基于计算机视觉的鲶鱼肉色泽测定系统

（上海海洋大学食品学院，食品热加工工程技术研究中心，上海 201306）

摘要：采用色差计与计算机视觉系统（computer vision system，CVS）两种方法分别测定鲶鱼（Clarias leather）冰藏18 d期间鱼肉的色泽变化，探讨CVS方法测定鱼肉色泽（L*、a*、b*）的可行性。结果表明，两种方法所得的冰藏期间鲶鱼肉色泽变化趋势相同，且所得的总色差（ΔE值）基本相等。鱼肉冰藏期间明度（L*值）和ΔE值随着冰藏时间延长而逐渐升高（P＜0.05）；红度（a*值）在前3 d缓慢升高，之后显著下降（P＜0.05）；黄度（b*值）无显著性变化（P＞0.05）。通过色差计测量值对CVS测量值进行校正并验证可知，其校正值与色差计测量值无显著性差异（P＞0.05），且二者L*、a*、b*值的线性相关系数为0.89～0.97，表明CVS测量值经校正后，能准确地检测出冰藏期间鲶鱼肉的色泽变化，从而实现鱼肉色泽的快速测定。

色泽作为食品感官特性评价的重要指标之一，鱼肉色泽好坏将直接影响消费者对鱼肉的接受度，从而影响生鲜鱼肉及其加工产品的销量及市场价格[1]。淡水鱼肉的水分及蛋白质含量较高，在销售或加工贮藏过程因鱼肉的氧化褐变及微生物作用导致腐败变质，引起色泽的变化，因此消费者常以色泽作为评价鱼肉新鲜度及其品质的重要依据[2]。色泽主要有红绿蓝（red, green, blue，RGB）、青洋黄黑（cyan, magenta, yellow, black，CMYK）、色调-饱和度-亮度（hue, saturation, intensity，HSI）和L*、a*、b* 4 种描述模型，其中RGB模型主要用于描述电视及电脑显示屏中显示的色泽；CMYK模型用于描述彩色印刷中的色泽；HSI模型与肉眼所见色泽相近，但对色泽的微小变化不敏感，因此不适用于评估食品加工贮藏过程中色泽的变化；L*、a*、b*模型为国际照明委员会系统（Commission International d’Eclairage，CIE）于1976年所规定的国际标准色泽模型，该模型的色彩分布均匀，弥补了RGB等模型色彩分布不均的缺点，且能描述肉眼所见的一切色彩，对色彩的微小变化也敏感，因此常用于描述食品表面的色泽及变化[3-5]。

色差计作为标准的色泽测定仪器，常被用于测定各类鱼肉表面色泽，如草鱼[6]、鳙鱼[7]、鲑鱼[8]等，尽管色差计的使用比较简便，但由于其测量直径（约8 mm）很小，较大样品表面的色泽需要多点测量，且与样品直接接触，样品表面要求平整、色泽一致，很难实现对较大面积肉样表面色泽的快速测定[9]。计算机视觉系统（computer vision system，CVS）主要是由灯光、数码相机及图像处理软件3 个部分组成，利用相机在一定的光照条件下对食品进行拍照，并通过图像处理软件分析食品表面的色泽、形态等，在食品加工贮藏中可替代肉眼监控食品的色泽、形态等工作[10]。灯光的类型、位置及其形状对图像的获取及色泽产生较大的影响。荧光灯因反射光扩散比较均匀而广泛应用[11]，灯光位置一般与相机镜头成45°，灯管的形状应根据样品的形状而设定，环形灯适用于平面型的样品，而散射灯适合圆球形的样品[3]；数码相机中对图像影响较大的硬件是图像感应器，感应器为互补金属氧化物半导体（complementary metal oxide semiconductor，CMOS）的相机具有快速获取图像、低成本和低耗电量，且可避免外来光影响的优势而得到广泛的应用[12]；图像处理软件有Photoshop、ACDSee等软件，其中Photoshop软件具有较强图像编辑功能和色彩的分析能力，同时提供了较先进的色泽管理能力，已广泛应用于实验室及工业企业[2-3]。CVS因具有简便快捷经济、自动化程度高、无接触且获取的图像可以长期保存等优势，在现代农产品、水产品及禽肉类行业得到了越来越多的应用[13-16]。目前大部分文章主要关于通过CVS分析肉类和农产品色泽对其品质进行分类，但对其所测定色泽值的准确性鲜见报道。

鲶鱼（Clarias leather）作为全球市场上重要的淡水鱼，因其养殖成本低而作为鱼糜制品的重要来源[17-19]。本实验以鲶鱼作为样品，采用色差计及CVS两种方法分别测定（0±1） ℃冰藏0、1、3、7、12、18 d鲶鱼肉色泽的变化，并通过两种方法的对比，探讨采用CVS方法测定鱼肉色泽的可行性，以实现鱼肉色泽的快速准确测定，为水产品加工及贮藏企业利用CVS在线准确地监控鱼肉色泽提供理论依据。

1 材料与方法

新鲜鲶鱼（6 条，平均质量（2 818±250） g/条）上海浦东新区附近某养殖场。

ME204E电子天平梅特勒-托利多仪器（上海）有限公司；CR-400色差仪杭州柯盛行仪器有限公司；EOS700D数码相机佳能（中国）有限公司；T5圆环形荧光灯管22 W（6 500 K）及电子镇流器EBC-122 飞利浦（中国）有限公司。

为减少因实验样品差异引起的误差，鲶鱼个体质量差异应保持在500 g以内。鲜活鲶鱼以木棒击晕宰杀、去头、去内脏，并用预冷的蒸馏水冲洗干净。如图1所示，每条鱼以腹部后端作为中线，前后各取1段长约4 cm的鱼肉，用吸水纸吸去鱼块表面水分后，分别装入已标记好的自封袋中，挤出空气后密封，并埋入碎冰（（0±1） ℃）中贮藏0、1、3、7、12、18 d。以4 条鱼作为CVS所测色泽值的校正样品，2 条鱼作为CVS所测色泽值校正后的验证样品。

色差计的光源为D65光源，光斑直径为8 mm，而测试鱼块样本面积较大、色泽不均，为减少实验误差，色差计经标准白色瓷板校正后，对鲶鱼腹部及尾部的鱼肉分别选取6 个固定测量点，按如图2所示，测定每条鲶鱼的两个鱼块各个测量点的L*、a*、b*值，最后取平均值。鱼块冰藏期间色泽变化值（ΔE）按式（1）计算[20]。

式中：i值为鱼肉冰藏时间，其值为1、3、7、12、18 d；L0*、a0*、b0*分别为新鲜鱼肉的明度、红度及黄度；Li*、ai*、bi*分别为鱼肉冰藏第i天的明度、红度与黄度。明度（L*值，由黑至白），其范围为0～100；红度（a*值，由绿至红）和黄度（b*值，由蓝至黄），其取值范围均为-120～120[5]。

如图3所示，CVS装置根据Pandit等[21]的安装方法设计，略作改动而成。依据样品的形状及拍照时所需灯光的要求，采用反射光扩散较均匀的圆环形荧光灯（22 W、6 500 K）作为照明系统，环形灯管安置在木箱内中部（距离相机20 cm）；数码相机（EOS 700D，像素为800 万、图像感应器类型为CMOS）通过支架置于黑木箱（40 cm×40 cm×40 cm）内部顶端的中央，相机参数设定：快门速率为1/100 s；感光度为ISO 100；镜头：EF-S18-55 mm f/3.5-5.6 IS；手动触摸拍摄，自动对焦，单拍。获取图像时，用吸水纸将样品表面水分去除后，置于相机镜头正下方进行拍摄，获取图像后传送至电脑中存贮待分析。

采用Photoshop CC软件分析每块鱼肉图像，图4显示了Photoshop CC测定的部位及其直方图窗口，该窗口显示了测试肉块的整个表面色泽数据（如明度L值平均值、标准偏差及中间值等），在下拉菜单中也显示了a和b值，但直方图显示的L、a和b值并不是标准色泽值，可通过式（2）～（4）分别转换成标准色泽L*、a*和b*值[4,22]。

采用Excel 2010软件整理数据并制表，Matlab（R2010b）及Photoshop CC软件进行数据分析。

2 结果与分析

表1 色差计与CVS所测的冰藏期间鲶鱼肉块的色泽L*、a*、b*及ΔE值（n=4）
Table 1 Color parameters (L*、a*、b* and ΔEvalue) of catf i sh measured with colorimeter and CVS during ice storage (n= 4)

注：同列肩标字母不同表示差异显著（P＜0.05）。

由表1可知，CVS测定的鲶鱼色泽L*、a*、b*值及ΔE值的色泽变化趋势与色差计所测的趋势相同：明度L*值及ΔE值在冰藏期间呈逐渐升高趋势；红度a*值在前3 d逐渐升高，之后逐渐下降；黄度b*值在冰藏期间无显著差异（P＞0.05），结果表明鱼肉在冰藏期间鱼肉的品质逐渐下降。鱼肉色泽的变化主要原因：1）鱼肉在贮藏加工过程中因自身酶及微生物的作用引起肌红蛋白、胡萝卜素等物质的氧化变性[23-24]，2）微生物引起蛋白质纤维断裂导致组织结构破裂从而影响鱼肉的持水能力和入射光的散射、反射[25-26]，如Liu Dasong等[27]研究发现冰藏期间草鱼组织结构破裂，汁液流出表面，导致鱼肉表明逐渐形成白色的斑点，引起鱼肉的白度值逐渐升高；Chow等[28]报道新鲜鲶鱼肉表面的肌红蛋白（Fe2+，reduced myoglobin，RMb）容易被氧化成氧合肌红蛋白（Fe2+，oxymyoglobin，MbO2，呈鲜红色），进而氧化成高铁肌红蛋白（Fe3+，metmyoglobin，MetMb，呈褐色），其色泽主要与肉中的MetMb含量密切相关，如20%（鲜红色）、50%（褐红色）、超过70%（褐色）。

由表1色差计测定的结果可知，明度L*值由49.85±1.49（0 d）逐渐增加到55.71±2.07（18 d）；红度a*值由2.21±0.14（0 d）增加至3.48±0.59（3 d），之后下降至-0.25±0.63（18 d）；黄度b*值保持在15.62～16.95之间；总色差ΔE值由0.00增加至6.53±0.60（18 d）。与色差计所测的值对比可知，CVS测得的明度L*值较低，其值由35.14±0.99（0 d）增加至38.21±0.69（18 d），其所测L*值不同的主要原因是：由光的折射原理可知入射光越强，折射光越强，使得样品表面越亮，其明度L*值就越高[29]。色差计因接触样品进行测定色泽，入射光较强，而CVS中灯光距离样品20 cm，到达样品表面的入射光的强度明显减弱，导致所测的L*值较低。Girolami等[2]研究显示CVS测定牛肉L*值因入射光强度等原因导致其值低于色差计的测定值。红度a*值在前3 d由11.47±0.61（0 d）增加至12.27±0.96（3 d），之后降低至6.07±1.51（18 d），黄度b*值保持在21.36～23.61之间，所测得的a*值和b*值均高于色差计的测定值，其主要原因是红色光和黄色光的电磁波具有较低的折射指数和较强的透射能力，色差计是接触样品进行测量，电磁波透射较深且折射指数低，导致肉样表面的电磁波较弱，而CVS测量时入射光距离样品较远（20 cm），到达肉样表面的电磁波较强且透射较浅，导致CVS测定的红度a*值和黄度b*值较高[2,30]；总色差ΔE值与色差计所测的值无显著性差异（P＞0.05），由0.00（0 d）增加至6.29±0.89（18 d）。

表2 两条鲶鱼CVS的校正色泽值及色差计测定值
Table 2 Calibrated color values from CVS and colorimeter-measured color values of two catf i sh samples

注：r为校正值与测定值相关系数。

根据色差计测量时需使用标准白色瓷板进行校正的原理，以表1中色差计测定的色泽值为标准值，通过色差计与CVS测定的值相减后取平均值，得到CVS测定L*、a*和b*值的校正系数分别为16、-8和-6。表2显示了2 条鲶鱼CVS色泽测定值经校正系数校正后的值及色差计测定值，结果显示，校正值与色差计测定的L*、a*和b*值的相关系数均在0.89～0.97之间，且校正值与色差计测量值无显著性差异（P＞0.05），表明CVS测量值经校正后，其值可准确反映冰藏期间鱼肉表面的色泽及其变化。

3 结论

冰藏0～18 d期间，因蛋白质变性降解、色素氧化等原因，导致鱼肉明度L*值和总色差ΔE值逐渐升高；红度a*值在前3 d逐渐升高，之后显著下降；黄度b*值无显著性差异（P＞0.05），色泽的变化表明冰藏期间鱼肉的品质逐渐下降。色差计和CVS方法所测得的鱼肉冰藏期间色泽（L*、a*、b*）变化趋势相同，总色差ΔE值无显著性差异（P＞0.05），但由于入射光强度、折射指数及组织结构破坏等原因，导致两种方法的测量值差异较大。通过以色差计测量值作为标准值对CVS测量值进行校正并验证可知，CVS测量值经校正后，其色泽L*、a*、b*值与色差计测得的值无显著性差异（P＞0.05），2种方法的L*、a*、b*相关系数在0.89～0.97之间，结果表明CVS可以快速准确地测定鱼肉样品的色泽，可代替色差计对样品色泽进行快速准确测定。另外CVS测试成本较低、操作简便且无需经过专业培训，这些为今后CVS的应用开发提供广阔的发展空间。

[1] COSTA C, ANTONUCCI F, PALLOTTINO F, et al. Shape analysis of agricultural products: a review of recent research advances and potential application to computer vision[J]. Food and Bioprocess Technology, 2011, 4(5): 673-692. DOI:10.1007/s11947-011-0556-0.

[2] GIROLAMI A, NAPOLITANO F, FARAONE D, et al. Measurement of meat color using a computer vision system[J]. Meat Science, 2013, 93(1): 111-118. DOI:10.1016/j.meatsci.2012.08.010.

[3] WU Di, SUN Dawen. Color measurements by computer vision for food quality control: a review[J]. Trends in Food Science & Technology, 2013, 29(1): 5-20. DOI:10.1016/j.tifs.2012.08.004.

[4] YAM K L, PAPADAKIS S E. A simple digital imaging method for measuring and analyzing color of food surfaces[J]. Journal of Food Engineering, 2004, 61(1): 127-142. DOI:10.1016/S0260-8774(03)00195-X.

[5] TRINDERUP C H, DAHL A, JENSEN K, et al. Comparison of a multispectral vision system and a colorimeter for the assessment of meat color[J]. Meat Science, 2015, 102: 1-7. DOI:10.1016/ j.meatsci.2014.11.012.

[6] 曹雷鹏, 牛丽红, 孙晓华, 等. 草鱼冰藏期间新鲜度及热加工性质的变化[J]. 食品科学, 2016, 37(12): 44-49. DOI:10.7506/spkx1002-6630-201612001.

[7] 姜启兴, 申丽丽, 汤凤雨, 等. 加热温度对鳙鱼肉色泽和质构的影响研究[J]. 食品工业科技, 2013, 34(17): 67-70. DOI:10.13386/ j.issn1002-0306.2013.17.062.

[8] FOWLER M R, PARK J W. Effect of salmon plasma protein on pacif i c whiting surimi gelation under various ohmic heating conditions[J]. LWT-Food Science and Technology, 2015, 61(2): 309-315. DOI:10.1016/j.lwt.2014.12.049.

[9] YAGIZ Y, BALABAN M O, KRISTINSSON H G, et al. Comparison of Minolta colorimeter and machine vision system in measuring color of irradiated Atlantic salmon[J]. Journal of the Science of Food and Agriculture, 2009, 89(4): 728-730. DOI:10.1002/jsfa.3467.

[10] 姚瑞玲. 计算机视觉技术在食品工业中的应用研究进展[J]. 食品与发酵科技, 2014, 52(4): 93-97. DOI:10.3969/j.issn.1674-506X.2014.03-024.

[11] SALDANA E, SICHE R, CASTRO W, et al. Measurement parameter of color on yacon (Smallanthus sonchifolius) slices using a computer vision system[J]. LWT-Food Science and Technology, 2014, 59(2): 1220-1226. DOI:10.1016/j.lwt.2014.06.037.

[12] DOWLATI M, MOHTASEBI S S, DELAGURDIA M. Application of machine vision techniques to fish quality assessment[J]. Trends in Analytical Chemistry, 2012, 40: 168-179. DOI:10.1016/ j.trac.2012.07.011.

[13] EIMASRY G, CUBERO S, MOLTO E, et al. In-line sorting of irregular potatoes by using automated computer-based machine vision system[J]. Journal of Food Engineering, 2012, 112(1/2): 60-68. DOI:10.1016/j.jfoodeng.2012.03.027.

[14] 黄星奕, 吴磊, 徐富斌. 计算机视觉技术在鱼新鲜度检测中的应用研究[J]. 计算机工程与设计, 2013, 34(10): 3562-3567. DOI:10.16208/j.issn1000-7024.2013.10.043.

[15] CHMIEL M, SLOWINSKI M, DASIEWICZ K, et al. Application of a computer vision system (CVS) to classify beef as normal or dark, fi rm and dry[J]. Journal of Animal Science, 2012, 90(11): 4126-4130. DOI:10.2527/jas2011-5022.

[16] MA J, SUN D W, QU J H, et al. Applications of computer vision for assessing quality of agri-food products: a review of recent research advances[J]. Critical Reviews in Food Science and Nutrition, 2016, 56(1): 113-127. DOI:10.1080/10408398.2013.873885.

[17] 刘晓华, 马俪珍, 郭耀华, 等. 不同保鲜剂对4 ℃冷藏鲶鱼鱼糜保鲜效果的影响[J]. 食品科学, 2014, 35(24): 316-320. DOI:10.7506/ spkx1002-6630-201424061.

[18] LI P, YANG H, ZHU Y, et al. Inf l uence of washing and cold storage on lipid and protein oxidation in catf i sh (Clarias lazera) surimi[J]. Journal of Aquatic Food Product Technology, 2016, 25(6): 790-801. DOI:10. 1080/10498850.2014.931898.

[19] KRISTINSSON H G, THEODORE A E, DEMIR N, et al. A comparative study between acid- and alkali-aided processing and surimi processing for the recovery of proteins from channel catf i sh muscle[J]. Journal of Food Science, 2005, 70(4): C298-C306. DOI:10.1111/j.1365-2621.2005.tb07177.x.

[20] CHMIEL M, SLOWINSKI M, DASIEWICZ K, et al. Use of computer vision system (CVS) for detection of PSE pork meat obtained from m. semimembranosus[J]. LWT-Food Science and Technology, 2016, 65: 532-536. DOI:10.1016/j.lwt.2015.08.021.

[21] PANDIT R B, TANG J, LIU F, et al. Development of a novel approach to determine heating pattern using computer vision and chemical marker (M-2) yield[J]. Journal of Food Engineering, 2007, 78(2): 522-528. DOI:10.1016/j.jfoodeng.2005.10.039.

[22] KONG Fanbin, TANG Juming, RASCO B, et al. Quality changes of salmon (Oncorhynchus gorbuscha) muscle during thermal processing[J]. Journal of Food Science, 2007, 72(Suppl 2): 103-111. DOI:10.1111/j.1750-3841.2006.00246.x.

[23] 张玉斌, 张巨会, 余群力, 等. 乳酸盐对冷却耗牛肉色泽稳定性及高铁肌红蛋白的影响[J]. 食品工业科技, 2016, 37(9): 281-286. DOI:10.13386/j.issn1002-0306.2016.09.046.

[24] 高萌, 张宾, 王强, 等. 流化冰保鲜对鲣鱼蛋白质功能特性的影响[J]. 食品科学, 2014, 35(22): 304-309. DOI:10.7506/ spkx1002-6630-201422059.

[25] CHERET R, CHAPLEAU N, DELBARRE-LADRAT C, et al. Effects of high pressure on texture and microstructure of sea bass (Dicentrarchus labrax L.) fillets[J]. Journal of Food Science, 2005, 70(8): E477-E483.

[26] TIRONI V, LEBAIL A, LAMBALLERIE M. Effects of pressure-shift freezing and pressure-assisted thawing on sea bass (Dicentrarchus Labras) quality[J]. Journal of Food Science, 2007, 72(7): 381-387. DOI:10.1111/j.1750- 3841.2007.00472.x.

[27] LIU Dasong, LIANGA Li, XIA Wenshui, et al. Biochemical and physical changes of grass carp (Ctenopharyngodon idella) fi llets stored at -3 and 0 ℃[J]. Food Chemistry, 2013, 140: 105-114. DOI:10.1016/ j.foodchem.2013.02.034.

[28] CHOW C J, OCHIAI Y, HASHIMOTO K. Effect of freezing and thawing on autoxidation of bluef i n tuna myoglobin[J]. Bulletin of the Japanese Society of Scientif i c Fisheries, 1985, 51(12): 2073-2078.

[29] SWATLAND H J. Refractometry of pork muscle and beef connective and adipose tissue[J]. Meat Science, 2002, 62(2): 225-228. DOI:10.1016/S0309-1740(01)00250-9.

[30] YAGIZ Y, BALABAN M O, KRISTINSSON H G, et al. Comparison of Minolta colorimeter and machine vision system in measuring colour of irradiated altantic salmon[J]. Journal of the Science of Food and Agriculture, 2009, 89(4): 728-730. DOI:10.1002/jsfa.3467.

CAO Leipeng, FAN Yuxia, HUANG Yiqun, LAI Keqiang*
(Engineering Research Center of Food Thermal-Processing Technology, College of Food Science and Technology, Shanghai Ocean University, Shanghai 201306, China)

Abstract：Two different methods of colorimeter and computer vision system (CVS) were used for the detection of color changes in catf i sh (Clarias leather) muscle during ice storage for 18 days, and the accuracy of CVS in the measurement of fi sh muscle color (L*, a*, b*) was investigated. The experimental results illustrated that the changing trends of color and total color difference (ΔE) of catf i sh muscle during ice storage detected by both methods were similar. The lightness (L*) and ΔE values gradually increased with storage time (P ＜ 0.05), redness (a*) increased slowly in the fi rst 3 days, and then declined signif i cantly (P ＜ 0.05), and yellowness (b* value) did not signif i cantly change during the whole storage period (P ＞ 0.05). The CVS measured results were calibrated and validated with those measured by colorimeter. It was found that the calibration values were not signif i cantly different from the results from colorimeter (P ＞ 0.05). The correlation coeff i cients between the L*, a* and b* values from the two methods were from 0.89 to 0.97, suggesting that after calibration, the CVS values could describe the color changes in catf i sh muscle accurately, and allow rapid and accurate color measurement.

Key words：computer vision system; colorimeter; catf i sh; color; ice storage

曹雷鹏, 樊玉霞, 黄轶群, 等. 基于计算机视觉的鲶鱼肉色泽测定系统[J]. 食品科学, 2017, 38(15): 135-139. DOI:10.7506/ spkx1002-6630-201715022. http://www.spkx.net.cn

CAO Leipeng, FAN Yuxia, HUANG Yiqun, et al. Color measurement of catf i sh muscle based on computer vision[J]. Food Science, 2017, 38(15): 135-139. (in Chinese with English abstract)

作者简介：曹雷鹏（1986—），男，硕士，研究方向为水产品贮藏保鲜与加工。E-mail：caoleipeng2@163.com

*通信作者：赖克强（1976—），男，副教授，博士，研究方向为水产品质量安全。E-mail：kqlai@shou.edu.cn

基于计算机视觉的鲶鱼肉色泽测定系统

1 材料与方法

2 结果与分析

3 结 论

3 结论