[發明專利]基于多特征融合的肉類新鮮度高光譜圖像可視化檢測

有效

• 申請號: 201410136071.4
• 申請日: 2014-04-04
• 公開（公告）號: CN103900972B
• 公開（公告）日: 2017-01-18
• 發明（設計）人: 朱啟兵;肖盼;尹克;黃敏
• 申請（專利權）人: 江南大學;杭州電子科技大學
• 主分類號: G01N21/25
• 分類號: G01N21/25
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本方法涉及肉類新鮮度的無損檢測方法，尤其涉及一種利用高光譜圖像技術，并結合多特征融合方法進行肉類新鮮度可視化無損檢測的方法。

背景技術

肉類含有豐富的蛋白質、脂肪、礦物質等，可提供給人體豐富的營業物質，是人類膳食結構的重要組成部分。

肉類在儲藏、運輸、加工過程中易收到酶、微生物等作用，產生腐敗變質。腐敗變質的肉不僅營業價值和口感發生變化，甚至會產生有毒物質，危害身體健康，引起安全事故。近年來，我國肉類產品的流通量和流通距離呈不斷增長的態勢；隨之而來的是不斷增大的肉類腐敗變質風險，以及由此產生的食品安全事故，因此迫切需要解決肉類新鮮度的快速檢測問題。

根據國家鮮、凍畜禽肉的衛生標準，對肉類新鮮度的評定主要采用感官指標和理化指標相結合的檢驗方法。感官檢測方法主要是人工對肉類的色澤、彈性、粘度、氣味等進行評價，存在著過度依賴檢驗人員經驗，具有主觀性和片面性、結果不易量化的缺點。理化指標檢測主要是通過各類物理化學方法，對TVB-N(揮發性鹽基氮)、PH值、三甲胺等化學指標進行測定，存在著操作步驟繁瑣、測定速度慢、破壞檢測樣品等缺點，無法滿足肉類新鮮度快速、無損檢測要求。

為了滿足肉類新鮮度的快速無損檢測要求，多種技術被引入到肉類新鮮度的無損檢測中。如我國專利申請號CN200710068733，名稱為《多光譜肉類新鮮度人工智能測量方法及系統》提出了一種利用3CCD多光譜相機采集肉類樣本在550nm、650nm和800nm三個波段通道的單色圖像，并提取其平均亮度、亮度方差、亮度級差作為特征向量，進行肉類新鮮度檢測的方法。由于該方法僅利用了3個波段通道的圖像信息，存在著分類識別信息缺乏的缺點，導致檢測精度收到肉的品種、部位、屠宰方式等因素的較大干擾。為了獲得更多的肉類新鮮度檢測識別信息，我國專利號CN200610127321，名稱為《豬肉新鮮度智能檢測裝置》提出了一種利用光學測試和氣體傳感技術相結合的肉類新鮮度檢測方法。該方法在利用光學CCD獲取肉類在可見光波段下的灰度特征信息同時，利用氣體傳感器獲取肉類的氣味信號，并最終完成豬肉新鮮度的識別。但是該方法提取的圖像特征有限，且氣味傳感器存在著交叉敏感性的問題，導致評價精度仍然難以滿足實際應用需要。

高光譜圖像技術集光譜技術與圖像技術的優點于一體，高光譜圖像不僅包含了待測對象豐富的光譜信息，還涵蓋了待測對象的圖像信息。這些豐富的光譜信息和圖像信息能夠將待測對象的外部特征、內部物理結構以及化學成分充分展現出來。因其具有簡便、快速、低成本及非損傷性的特點在近年來備受關注，其已經廣泛應用于多個領域，尤其是無損檢測領域。

與傳統的圖像相比，高光譜圖像具有豐富的圖像信息個光譜信息，但巨大的數據量給數據處理帶來了一定的困難，如何挖掘一些有用的信息、并充分利用這些信息一直是個難題。傳統的高光譜圖像無損檢測方法一般只提取單一特征信息來構建無損檢測模型，這樣不僅大大浪費了高光譜圖像帶來的豐富信息，而且單一的特征往往受外界影響大，不能充分地反映被測物質的特性，導致檢測模型的精度和魯棒性有限。

發明內容

本發明的目的在于，針對現有肉類新鮮度無損檢測方法的不足，提出了多特征融合的肉類新鮮度高光譜圖像處可視化檢測方法；其具有檢測模型的精度高、穩健性好的優點，可實現肉類新鮮度的快速無損可視化檢測。

為了實現上述目的，本發明的技術方案，基于多特征融合的肉類新鮮度高光譜圖像可視化檢測方法，具體步驟包括：

a、共選取S個肉類樣本，利用高光譜反射圖像采集系統采集每個樣本在共P個波段下的高光譜反射圖像；

b、分別提取這S個樣本在P個波段下的的高光譜反射圖像的光強均值、圖像熵、及能量均值特征；

c、將采集好高光譜圖像的S個肉類樣本做破壞性試驗，用半微量凱氏定氮法(GB/T5009.44-2003)測定樣本的TVB-N(揮發性鹽基氮)含量，得到肉樣的新鮮度分類結果；

d、利用S個肉樣高光譜圖像的光強均值、圖像熵、及能量均值特征構建對樣本的TVB-N值的融合預估模型；

e、利用高光譜反射圖像采集系統采集待測樣本的高光譜反射圖像，并按照步驟(b)獲得高光譜圖像的特征參數，輸入到步驟(d)建立的融合預估模型，最終獲得待測樣本的TVB-N預測值；

f、根據步驟(d)建立的融合預估模型，獲得TVB-N值在肉類表面的分布情況，實現對待測豬肉樣本的新鮮度的可視化檢測。

在步驟(b)中，高光譜反射圖像的光強均值、圖像熵、及能量均值由下述步驟獲得：