，由豬胴體的瘦肉比例以及整體重量對豬進行第一輪評級，得到A-C的標準，然后再根據(jù)其他因素如外觀狀態(tài)的不同、肌肉顏色與脂肪顏色鮮亮的的程度等將豬肉分為I-III三個等級。

　　而在實際生產(chǎn)中，遼寧省的地方肉類加工企業(yè)普遍應用的仍是2001年頒布的《鮮、凍片豬肉》，相對于世界各國豬胴體分級標準，我國的GB9959.1-2001《鮮、凍片豬肉》分級標準內(nèi)容并不完善，且沒有標明具體的評定方法。分級標準不僅大幅落后于國外相關(guān)標準，而且采用的分級方法也嚴重落后于國家出臺的新標準。

　　而在對相關(guān)分級設(shè)備的使用方面，目前我國并沒有專門設(shè)計制造擁有自主產(chǎn)權(quán)的相關(guān)設(shè)備的企業(yè)，若決定采用專業(yè)設(shè)備則必須從國外進口設(shè)備與技術(shù)。目前只有極少數(shù)規(guī)模極大的肉類企業(yè)從國外引進了成體系的大型豬肉分級設(shè)備，還有一部分企業(yè)使用國外進口的手持探針式瘦肉率檢測儀進行豬肉分級作業(yè)。前者從國外成套引進的價格不菲，而后者價格雖不及前者，但花銷仍十分高昂，同時因為使用手持式設(shè)備，仍需有經(jīng)驗的工人進行人工操作。兩者同時存在對使用者技術(shù)水平要求高、維護難度大的問題。

　　在對豬胴體圖像進行分析的研究在我國遠不及對牛肉圖像進行分析這樣廣泛與深入，計算機視覺方面在豬胴體瘦肉率及分級的檢測中遠沒有發(fā)揮出足夠的作用，針對豬胴體圖像進行的研究在國內(nèi)寥寥無幾，研究方向也普遍集中于肉類新鮮度及肉質(zhì)分析方面，如周光宏通過神經(jīng)網(wǎng)絡(luò)對切塊牛肉的圖像進行分析與估算從而確定其新鮮程度。而少數(shù)涉及豬胴體分級內(nèi)容的研究重點也是集中在對我國相關(guān)標準中固定指標的測量，李青、彭彥昆利用機器視覺，在獲得豬胴體的標準化圖像后，根據(jù)我國制定的背膘測量標準，對圖像進行處理與分析，從而獲得豬胴體的背膘厚度來計算豬胴體的瘦肉率。而對通過標準化豬胴體圖像對豬胴體重量進行估算這一研究方向在國內(nèi)基本是空白的。

　　值得注意的一點是，目前在國內(nèi)關(guān)于豬胴體圖像分析現(xiàn)有的研究成果中，其中有一部分是依托于國外進口的分析設(shè)備來開展的，張楠利用PG-100探針式測定儀便于操作、反饋明確的特點，結(jié)合原有的非自動化分級方法，對大量商品豬進行了一系列相關(guān)的指標測量，通過對數(shù)據(jù)的分析，創(chuàng)立了面向國內(nèi)生豬的全新生豬品級預測模型。但由于國內(nèi)豬肉企業(yè)對相關(guān)設(shè)備的需求度不高，所以這也不符合地方豬肉加工企業(yè)的生產(chǎn)現(xiàn)狀的，少部分研究如李青、彭彥昆進行的另一項基于機器視覺的豬胴體背膘厚度在線檢測技術(shù)研究中，研究者設(shè)計了一個較符合實際生產(chǎn)需求的攝影模塊來捕捉豬胴體的標準化圖像。

　　1.2.2 國外的豬胴體分級標準及設(shè)備研發(fā)使用現(xiàn)狀

　　其他國家在豬肉分級標準的制定上也在不斷地發(fā)展完善，加拿大、美國等老牌豬肉強國在豬肉分級領(lǐng)域較我國起步早、規(guī)模大、發(fā)展快且自動化程度更高。同時日本和歐盟等國也有獨立的分級標準。加拿大作為最早對肉品行業(yè)頒布行政要求的國家，其對豬胴體評級的標準實施具有政府強制性，達到一定規(guī)模的生豬飼養(yǎng)及豬肉加工企業(yè)必須根據(jù)豬胴體品質(zhì)的不同對豬胴體進行標記分級；率先建立了一套根據(jù)豬胴體特定位置脂肪的厚度來判別豬胴體品級的計算模型。利用該模型，豬胴體品級信息得到了有效的量化。同時這樣的規(guī)定更方便政府實時的計算不同等級的豬肉的價格，提高豬肉質(zhì)量的同時，也推動了國家的經(jīng)濟發(fā)展。美國的豬肉分級標準由分塊品質(zhì)和整體瘦肉率兩方面組成，其中分塊品質(zhì)部分將商品肉用豬的評級分為U.S.1-4級，首先對豬胴體的外觀進行評定，確認四塊主要商品瘦肉的品質(zhì)，四塊主要分割部分均達標，可以進行參評US1-4級標準，若存在外部特征不達標則只能劃分到U.S.utility品級。同時，另一種評級方法應用于供應肉食的商品豬肉中，對豬胴體進行瘦肉率的檢測，根據(jù)其重量和脂肪比例的情況，決定其評級分劃為1-3級。同時美國在豬肉分級規(guī)定的制定過程中也構(gòu)建了胴體特征與胴體等級的關(guān)系模型。與其他國家分級方法不同的是，美國的關(guān)系模型中引入了“瘦肉飽滿度”這一指標，將胴體的瘦肉飽滿度根據(jù)胴體瘦肉的豐滿情況分為1-3的不同級別。與在外觀檢測合格的情況下，通過代入(1.58×背膘厚,cm)-(1.0×肌肉豐度)公式計算相應的產(chǎn)量等級。

　　對豬胴體外表特征的選取方式的區(qū)別和強制性是國外與中國分類方法的主要不同之處。相比我國標準中選取豬胴體第六條肋骨與第七條肋骨之間的背部脂肪尺寸作為評判豬胴體瘦肉率的關(guān)鍵指標，日本豬半胴體分級標準中所測量的位置為第九條肋骨至第十三條肋骨之間背部脂肪尺寸的極小值；歐盟公認采用的分級手段中采用雙測量點F（指臀肌中間位置與背中線成90度角位置的脂肪尺寸極小值，如圖1.1所示）、M（指臀肌中部由末端到脊椎錐孔輪廓處的長度，如圖1.1所示）作為衡量的指標；加拿大豬胴體產(chǎn)量分級標準所測量的位置為X（指豬胴體腰椎位置到腰部瘦肉前端脂肪厚度極大值處）。針對不同國家的測量標準，劉海龍等人的研究中指出與胴體瘦肉率相關(guān)性最強的是F位置膘厚（達- 0.89843），第九條肋骨到第十三條肋骨之間背部脂肪厚度最小值位置與加拿大出臺的規(guī)則中的X點作為測量點，通過分析比對確定了其于生豬瘦肉比例呈現(xiàn)明顯的負相關(guān)性，數(shù)值分別是- 0.80699和-0.78241；而周光宏的研究中顯示：歐盟標準中的F標定點處脂肪尺寸與生豬胴體瘦肉比例的相關(guān)系數(shù)為各個樣本點中最高，數(shù)值是-0.92463，相關(guān)度很高的標定點還包括第六條肋骨至第七條肋骨之間的脂肪尺寸以及最后一條肋骨處的背部脂肪厚度，分別呈現(xiàn)了-0.80372以及-0.85216的負相關(guān)率。這在一定程度上反映了我國標準選取的不準確性，歐盟的選取方法雖然對于人工操作而言較我國的選取方法更難以測量，但其準確性更高。若能將兩個變量共同測量，則準確性將更加提高。

　　二十世紀九十年代至今，針對豬肉品質(zhì)的檢測儀器層出不窮，有針對豬肉顏色進行檢測的色值計，通過豬胴體表面PH值進而檢測豬肉新鮮程度的PH計，還有判斷豬胴體脂肪含量的脂肪分析儀，檢測豬肉肉質(zhì)的肌肉嫩度計，通過超聲波技術(shù)對豬胴體實施無損檢測的超聲波測定儀，利用近紅外線判斷背膘厚度的近紅外線探針，通過豬胴體表面熒光性質(zhì)判斷新鮮程度的分光光度計，利用光導纖維進行豬胴體背膘檢測的光學探針，利用醫(yī)用核磁共振原理對豬胴體進行掃描確定豬胴體瘦肉率的核磁共振掃描儀等。

　　而現(xiàn)今應用最廣的肉質(zhì)檢測儀器普遍是探針式的，其中電子探針儀利用輻射射線技術(shù)，設(shè)備通過對受檢樣品極小的區(qū)域進行檢測，避免了對商品豬肉的損壞，可通過不同的掃描方式對豬胴體進行化學組成等方面的分析。

圖 1.1 歐盟標準中F和M兩個點的測量位置

　　在利用電子探針對豬胴體進行檢測的領(lǐng)域，加拿大Destron公司設(shè)計制造的探針式檢測儀PG-100作為一款經(jīng)典型號，廣受國內(nèi)外大型豬肉加工企業(yè)的青睞，PG-100瘦肉率檢測儀基于豬胴體瘦肉與脂肪具有不同的可見光反射比例的原理，是一款利用了光電傳感器的智能化設(shè)備。在進行豬胴體瘦肉率檢測時，探針發(fā)出光信號，光信號照射到脂肪和瘦肉時會有不同的信號反饋，當探針到達脂肪與瘦肉的交界處時，信號反饋會出現(xiàn)一次大的波動，將此點記為脂肪的邊界點，從而獲得探測處的脂肪厚度，通過特定點的背膘厚度確定其瘦肉率。在我國的豬胴體分級標準發(fā)展過程中，由于國外豬種與國內(nèi)品種的不同，豬胴體瘦肉率的判定一直沒有準確的模型。加拿大、德國、捷克、日本等國都研發(fā)有相關(guān)的大型或手持式專業(yè)設(shè)備應用于豬肉生產(chǎn)中的品質(zhì)區(qū)分，而我國在豬胴體相關(guān)檢測儀器的領(lǐng)域一直未能實現(xiàn)自主研發(fā)，主要原因在于現(xiàn)階段國內(nèi)豬肉生產(chǎn)企業(yè)長期依靠人工粗略分級，對一次性耗巨資引進相關(guān)儀器存在一定的抵觸情緒，需求情況不強烈。

　　1.3 利用圖像進行肉類分級的研究現(xiàn)狀

　　目前，利用機器視覺技術(shù)在生豬無損檢測的領(lǐng)域，國外對豬胴體圖像分級的研究早已開展：早在2000年，美國的Lu等人在《Evaluation of pork color by using computervision》一文中發(fā)表了使用圖像視覺技術(shù)對豬肉進行采樣，通過對肉質(zhì)顏色的分析，得出豬肉的品質(zhì)信息。研究的目的在于對相關(guān)圖像處理方法進行測試，以確定其是否能夠應用于豬肉品質(zhì)的判斷中，為了實現(xiàn)其研究，Lu等人構(gòu)建了淺層神經(jīng)網(wǎng)絡(luò)模型用以對豬肉顏色進行評價，同時設(shè)計了傳統(tǒng)的統(tǒng)計模型用以支持網(wǎng)絡(luò)模型的工作，其結(jié)論為利用淺層學習的方法解決豬胴體分級問題是一種可靠有效的方法。

　　而在國內(nèi)，針對豬胴體圖片進行分級的研究中，早期最具啟發(fā)性的的研究由羅明、朱礪等人（2002）進行，通過對豬肉加工生產(chǎn)過程中的豬胴體進行測量和檢測，將獲得的數(shù)據(jù)與現(xiàn)有線性函數(shù)進行比對，逐步獲得與實際數(shù)據(jù)相符合的模型。通過對豬胴體二分體眼肉部分的面積、豬胴體背側(cè)特定測量點的脂肪尺寸的測量，根據(jù)符合數(shù)據(jù)情況的模型函數(shù)，得到了一系列相關(guān)結(jié)論，構(gòu)建了符合我國生豬種類的胴體外部特征與胴體瘦肉比例的關(guān)系模型。這是我國學者在利用機器視覺方法解決豬胴體分級問題的關(guān)鍵性研究，為之后許多我國學者在該領(lǐng)域的研究打下了基礎(chǔ)。

　　而在利用神經(jīng)網(wǎng)絡(luò)解決豬胴體圖像分級問題的方面，國內(nèi)的研究始于2005年，研究方法大多采用淺層神經(jīng)網(wǎng)絡(luò)中的BP神經(jīng)網(wǎng)絡(luò)結(jié)合傳統(tǒng)圖像處理技術(shù)，其中于鉑（2005）獲取了商品豬豬胴體的的圖像，通過對圖像進行處理，利用邊緣檢測等算法獲取了豬胴體圖片中腿部周長與臀部周長的尺寸、眼肉部分面積以及背部脂肪厚度。通過這些數(shù)據(jù)，構(gòu)建并訓練了適合豬胴體分級功能的BP神經(jīng)網(wǎng)絡(luò)LNN。實現(xiàn)了對片豬肉等級的預測。研究表明，生豬品級評定的工作可以從圖像處理技術(shù)角度入手進行解決，可以達到和人工類似的準確率且識別效率更高。劉艷國（2005）、張萌（2016）則從另一角度解決瘦肉率的預測問題，通過對圈舍中的生豬進行圖像獲取，對其背方向、肋方向及臀方向進行分別拍攝。在獲取圖像后，對圖像進行一系列預處理和特征檢測。其中在建立活體豬外觀特點尺寸與其對應分級情況的模型的過程中，劉艷國選擇了BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)來構(gòu)建。張萌則采用了BP神經(jīng)網(wǎng)絡(luò)、Elman神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)三種神經(jīng)網(wǎng)絡(luò)進行建模并對各自性能進行了對比。研究表明，生豬活體的外部尺寸與對應的豬胴體等級存在密切的聯(lián)系。

　　除了瘦肉率方面的檢測外，李卓（2016）利用雙目視覺系統(tǒng)采集了活體生豬的深度圖像，利用其中的背面圖和側(cè)面圖，通過圖像處理和基于凹陷結(jié)構(gòu)的拐點提取算法，篩選體尺檢測關(guān)鍵點，計算體長、體寬、體高、臀寬、臀高5個體尺，實現(xiàn)了對生豬體型尺寸的測量并評估。在雞肉、牛肉等其他種類肉品的檢測中，針對雞翅圖片的顏色、形狀和紋理等方面實現(xiàn)了對雞翅的品質(zhì)檢測；國內(nèi)外對于牛肉大理石花紋的圖像識別分級研究屢見不鮮。

　　以上肉品品質(zhì)檢測的研究中，普遍采用的是傳統(tǒng)的圖像分類算法和淺層神經(jīng)網(wǎng)絡(luò)算法。至本文截稿時，仍未見國內(nèi)外其他學者有關(guān)于利用深度學習理論對豬胴體圖像進行分級的研究。

　　1.4 研究目標及內(nèi)容

　　1.4.1 需求分析與研究目標

　　通過對鐵嶺九星集團生產(chǎn)線的實際考察并對其生產(chǎn)及管理人員的深入溝通，了解到九星集團的豬肉加工生產(chǎn)線與國內(nèi)絕大多數(shù)大中型豬肉加工企業(yè)的生產(chǎn)線基本一致，均是采用生豬屠宰-半自動加工生產(chǎn)線-冷卻排酸車間的一體化模式，其中加工生產(chǎn)線環(huán)節(jié)如圖1.2所示。

圖 1.2 九星集團豬肉加工生產(chǎn)線

　　豬胴體在加工流程中由頂部鏈式傳送裝置懸掛移動，加工的大部分步驟則由下方工作平臺上的工人手動完成，雖然歐美等國的一些大規(guī)模豬肉加工工廠已經(jīng)采用了全自動無人化車間進行豬肉加工，但由于空間、資金和人員等諸多限制，像九星集團豬肉生產(chǎn)線這種國內(nèi)廣泛采用的方式未來十年內(nèi)將仍是大部分豬肉加工企業(yè)的選擇。而針對胴體分級標準落后及始終采用人工分級方式的疑問經(jīng)過與企業(yè)管理人員的溝通了解到：

　?。?）企業(yè)希望新標準和新技術(shù)的出現(xiàn)和使用；

　?。?）設(shè)備的采用與否與經(jīng)濟效益直接掛鉤，使用先進技術(shù)的儀器價格過高，在市場整體對豬胴體分級要求不夠嚴格的現(xiàn)狀下，使用進口探針式檢測儀器的早期型號至少需要65萬人民幣以上的資金來引進設(shè)備、改造生產(chǎn)線及雇傭?qū)I(yè)人員（2016年數(shù)據(jù)）。價格過高且無法創(chuàng)造更大利潤；

　?。?）目前單條生產(chǎn)線的運作中，需要人工分級員兩名，企業(yè)雇傭分級員共四名，每月工資2800元左右（2016年數(shù)據(jù)）。

　　根據(jù)以上了解到的情況，本文實現(xiàn)的基于深度學習的豬胴體圖像分級系統(tǒng)應實現(xiàn)以下要求：

　?。?）采樣、檢測時間短，不影響流水線工作；

　?。?）易于操作，工人進行簡單培訓即可上崗使用；

　?。?）整體價格低，為企業(yè)減輕資金負擔；

　?。?）判別準確率高，真正實現(xiàn)替代人工目測判別的要求。

　　本文的研究目標就是圍繞以上要求，構(gòu)建基于卷積神經(jīng)網(wǎng)絡(luò)的豬胴體分級模型，且系統(tǒng)可以對采集到的豬胴體圖像進行迅速的圖像預處理并將其輸入網(wǎng)絡(luò)模型中進行判斷，基于現(xiàn)有的模型下對有效豬胴體圖像的分級準確率應高于90%。

　　1.4.2 研究內(nèi)容

　　本文是已知的學術(shù)界針對豬胴體圖像分級問題在深度學習領(lǐng)域的第一次嘗試，參考前人在深度學習領(lǐng)域進行圖像分類等方面成果的基礎(chǔ)上對豬胴體圖像分類問題進行了深入研究，本文研究內(nèi)容主要包括以下幾個方面：

　?。?）建立豬胴體圖像數(shù)據(jù)集，鑒于國內(nèi)外面向人工智能領(lǐng)域的各類數(shù)據(jù)集中普遍缺乏豬胴體的具體分類，不具備對網(wǎng)絡(luò)模型進行專項訓練的規(guī)模，所以本次研究中初步構(gòu)建了一個在生產(chǎn)線環(huán)境下的豬胴體圖像分類信息數(shù)據(jù)集，基于在鐵嶺九星集團獲取的豬胴體圖像及其分級信息，經(jīng)過數(shù)據(jù)增廣、數(shù)據(jù)均衡、數(shù)據(jù)預處理等步驟后制成規(guī)范二進制格式的標準數(shù)據(jù)集。

　?。?）以目前得到廣泛應用的AlexNet為藍本，設(shè)計構(gòu)建豬胴體圖像分級網(wǎng)絡(luò)模型的初始形態(tài)，從卷積核數(shù)量及大小；池化層數(shù)、池化方法和池化大??；卷積層及全連接層數(shù)量；激活函數(shù)及dropout使用幾方面對網(wǎng)絡(luò)模型進行了實驗與分析，通過實驗結(jié)果逐步確定網(wǎng)絡(luò)模型的優(yōu)化方向，最終獲得性能更加優(yōu)秀的豬胴體圖像分級網(wǎng)絡(luò)模型CNN-P。

　?。?）通過構(gòu)建的豬胴體圖像數(shù)據(jù)集對優(yōu)化的CNN-P網(wǎng)絡(luò)模型進行測試，考察網(wǎng)絡(luò)性能并與從計算機視覺領(lǐng)域解決豬胴體分級問題的前人研究成果進行對比。

　　1.5 本文結(jié)構(gòu)

　　本文由5個章節(jié)組成，各個章節(jié)的主要內(nèi)容如下。

　　第1章首先闡明了依靠豬胴體圖像進行品質(zhì)分級的研究背景與意義，簡要介紹了國內(nèi)外豬肉分級領(lǐng)域以及利用機器視覺搭配深度學習進行分類運算的研究現(xiàn)狀以及相應的學術(shù)與應用成果，分析了目前相關(guān)企業(yè)對豬胴體分級方法及設(shè)備的使用情況及需求，介紹了本文的研究對象、內(nèi)容和目標，最后介紹本文各個章節(jié)的主要內(nèi)容安排。

　　第2章對神經(jīng)網(wǎng)絡(luò)及本文使用的卷積神經(jīng)網(wǎng)絡(luò)進行了詳細的說明，第一部分從單個神經(jīng)元的原理入手，對神經(jīng)網(wǎng)絡(luò)技術(shù)進行了簡要介紹；第二部分主要對卷積神經(jīng)網(wǎng)絡(luò)的特點、網(wǎng)絡(luò)結(jié)構(gòu)及訓練過程進行了說明。

　　第3章詳細說明了豬胴體圖像數(shù)據(jù)集的制作過程，為了彌補現(xiàn)有數(shù)據(jù)集在豬胴體圖像方面的缺口，制作了針對豬肉生產(chǎn)企業(yè)的豬胴體分級數(shù)據(jù)集，通過一系列數(shù)據(jù)增廣方法將數(shù)據(jù)集擴大，介紹了用于平衡不均衡數(shù)據(jù)集的SMOTE算法，針對深度學習的特點對圖像進行了數(shù)據(jù)預處理，為了后期更多的研究。將經(jīng)過處理后的圖像制作成了與現(xiàn)有權(quán)威數(shù)據(jù)集接近的二進制形式。

　　第4章通過TensorFlow機器學習系統(tǒng)搭建了以AlexNet為基礎(chǔ)的豬胴體圖像網(wǎng)絡(luò)模型，研究模型參數(shù)和方法對豬胴體圖像分級的影響，分析結(jié)果并對原始的網(wǎng)絡(luò)模型進行調(diào)參和優(yōu)化，設(shè)計完成最終的豬胴體圖像分級網(wǎng)絡(luò)模型。將豬胴體圖像數(shù)據(jù)集的訓練集部分應用于該模型進行訓練，通過測試集對訓練所得模型進行評估，將評估結(jié)果與其他基于計算機視覺的胴體分級方法進行對比。

　　第5章對本次研究進行了分析和總結(jié)，得出本文結(jié)論。

 

　　《未完待續(xù)》