畜禽如何实现智能化加工，技术发展趋势怎样？

智能化加工装备与技术代表着生产力，是提高生产效率、转变发展方式的物质基础，智能化装备技术在畜禽加工过程中的应用，除了保证稳定、可靠的生产过程，还有显著的经济效益。

当前，国内外畜禽智能化加工过程中，主要应用机器视觉、神经网络、红外光检测、虚拟仿真和智能控制等技术，以实现具有自动分割、在线分级、故障诊断与远程监控等功能的集成化智能检测与控制。

机器视觉技术

表面污染物检测

机器视觉检测系统是通过图像获取设备将目标转换成图像信号，通过图像处理系统得到目标的形态信息，根据像素信息运算获取目标特征进而得到相应的参数。在畜禽加工过程中，机器视觉主要被用来进行目标检测与颜色识别，以实现对胴体的精准定位与品质检测。

1. 机器视觉胴体分割定位技术

在畜胴体分割中，国外大多采用激光扫描技术，澳大利亚Craig Mostyn公司在自动切割系统中通过激光对猪胴体扫描获得三维外形和骨骼结构，驱使机器人进行胴体分割。澳大利亚CSRO实验室引入视觉图像系统进行定位，设计了头部肉类分割设备，提高了肉产出量。

在家禽胴体分割中，主要依靠机器视觉定位技术，通过在线采集图像获取胴体外形轮廓质心坐标及各切分割处位置。

国内有研究采用寻找家禽胴体外形轮廓质心及膛口中心的方式进行定位，实现了家禽净膛的工序，其轮廓质心、膛口中心坐标重复定位精度分别为±1.6像素、±1.52像素。

2. 机器视觉肉质分级技术

机器视觉技术在肉品分级中主要应用于大理石花纹、脂肪含量、肉颜色和嫩度等关键指标检测。

20世纪80年代，丹麦开始利用视觉图像分析技术对牛肉进行分级，分别在灯光和临界光条件下拍摄图像，通过图像比较分析消除临界光影响，从图像中获得牛胴体轮廓信息。

1991年，国外有研究采用机器视觉检测技术对牛肉产品进行分级量化研究，将肌肉和脂肪进行区分，通过布尔运算模型来描述大理石花纹的空间分布，并且提出仅根据可见的总脂肪面积来区分不同种类的大理石纹，但效果不理想。

在大理石纹和牛肉颜色等级研究方面，有学者通过在预测模型中加入图像纹理参数，可提高模型预测能力，结果表明图像纹理特征可准确预测牛肉新鲜度。而采用RGB和Lab色彩纹理可成功预测颜色和牛肉大理石花纹等级。

国内也有不少学者，基于视觉图像技术，通过分割提取边缘轮廓，以达到对胴体相关检测指标进行评定。

在对禽肉分级中，机器视觉主要通过颜色、外形轮廓对禽肉质量进行判定。

光谱检测分析技术

X射线扫描鸡胴体及鸡胴体CT图像

光谱分析技术集成了光谱测量技术、计算机技术、化学计量学技术和基础测试技术，通过选择合适的化学计量学方法，将样品光谱信息和指标参考值相关联，构建高精度、高稳定性的数学模型预测位置样品参考值，具有无损、快捷和环保的特点。

20世纪90年代初，有学者提出可以利用多光谱技术对鸡胴体表面进行检测，可以检测出鸡胴体表面皮肤病。之后，有学者提出利用高光谱图像对牛肉大理石纹进行检测，具有较高的分割精度。随着高光谱成像技术在农产品检测方面的应用，研究人员在检测胴体表面污染物方面取得了研究进展。

虽然高光谱图像技术可较准确地检测，但由于检测时间长，无法很好地应用于在线生产中。

随着光谱检测技术的发展，线扫描高光谱技术和可见近红外检测技术应用于鸡胴体表面污染物在线检测，但线扫描高光谱成像设备由于价格昂贵，国内大多数企业仍采用人工目测的方式。

国内有学者提出一种通过机器视觉在线采集图像特征并快速识别的方法，实现鸡胴体表面污染物的在线检测，检测正确率为90.5%，但污染点的位置和污染物水分稀释会降低污染物的可识别度，进而影响检测质量。

近红外光谱（NIR）技术是发展相对较为成熟的光谱分析技术之一，在肉品行业中已得到广泛应用，能实现生鲜肉快速、在线、准确无损检测，是各类生鲜肉品质安全分析的重要技术之一。

近红外光谱在肉质检测方面主要用于肉品物理属性、化学组分和有害物质等肉类品质检测的特征指标分析。

多传感器融合技术

基于融合技术的猪肉TVB-N含量检测

在肉品检测中，单一检测技术往往出现指标信息不足、检测方法局限性、应用范围小等问题，研究人员通过对比研究发现，通过多源信息融合建立的肉品分级预测模型精确度更高。

研究人员提出了基于近红外光谱与机器视觉等技术检测肉类品质的分析方法，近红外光谱分析可定量检测肉制品pH值、肌内脂肪、蛋白质、TVB-N（挥发性盐碱基氮）等指标，机器视觉可检测颜色、纹理等物理特征，并且可以实现快速便捷的无损检测，适合应用于生产实践。

国内外学者进行了大量的研究，有专家利用近红外光谱（NIRS）、计算机视觉（CV）和电子鼻（E-nose）技术3种技术融合，检测猪肉中TVB-N含量，建立数据库，预测结果表明，3种技术融合优于单一技术的判定准确率。

国内也有学者基于机器视觉与近红外光谱检测技术对牛肉新鲜度进行评价，通过主成分分析将特征层信息融合，建立了牛肉新鲜度的评判模型，预测准确率达98.31%。

X射线扫描和CT成像技术

超声波检测猪脂肪厚度模型

X射线断层技术可以实现对胴体3个主要组分的检测：瘦肉、肥肉、骨，这一技术可以用来虚拟分割胴体以进行分级。法国学者采用X射线断层扫描技术，实现了对瘦肉、肥肉、骨3个组分的检测。

欧洲科学家致力于研究建立一个欧洲的瘦肉率扫描参考技术用于肉类分级。X射线扫描技术根据肌肉紧密程度的测量，对火腿不同切面的成像研究获得了理想的试验结果，可在加工结束前对火腿质量进行评定。

随着试验研究的进行，X射线扫描技术开始应用于实际检测，有学者利用CT成像技术对三黄鸡胴体进行扫描以获得其物理特征，确定鸡胴体主要器官的相对位置，为机械手摘取提供引导，为自动净膛装置的设计提供数据。

超声波扫描成像技术

超声波检测属于无损检测，可在保证动物躯体完整的情况下迅速测量机体组分，并提供直观图像结果。其不需要刺进胴体内部对肉本身进行损坏，可利用超声波的穿透性获取反射信息，对胴体脂肪层厚度进行推算。

在畜肉检测方面，国外有学者利用超声波检测技术建立了背膘厚和大理石纹评定预测模型，结果显示应用超声波检测技术预测屠宰后胴体性状是可行的。也有分别采用CVT-2、UltraFom 300和AutoFom超声波检测仪对生猪出肉率和质量进行预测，并设计了对猪胴体的大理石花纹和肌内脂肪的实时超声波在线检测系统，但检测效果并不理想。

国内有学者通过超声波扫描从图像中获得不同组织的特征参数，建立了猪肉组织结构预测方法。还有学者利用超声波活体检测技术，建立了羊活体预测模型，可预测宰后背膘厚度和眼肌面积。或利用线性回归方法，通过背膘厚和眼肌面积数据建立肉质形状的预测模型。

在禽肉检测方面，研究表明家禽的胸肌厚度与胸肌重、胸肌率之间存在高度相关性，可通过超声波测定肉鸭胸肌厚度、皮脂厚度，预估鸭肉生产性能。国外有学者通过对鸭活体进行检测预测其产肉性能。也有专家通过超声波检测剔骨鸡胸肉中的碎骨，提高鸡胸肉的品质。

发展趋势

信息化、智能化技术的发展和渗透应用，对畜禽加工行业将是一次变革性创新，不仅会促进畜禽加工领域的发展，更会实现畜禽产业的全面进步。

比如近红外光分析技术可用化学成分的检测，多光谱和高光谱技术可同时对肉品的内外品质进行检测，机器视觉图像技术可对颜色、肌肉脂肪含量、纹理等信息进行分级，但目前仍停留在实验研究阶段，要进一步加强检测方法、模型及仪器设备的研发，在生产过程中实现在线快速准确检测。

在肉品检测方面，多测量结果融合分析是发展方向，应根据需要，结合多种检测方法，通过不同的评价机制与指标对检测目标进行综合评价。单一的检测手段往往不能对肉品品质进行理想且全面的检测，需要将技术融合与集成，通过信息互补提高品质检测精度与扩大监测范围，使评价机制具有很好的稳定性、综合度。

文章来源：2019年7期《农业工程》（中国科技核心期刊）

原标题：面向畜禽加工的智能化装备与技术研究现状和发展趋势