[發明專利]一種基于證據理論的物體新鮮度無損檢測方法

有效

• 申請號: 201810173946.6
• 申請日: 2018-03-02
• 公開（公告）號: CN108362652B
• 公開（公告）日: 2020-06-09
• 發明（設計）人: 黃敏;郭騰飛;朱啟兵;郭亞
• 申請（專利權）人: 江南大學
• 主分類號: G01N21/27
• 分類號: G01N21/27;G01N21/95
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 張素卿

本發明公開了一種基于證據理論的物體新鮮度無損檢測方法，涉及圖像處理技術領域，該方法包括：選取待檢測物體的N個新鮮度不同的檢測樣本，對于每個檢測樣本，確定新鮮度等級并獲取高光譜圖像，通過高光譜圖像確定特征參數，采用至少兩種不同的算法對N個檢測樣本的特征參數進行特征融合從而得到至少兩個預測模型，基于證據理論對至少兩個預測模型進行融合得到對樣本的新鮮度等級的融合預測模型，利用融合預測模型對待檢測物體進行新鮮度無損檢測；該方法可以克服單模型泛化能力不高、精度低的缺點，可以提高物體新鮮度的預測精度，操作簡單、快速有效，并具有較高的魯棒性和模型泛化能力。

技術領域

本發明涉及圖像處理技術領域，尤其是一種基于證據理論的物體新鮮度無損檢測方法。

背景技術

肉類及其制品是人類獲得蛋白質、維生素和礦物質等營養成分的重要來源之一，但在加工及貯藏過程中由于微生物、酶以及自身脂肪氧化等作用，肉類及其制品容易腐敗變質，這不僅會降低肉類及其制品的營養價值，還會產生有毒有害物質，影響食品安全，因此，對肉類及其制品的新鮮度的快速檢測成為了加工及貯藏過程中的重要環節。

目前對肉類制品新鮮度的評定主要采用感官檢測法或理化檢測法，感官檢測法主要是由檢測人員對肉類制品的色澤、彈性、粘度和氣味等進行評價，這種方法過度依賴人員經驗，且具有主觀性和片面性，同時檢測結果不易量化；理化檢測法主要是通過物理化學方法對肉類制品的各項化學指標進行測定，存在著步驟繁瑣、檢測周期長以及破壞檢測樣品等缺點。為了解決感官檢測法和理化檢測法的缺陷，機器視覺、近紅外光譜以及高光譜成像等圖像處理方法逐漸被引入到對肉類制品的新鮮度的檢測中，這些方法可以實現對肉類制品新鮮度的可視化無損檢測，方便快捷，其中，高光譜成像由于結合了機器視覺和近紅外光譜的優點，能夠同時反映肉類制品的內外部特征，從而被廣泛應用于肉類制品的新鮮度檢測中，但是傳統的高光譜成像進行無損檢測時一般是通過建立單一模型來進行檢測，檢測精度不夠，且單一模型會導致模型的泛化能力不強、魯棒性較差，檢測效果不夠好。

發明內容

本發明人針對上述問題及技術需求，提出了一種基于證據理論的物體新鮮度無損檢測方法，該方法可以提高肉類新鮮度的預測精度，操作簡單、快速有效，并具有較高的魯棒性和模型泛化能力。

本發明的技術方案如下：

選取待檢測物體的N個新鮮度不同的檢測樣本，確定每個檢測樣本的新鮮度等級，N為正整數；

獲取每個檢測樣本在M個波段下的M個高光譜圖像，M為正整數；

對于每個檢測樣本，通過檢測樣本對應的M個高光譜圖像確定檢測樣本的特征參數；

采用第一算法對N個檢測樣本的特征參數進行特征融合，并將融合后的特征輸入到最小二乘支持向量機預測模型中得到對樣本的新鮮度等級的第一預測模型；

采用第二算法對N個檢測樣本的特征參數進行特征融合，并將融合后的特征輸入到最小二乘支持向量機預測模型中得到對樣本的新鮮度等級的第二預測模型；

基于證據理論對第一預測模型和第二預測模型進行融合得到對樣本的新鮮度等級的融合預測模型；

使用融合預測模型對待檢測物體進行新鮮度檢測確定待檢測物體的新鮮度等級。

其進一步的技術方案為，基于證據理論對第一預測模型和第二預測模型進行融合得到對樣本的新鮮度等級的融合預測模型，包括：

分別確定第一預測模型和第二預測模型的模型權重，并在識別框架上建立基本信度函數分配，識別框架中包括第一預測模型和第二預測模型，第一預測模型對應的基本信度值為第一預測模型的模型權重，第二預測模型對應的基本信度值為第二預測模型的模型權重；