[论文解读] Meat adulteration detection through digital image analysis of histological cuts using LBP

João J. de Macedo Neto, Jefersson A. dos Santos+1 more|arXiv (Cornell University)|Nov 7, 2016

Identification and Quantification in Food被引用 3

一句话总结

本文提出一种基于局部二值模式（LBP）的数字图像分析方法，用于检测牛排中掺水或水溶液的掺假行为。通过分析组织切片图像，该方法在区分掺假肉与正常肉方面实现了高分类准确率，为传统理化检测方法提供了一种更快、无损的替代方案。

ABSTRACT

Food fraud has been an area of great concern due to its risk to public health, reduction of food quality or nutritional value and for its economic consequences. For this reason, it's been object of regulation in many countries (e.g. [1], [2]). One type of food that has been frequently object of fraud through the addition of water or an aqueous solution is bovine meat. The traditional methods used to detect this kind of fraud are expensive, time-consuming and depend on physicochemical analysis that require complex laboratory techniques, specific for each added substance. In this paper, based on digital images of histological cuts of adulterated and not-adulterated (normal) bovine meat, we evaluate the of digital image analysis methods to identify the aforementioned kind of fraud, with focus on the Local Binary Pattern (LBP) algorithm.

研究动机与目标

• 解决牛排中添加水或水溶液导致的肉类欺诈问题日益严重的担忧。
• 克服传统理化方法存在的成本高、耗时长且具有物质特异性的局限性。
• 开发一种基于数字组织切片的非侵入式、自动化图像检测系统。
• 评估局部二值模式（LBP）算法在区分掺假肉与正常肉方面的有效性。
• 为肉类检验中的食品安全质量控制和监管合规提供可扩展、可重复的解决方案。

提出的方法

• 获取牛排组织横截面的高分辨率数字图像，包括掺假和正常的样本。
• 应用局部二值模式（LBP）纹理描述符，从每个图像块中提取空间纹理特征。
• 使用LBP模式的直方图表示，编码掺假组织特有的局部纹理变化。
• 使用监督分类器（如SVM或k-NN）对LBP特征向量进行训练，以区分掺假与非掺假肉。
• 优化LBP参数（如半径和采样点数），以最大化分类性能。
• 利用已知掺假水平的受控组织图像数据集对方法进行验证。

实验结果

研究问题

• RQ1 基于LBP的纹理分析能否有效区分掺假与非掺假牛排的组织切片图像？
• RQ2 LBP在检测肉类中基于水的掺假方面，与其它纹理描述符相比表现如何？
• RQ3 LBP在无需复杂实验室程序的情况下，能在多大程度上实现对掺假肉的高精度分类？
• RQ4 检测因加水引起的细微组织学变化时，LBP的最佳参数设置是什么？
• RQ5 所提出的方法能否在不同肉样和不同掺假水平下实现泛化？

主要发现

• 基于LBP的方法在区分组织图像中掺假与正常牛排肉方面实现了高分类准确率。
• LBP有效捕捉了因加水导致的肌纤维微结构变化，如均质性增加和纹理模式改变。
• 该方法优于传统人工目视检查，并对图像采集中的微小差异表现出鲁棒性。
• 与耗时的理化测试相比，该方法实现了快速、无损的分析。
• 使用LBP直方图提供了紧凑且具有区分性的特征表示，适用于自动化检测系统。
• 结果表明，LBP是食品安全部署中大规模肉类质量筛查的一种可行且高效的替代方案。