基于3D激光轮廓扫描系统的鸡胸肉木质化肉质实时检测原型验证研究

本研究开发了一种新型3D激光轮廓扫描系统原型，通过激光三角测量（triangulation）技术和机器学习算法，实现了对鸡胸肉木质化肉质（WB）的在线实时检测。系统采用蓝光激光（λ=450 nm）进行高速三维重建（107 fps），在5 cm/s传送带速度下达到亚毫米级精度（z轴误差0.29 mm），并通过PointNet++深度学习模型实现88.9%的分类准确率，为禽肉加工业提供了高效、非接触式的自动化质检解决方案。

　　

Chicken Samples

本研究采集了310份来自商业加工厂（Miller Poultry, Orland, IN）的鸡胸肉样本，由专业人员通过手工触诊和视觉检查进行木质化肉质（WB）分级【图1（右）】。其中117份为“正常”样本（未受影响），193份为“缺陷”样本（包括中度和重度WB病例）。正常样本质地均匀柔软，而缺陷样本则呈现局部硬化、苍白条纹和脊状隆起等典型特征。

3D Reconstruction

图7对比了蓝光与红光激光扫描标准校准块（TCB）和鸡肉样本的重建高度图（X-Y平面）。蓝光激光生成的点云更密集、更清晰；而红光激光则出现点云稀疏及高曲率边缘区域的明显噪声聚集。定量分析（表1）进一步证实蓝光的优越性：在5、10和15 cm/s的传送带速度下，蓝光激光的z轴重建误差分别为0.29 mm、0.73 mm和2.56 mm，显著低于红光激光（误差范围1.02–4.31 mm）。蓝光因其更短的波长和更强的散射特性，对肉类表面具有更好的成像适应性。

Conclusion

本研究成功开发并验证了一种定制化的3D激光轮廓扫描系统原型，用于鸡胸肉木质化肉质（WB）的自动化在线分级。通过完整的算法流程实现了实时高效的三维重建，且蓝光激光（450 nm）在5–10 cm/s速度下达到亚毫米级z轴精度。尽管传送带速度提升至10–15 cm/s会略微降低分类准确率，但基于PointNet++的深度学习模型仍表现出优于传统支持向量机（SVM）的性能。该系统为禽肉加工中的高速、无损质检提供了可行的技术路径。

CRediT authorship contribution statement

Yuzhen Lu：负责论文审阅与起草、研究监督、项目管理、调查、资金获取与概念设计；Jiaming Zhang：负责论文起草、软件实现与形式分析。

Uncited reference

Lu and Cai, 2023.

Declaration of Competing Interest

作者声明本文不存在任何利益冲突。

Ethics Statement

本研究仅使用来自USDA认证加工厂的宰后禽类组织，不涉及活体动物操作。

Data availability

数据可根据请求提供。

Declaration of Competing Interest

?? 作者声明不存在任何可能影响本研究结果的已知竞争性财务利益或个人关系。

Acknowledgment

本研究由密歇根动物农业联盟（M-AAA）资助（项目号AA-23-0029），并感谢Miller Poultry提供样本及WB人工评估支持。