[發明專利]魚肉檢測方法和裝置

有效

• 申請號: 201310136293.1
• 申請日: 2013-04-18
• 公開（公告）號: CN103278464A
• 公開（公告）日: 2013-09-04
• 發明（設計）人: 郭培源;付妍
• 申請（專利權）人: 北京工商大學
• 主分類號: G01N21/31
• 分類號: G01N21/31;G01N21/35
• 代理公司: 北京市惠誠律師事務所 11353
• 代理人: 雷志剛;潘士霖

1.一種魚肉檢測方法，其特征在于，包括：

高光譜圖像獲取步驟：獲取魚肉樣品的高光譜圖像，所述高光譜圖像中具有多個波段的光譜數據；

特征提取步驟：在所述高光譜圖像中提取N個特征波段的光譜數據，N為大于1的整數；

鑒別步驟：將提取的特征波段的光譜數據作為學習向量量化模型的輸入值，并根據所述學習向量量化模型的輸出值鑒別所述魚肉樣品屬于海水魚還是淡水魚。

2.根據權利要求1所述的魚肉檢測方法，其特征在于，

所述學習向量量化模型包括輸入層、競爭層和輸出層；

所述輸入層有N個神經元，分別用于接收所述N個特征波段的光譜數據；

所述競爭層有M個神經元，M為大于N的整數，所述輸入層的每個神經元與所述競爭層的所有神經元連接，所述競爭層的神經元分為兩組；

所述輸出層包括兩個神經元，所述輸出層的每個神經元與所述競爭層的一組神經元連接，所述輸出層的其中一個神經元的輸出值用于表示所述魚肉樣品屬于海水魚，另一個神經元用于表示所述魚肉樣品屬于淡水魚。

3.根據權利要求1所述的魚肉檢測方法，其特征在于，所述高光譜圖像獲取步驟和特征提取步驟之間還包括：

采用平滑處理算法對高光譜圖像中的光譜數據進行去噪；

對高光譜圖像中的光譜數據進行歸一化處理。

4.根據權利要求1所述的魚肉檢測方法，其特征在于，所述特征提取步驟之后還包括：

汞含量檢測步驟：將提取的特征波段的光譜數據作為學多元逐步回歸模型或偏最小二乘模型的輸入值，并根據所述多元逐步回歸模型或偏最小二乘模型的輸出值檢測所述魚肉樣品中的汞含量。

5.根據權利要求4所述的魚肉檢測方法，其特征在于，在所述高光譜圖像獲取步驟和特征提取步驟之間還包括：對所述高光譜圖像中的光譜數據進行一階微分處理和多元散射處理。

6.一種魚肉檢測裝置，其特征在于，包括：

高光譜圖像獲取模塊，用于獲取魚肉樣品的高光譜圖像，所述高光譜圖像中具有多個波段的光譜數據；

特征提取模塊，用于在所述高光譜圖像中提取N個特征波段的光譜數據，N為大于1的整數；

鑒別模塊，用于將提取的特征波段的光譜數據作為學習向量量化模型的輸入值，并根據所述學習向量量化模型的輸出值鑒別所述魚肉樣品屬于海水魚還是淡水魚。

7.根據權利要求6所述的魚肉檢測裝置，其特征在于，

所述學習向量量化模型包括輸入層、競爭層和輸出層；

所述輸入層有N個神經元，分別用于接收所述N個特征波段的光譜數據；

所述競爭層有M個神經元，M為大于N的整數，所述輸入層的每個神經元與所述競爭層的所有神經元連接，所述競爭層的神經元分為兩組；

所述輸出層包括兩個神經元，所述輸出層的每個神經元與所述競爭層的一組神經元連接，所述輸出層的其中一個神經元的輸出值用于表示所述魚肉樣品屬于海水魚，另一個神經元用于表示所述魚肉樣品屬于淡水魚。

8.根據權利要求6所述的魚肉檢測裝置，其特征在于，還包括：

平滑處理模塊，用于對高光譜圖像中的光譜數據進行去噪；

歸一化處理模塊，用于對高光譜圖像中的光譜數據進行歸一化處理。

9.根據權利要求6所述的魚肉檢測裝置，其特征在于，還包括：

汞含量檢測模塊，用于將提取的特征波段的光譜數據作為學多元逐步回歸模型或偏最小二乘模型的輸入值，并根據所述多元逐步回歸模型或偏最小二乘模型的輸出值檢測所述魚肉樣品中的汞含量。

10.根據權利要求9所述的魚肉檢測裝置，其特征在于，還包括：

預處理模塊，用于對所述高光譜圖像中的光譜數據進行一階微分處理和多元散射處理。