基于深度学习的冷冻猪肉冰晶生长量化分析

《Journal of Food Engineering》:Quantification of Ice Growth in Frozen Pork Based on Deep Learning

【字体: 大 中 小 】 时间:2026年07月23日 来源:Journal of Food Engineering 5.8

编辑推荐:

  •通过手动标注的数据图像,构建了冷冻猪肉冰晶数据集。•基于FCRN模型,通过多尺度特征提取方法,开发了一种新的深度学习模型。•在冰晶计数方面,该模型相比CANNet,MAE值提升了29.9%。引言近年来,冷冻肉制品在全球供应链中发挥着重要作用。然而,由冰晶形成与生长引发的质量问题

  
  • •
    通过手动标注的数据图像,构建了冷冻猪肉冰晶数据集。
  • •
    基于FCRN模型,通过多尺度特征提取方法,开发了一种新的深度学习模型。
  • •
    在冰晶计数方面,该模型相比CANNet,MAE值提升了29.9%。

引言

近年来,冷冻肉制品在全球供应链中发挥着重要作用。然而,由冰晶形成与生长引发的质量问题已成为亟待解决的难题(Jia等人,2022a;Xie等人,2023),尤其是对肌原纤维结构和肌肉细胞膜而言,这些问题会导致汁液流失、质地变差以及颜色变化(Wu等人,2022)。冷冻条件(冷冻温度(Thürmer & Nie,2013)、冷冻速率(Qian等人,2022)以及储存过程中的冰重结晶现象(Bachtiger等人,2021;Akiyama等人,2019)都会影响冰晶的结构、大小和分布。因此,研究人员一直在探索优化冷冻工艺和技术,以控制冰晶的形态。目前大多数研究主要聚焦于二维分析(Du等人,2025;Zhou等人,2015)以及冰晶生长的静态观察(Schreiber等人,2017)。不过,目前在高精度、高通量识别冰晶图像以及构建冰晶图像模型方面存在的局限,严重阻碍了对冰晶的定量分析及机制研究,也使得人们无法全面了解冰晶的空间动态演变规律。我们的团队曾研究过冰晶生长在食品和医疗领域的应用(Jia等人,2022;Jia & Zhang,2024)。量化技术及冰晶生长动态过程分析方面的突破,为构建“冷冻工艺–冰晶生长–质量控制”的有效链条提供了核心科学基础,这一链条具有重要的科学意义和工程应用价值。
深度学习模型能够处理高维度数据,从而实现对晶体形成的精准预测与模拟(Tseng等人,2023;Aykol等人,2025)。深度学习在海冰分类(Liu等人,2025a)、海冰上积雪深度估算(Li等人,2022)、肉类新鲜度无损检测(Jian等人,2025)、群体研究(Gebru等人,2017)以及细胞生物学领域(Menden等人,2020;Yang等人,2024;Dietler等人,2020;Gomariz等人,2022)的应用已十分广泛。在这些应用中,利用卷积神经网络生成的密度图作为计数方法的依据至关重要。但目前尚未有通过深度学习模型构建的、针对冷冻食品中冰晶生长的高分辨率图像数据集,现有的模型也不足以用于识别冰晶的形态。
在此,我们提出了一种新的深度密度模型——IC-全卷积回归网络[FCRN],该模型采用多分支特征提取方法(边缘检测、角点检测和形状编码),专门用于确定冰晶的形态特征。结合不同密度场景下的预测机制(孤立区域、重叠区域和边界区域)以及置信度估算功能,该模型能够对冷冻猪肉中的冰晶数量进行统计量化。该架构还整合了空洞空间金字塔池化技术和跳跃连接,可高效地将浅层空间细节与深层上下文特征相结合,这一点已通过严格的对比实验和消融研究得到验证。该方法能够实现冷冻猪肉中冰晶的实时量化与生长建模,因此非常适合在食品行业中用于实时检测,也可部署在边缘设备上运行。

章节要点

样品制备

在屠宰后24小时内,从北京的一家本地生鲜超市(物美超市)购买了若干块猪里脊肉(平均重量约为500.0±0.2克)。去除可见的脂肪和结缔组织后,将每块背最长肌沿着肌肉纤维方向均匀切割成2厘米见方的小块(重量约为1.0±0.2克)。每个样品都被单独装入厚度为0.025厘米的非真空密封无菌Ziploc塑料袋(聚乙烯材质)中,然后存放在4

数据集的统计分析

数据集的核心统计特征如图2所示,这些数据为模型训练和性能评估提供了重要依据。采用全局随机分割策略对全部图像样本数据进行划分,将其随机分为训练集(151张图像,占比79.9%)、验证集(18张图像,占比9.5%)和测试集(20张图像,占比10.6%)(图2a)。较大的训练集有助于对多密度情况建立模型

讨论

本研究开发的IC-FCRN模型在冰晶计数任务中取得了当前最优的性能;尤其是该模型生成的密度图,在像素级和结构层面都与真实密度图具有高度一致性。通过大幅降低模型的复杂度,该系统实现了更优异的性能,充分体现了其出色的架构设计。这一结果表明,单纯的多列结构并不足以满足

结论

本研究开发的IC-FCRN模型成功完成了猪肉中冰晶计数的任务。从计数精度来看,该模型在冰晶计数任务中取得了最低的误差水平,MAE值为12.03,MSE值为236.72。与当前最先进的基准方法CANNet相比,IC-FCRN模型的MAE值降低了29.9%,MSE值则下降了69.0%。这些结果为

CRediT作者贡献说明

王忠正:研究工作。王新阳:监督指导、方法设计。龚琳燕:初稿撰写、研究工作。贾国良:验证工作、监督指导、项目管理、方法设计、资金申请、概念构思。程永强:监督指导。张晓宇:研究工作

未引用参考文献

Liu等人,2025;Menden,2020;Yang等人,2025。

利益冲突声明

? 作者声明,他们不存在任何可能影响本文研究工作的已知财务利益关系或个人关系。

致谢

本研究得到了中国国家自然科学基金(NSFC)的支持(项目名称:“猪肉冷冻过程中冰相状态转变机制的研究”,项目编号32202128)。
贾国良|龚琳燕|王新阳|王忠正|张晓宇|程永强
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号