[发明专利]多光谱肉类新鲜度人工智能测量方法及系统

说明书

技术领域

本发明涉及利用光学手段来分析材料，尤其是涉及一种多光谱肉类新鲜度人工智能测量方法及系统。

背景技术

肉类新鲜度的评测指标很多，传统的评测方法应该从肉类本身的外观、气味、化学成分等各方面进行综合评定，对评测人员要求很高。现有的检测技术主要有以下几种：1)挥发性总盐基氮—TVB-N的测试。无论是采用凯氏定氮法，还是其他定氮方法，都免不了操作烦琐，测试时间长，且不是无损检测，很难满足当前对于大批量样品快速无损检测的要求。2)检测表面肉色来反映新鲜度。这种方法采用一定波长的光照到参考物表面，通过接收器检测反射回来的光，然后光源发射同样波长的光照到肉表面，接收器检测反射回来的光，计算发射吸光度，并将此值采用人工神经网络建立与肉色标准相应的数学模型，用于检测肉色，进而推测新鲜程度。但是这种方法检测的光的波段过于单一，接受得到的光波信息量较少，并且这一方法中的得到的数据不够直观且缺乏前期后期处理，易受外界干扰。

发明内容

本发明的目的在于提供一种多光谱肉类新鲜度人工智能测量方法及系统，采用机器视觉、图像处理与人工智能等技术的结合，快速、无损、准确地评定肉类的新鲜度。

本发明解决其技术问题所采用的技术方案是：

一、一种多光谱肉类新鲜度人工智能测量方法，该方法的步骤如下：

1)通过固定光源的照射，3CCD多光谱摄像机接受肉类反射信息；

2)反射信息通过图像采集卡传输到计算机，得到原始的3幅图像，分别为550nm、650nm、800nm三个波段通道的单色图像；

3)通过小波降噪，降低图像噪声，由于近红外单色图像的背景与肉类差异较大，可使肉类与背景分离，并且完成边缘检测，得到单独的肉类的图像信息；

4)压缩图像，把原有的10*10象素的图像融合成新的象素集，选取出这一象素集的平均亮度、亮度方差、亮度级差，作为这一象素集的特征向量；

5)选取事先通过检测挥发性总盐基氮—TVB-N确定肉类新鲜度的几个样本，以这些不同的新鲜度作为输出，通过以上1)至4)步骤提取的特征向量作为输入，通过支持向量机或人工神经网络的人工智能方法建立不同类别肉类的数据库模型；

6)拍摄待测肉类的多光谱图像，通过以上1)至4)步骤提取的特征向量并作为输入，以5)步骤建立的模型为判别过程，判断每一象素集合的肉类新鲜类别；

7)以各象素集的新鲜度判断结果所占比重综合判断，这里采取无权重的，以最多数目象素集类型确定整块肉质的新鲜度，并把结果输出。

二、一种多光谱肉类新鲜度人工智能测量系统：

包括可调节参数光源，肉类放置平台，3CCD多光谱摄像机；图像采集卡和计算机处理系统及数据库；可调节参数光源发射特定光束照射于肉类放置平台上，3CCD多光谱摄像机接收肉品反射光，信号传输给图像采集卡，通过采集卡传输到计算机处理系统进行处理。

本发明具有的有益效果是：

1.功能强大，可实现对肉类新鲜度的快速、准确、非破坏性的诊断。

2.结构简单，整个测量装置只由一个3CCD多光谱成像系统、一台计算机组成。

3.使用方便，只要将测量装置中的各组成部件按照要求连接起来，就可以进行测量。

4.具有良好的经济效益。传统的测量手段在取样、测定、数据分析等方面需要耗费大量的人力、物力，且效果差。本测量装置因结构简单、制作方便，可以快速、准确地测量肉类的多光谱图像信息，分析得到肉类的新鲜度，从而实现实时、无损检测肉类新鲜度。

附图说明

图1是本发明系统框图。

图2是本发明的工作流程图。

具体实施方式

如图1所示，本发明包括可调节参数光源，肉类放置平台，3CCD多光谱摄像机，图像采集卡和计算机处理系统及数据库。可调节参数光源发射特定光束照射于肉类放置平台上，3CCD多光谱摄像机接收肉品反射光，信号传输给图像采集卡，通过采集卡传输到计算机处理系统进行处理。

所述的多光谱摄像机为Duncan公司MS系列3CCD多光谱摄像系统。

所述的图像采集卡是National Instrument公司PCI 1424或PCI1428。

Duncan公司的MS系列多光谱摄像系统将摄入图像经过滤，实时分离成绿(550nm)，红(650nm)，近红外(800nm)三个波段通道的单色图像，通过PCI 1424或1428(National Instrument公司)的图像采集卡连接到计算机。