[發明專利]一種基于高光譜成像技術對大豆蛋白低對比度異物的檢測方法

在審

• 申請號: 202211259388.8
• 申請日: 2022-10-14
• 公開（公告）號: CN115494012A
• 公開（公告）日: 2022-12-20
• 發明（設計）人: 王康龍;郭玉洪;李凌風;楊再強;劉夢雪;石吉勇
• 申請（專利權）人: 江蘇大學
• 主分類號: G01N21/31
• 分類號: G01N21/31;G01N21/3563;G01N21/359;G06V10/40;G06V10/774
• 代理公司: 南京智造力知識產權代理有限公司 32382
• 代理人: 李僑飛

1.一種基于高光譜成像技術對大豆蛋白低對比度異物的檢測方法，其特征在于，按照下述步驟進行：

步驟一，大豆蛋白肉-異物的反射光譜特征提取包含如下過程：

過程一，制備樣品；

取大豆蛋白肉，將其斬拌制糜，均勻平鋪，制成(M+1)*N個大豆蛋白肉樣品；其中包括N個無異物大豆蛋白肉樣品和含有M種異物的M*N個大豆蛋白肉樣品；

所述含有異物的大豆蛋白肉樣品設置有M組，記為大豆蛋白肉-異物樣品，簡記為Y-i-j；大豆蛋白肉樣品作為空白對照，記為空白樣品，簡記為KB-k；其中i∈[1,2,……,M-1,M]，j、k∈[1,2,……,N-1,N]，M、N為正整數；

所述異物包括玻璃、塑料或硅膠；所述大豆蛋白肉-異物樣品的制備方法：取異物與大豆蛋白肉樣品混合，即可得到含有異物的大豆蛋白肉樣品；

過程二，對大豆蛋白肉樣品采集反射高光譜圖像及光譜特征提取；

將過程一制備的(M+1)*N個大豆蛋白肉樣品按照d：1的比例隨機分配訓練集和預測集；其中訓練集包含M*N*d/(d+1)個大豆蛋白肉-異物樣品以及N*d/(d+1)個空白樣品；預測集包含M*N*1/(d+1)個大豆蛋白肉-異物樣品以及N*1/(d+1)個空白樣品；其中d為正整數；

將訓練集和預測集的樣品進行反射高光譜圖像采集，從白色光譜面板上獲取白色參考圖像，完全覆蓋相機鏡頭，以獲取黑色參考圖像，然后利用白色和黑色參考圖像對采集的高光譜圖像進行黑白版矯正，得到校正好的高光譜圖像；

利用校正好的高光譜圖像，使用ENVI軟件中的矩形選擇工具創建異物以及大豆蛋白肉樣品的感興趣區域，提取感興趣區域全光譜信息，再對其平均化處理，得到原始光譜數據集為((M+1)*N)×618，記為G，包括訓練數據集和預測數據集，其中訓練數據集為((M+1)*N*d/(d+1))×618，記為G-cal；預測數據集為((M+1)*N*1/(d+1))×618，記為G-pre；

對G進行預處理后提取大豆蛋白肉-異物的反射光譜特征數據集為((M+1)*N)×r，記為G1；包括訓練數據集和預測數據集，其中訓練數據集為((M+1)*N*d/(d+1))×r，記為G1-cal；預測數據集為((M+1)*N*1/(d+1))×r，記為G1-pre；r為大豆蛋白肉-異物的反射光譜特征變量個數；

步驟二，所述基于大豆蛋白肉-異物反射光特征的鑒別模型構建包括如下過程：

過程一，利用步驟一得到的訓練數據集G1-cal和預測數據集G1-pre作為模型輸入變量X，以是否有異物作為輸出變量Y，其中以參考值0代表大豆蛋白肉，參考值1代表異物，結合化學計量法建立異物鑒別模型Y＝F(X)；

過程二，使用訓練數據集G1-cal的光譜數據對模型參數進行優化調節，并使用測試數據集G1-pre對訓練模型進行驗證，通過正確分類樣品的準確率來評估模型對異物的判別能力；

步驟三，所述待測樣品異物鑒別包括如下過程：

過程一，取大豆蛋白肉，將其斬拌制糜，均勻平鋪，制成待測樣品，在高光譜檢測儀下獲得待測樣品逐像素的光譜反射數據；

過程二，利用獲得的光譜數據根據步驟一過程二中圖像采集方法獲得待測樣品的光譜特征數據，遍歷高光譜圖像中每一像素點的光譜特征數據作為自變量X，代入異物鑒別模型Y＝F(X)，如果該像素點被判斷有異物，則設置像素灰度值輸出為1，如果判斷為無異物則設置像素灰度值輸出為0；最終生成二值化圖像，其中0灰度級區域代表大豆蛋白肉區域，1灰度級區域代表異物區域，從而實現大豆蛋白肉中低對比度異物的可視化檢測。

2.根據權利要求1所述的一種基于高光譜成像技術對大豆蛋白低對比度異物的檢測方法，其特征在于，步驟一的過程一中所述大豆蛋白肉樣品平鋪的厚度為1cm，大小為5cm*5cm。

3.根據權利要求1所述的一種基于高光譜成像技術對大豆蛋白低對比度異物的檢測方法，其特征在于，步驟一的過程一中所述異物的尺寸為1cm*1cm*0.5mm。