[發明專利]一種基于高光譜圖像處理的提高肉源真偽鑒別正確率方法

有效

• 申請號: 201910769277.3
• 申請日: 2019-08-20
• 公開（公告）號: CN110490895B
• 公開（公告）日: 2022-02-11
• 發明（設計）人: 饒秀勤;高迎旺;張延寧;張小敏;王怡田;林洋洋;王一嫻;應義斌
• 申請（專利權）人: 浙江大學
• 主分類號: G06T7/194
• 分類號: G06T7/194;G06T7/11;G06K9/62;G06V10/25;G06V10/774;G06V10/764;G01N21/84
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 林超

本發明公開了一種基于高光譜圖像處理的提高肉源真偽鑒別正確率方法。基于波段比圖像構建背景掩膜圖像，然后利用主成分分析方法提取高光譜圖像第二主成分圖像，對第二主成分圖像進行背景分割，進而構建脂肪掩膜圖像，實現對高光譜圖像中背景和脂肪的剔除；再提取目標物的光譜特征，并利用主成分分析方法進行光譜特征的降維，輸入模型訓練檢測，能提高肉源真偽鑒別的正確率。本發明是利用高光譜圖像處理技術剔除背景和肌間脂肪，提高肉源真偽鑒別的正確率。

技術領域

本發明涉及一種基于高光譜圖像處理的提高肉源真偽鑒別正確率方法，尤其是涉及了一種基于高光譜圖像處理技術剔除肌間脂肪進而提高肉源真偽鑒別正確率的方法。

背景技術

肉類是人類飲食中最重要的食品來源之一，具有豐富的營養價值。由于宗教信仰、生活方式和經濟價值的不同，不同類別肉的真實性越來越受到人們的關注。在需求驅動和經濟驅動的雙重作用下，肉源的真偽鑒別顯得尤為重要。光譜檢測技術通過分析不同類別肉中化合物含氫基團振動的合頻和倍頻信息鑒別肉源真偽，已得到廣泛應用。但光譜檢測技術缺乏對被檢物空間信息的表達，不適用于不均一樣本的檢測。高光譜成像技術融合了光譜技術和成像技術，能夠同時獲取被檢物的組分及其空間分布信息，在肉源鑒別中日益引起學者關注。

Nolasco-Perez等運用MATLAB等提取特征，驗證了相比于可見光成像技術和光譜技術，高光譜成像技術對豬肉、牛肉和雞肉的區別能力更強，并可較好地實現雞胸肉中摻假的豬腿肉和牛股肉的定量檢測。(Irene M.Nolasco-Perez,Luiz A.C.M.Rocco,etal.Comparison of rapid techniques for classification of ground meat[J].Biosystems Engineering,2019,183:151-159.)Kamruzzaman等利用高光譜成像技術系統研究了牛肉中的異源肉摻假，分別檢測牛肉餡中的豬肉、馬肉和雞肉。通過建立的回歸模型可較好地預測牛肉餡中摻假物的含量，并將其應用于單個像素可實現摻假程度的可視化分布。其中，圖像背景分割、波段提取等均在MATLAB中實現。(Mohammed Kamruzzaman,YoshioMakino,Seiichi Oshita.Hyperspectral imaging in tandem with multivariateanalysis and image processing for non-invasive detection and visualization ofpork adulteration in minced beef[J].Analytical Methods,2015,7:7496-7502；Mohammed Kamruzzaman,Yoshio Makino,Seiichi Oshita,et al.Assessment of VisibleNear-Infrared Hyperspectral Imaging as a Tool for Detection of HorsemeatAdulteration in Minced Beef[J].Food and Bioprocess Technology,2015,8(5):1054-1062.；Mohammed Kamruzzaman,Yoshio Makino,Seiichi Oshita.Rapid and non-destructive detection of chicken adulteration in minced beef using visiblenear-infrared hyperspectral imaging and machine learning[J].Journal of FoodEngineering,2016,170(7):8-15.)Al-Sarayreh等對豬肉、牛肉和羊肉這三種肉進行分類，并考慮了生鮮、冷凍、解凍和包裝、不包裝等各種狀態。他們對比了傳統機器學習方法(支持向量機，SVM)和深度學習方法(卷積神經網絡，CNN)在異源肉分類中的表現。結果發現，高光譜成像技術結合CNN分類結果較好，分類準確率可達到94.4％，并且不受肉的各種狀態的影響。(Mahmoud Al-Sarayreh,Marlon M.Reis,et al.Detection of Red-MeatAdulteration by deep Spectral-Spatial features in hyperspectral images[J].Journal of Imaging,2018,4,63.)以上研究表明，高光譜成像技術在肉源真偽鑒別中具有廣闊的應用前景。其中，MATLAB在高光譜數據處理中發揮重要作用。而ENVI(Environmentfor Visualizing Images)作為光譜圖像數據專業處理軟件，具有豐富而強大的功能，在高光譜數據處理中廣泛應用。(Yukun Xing,Richard B.Gomez.Hyperspectral imageanalysis using ENVI(environment for visualizing images)[J].Proceedings ofSPIE-The International Society for Optical Engineering,2001,15(38):79-86.)