[发明专利]注水肉检测方法和装置

权利要求书

1.一种注水肉检测方法，其特征在于，包括：

近红外光谱检测步骤：根据肉品的近红外光谱采集所述肉品的水分含量数据；

PH值测量步骤：测量所述肉品的PH值；

图像检测步骤：采集肉品的图像，并根据采集的图像获取肉品的颜色信息；

注水肉识别步骤：将所述肉品的水分含量数据、PH值和颜色信息作为支持向量机分类预测模型的输入特征获取所述支持向量机分类预测模型的输出值，并根据所述支持向量机分类预测模型的输出值判断所述肉品是否为注水肉。

2.根据权利要求1所述的注水肉检测方法，其特征在于，所述图像检测步骤获取的颜色信息包括图像中各像素的红色分量、蓝色分量、绿色分量、色调分量、饱和度分量和/或亮度分量。

3.根据权利要求1所述的注水肉检测方法，其特征在于，所述注水肉识别步骤之前包括：

通过粒子群优化算法对所述支持向量机分类预测模型进行优化。

4.根据权利要求1所述的注水肉检测方法，其特征在于，所述图像检测步骤包括：通过邻域平均算法、中值滤波算法、高斯滤波算法、灰度最小方差的均值滤波算法或者高斯模板平滑算法对采集的图像进行平滑处理，并根据平滑处理后的图像获取肉品的颜色信息。

5.根据权利要求1所述的注水肉检测方法，其特征在于，所述近红外光谱检测步骤之前包括：预测模型建立步骤，建立以近红外光谱作为输入、以水分含量数据作为输出的预测模型；

所述近红外光谱检测步骤包括：

获取肉品的近红外光谱；

通过多元散射校正算法或均值中心化算法对获取的近红外光谱进行平滑处理；

将平滑处理后的近红外光谱作为所述预测模型的输入获取所述预测模型的输出值；

根据所述预测模型的输出值获取所述肉品的水分含量数据。

6.根据权利要求5所述的注水肉检测方法，其特征在于，所述预测模型建立步骤通过偏最小二乘算法建立所述预测模型。

7.根据权利要求6所述的注水肉检测方法，其特征在于，所述预测模型建立步骤还包括：通过向后区间偏最小二乘筛选法选取能够使预测模型的拟合精度最高的光谱区间，并在选取的光谱区间上进行建模以形成所述预测模型。

8.一种注水肉检测装置，其特征在于，包括：

近红外光谱检测模块，用于根据肉品的近红外光谱采集所述肉品的水分含量数据；

PH值测量模块，用于测量所述肉品的PH值；

图像检测模块，用于采集肉品的图像，并根据采集的图像获取肉品的颜色信息；

注水肉识别模块，用于将所述肉品的水分含量数据、PH值和颜色信息作为支持向量机分类预测模型的输入特征获取所述支持向量机分类预测模型的输出值，并根据所述支持向量机分类预测模型的输出值判断所述肉品是否为注水肉。

9.根据权利要求8所述的注水肉检测装置，其特征在于，还包括优化模块，用于通过粒子群优化算法对所述支持向量机分类预测模型进行优化。

10.根据权利要求8所述的注水肉检测装置，其特征在于，还包括预测模型建立模块，用于建立以近红外光谱作为输入、以水分含量数据作为输出的预测模型；所述近红外光谱检测模块具体用于：

获取肉品的近红外光谱；

通过多元散射校正算法或均值中心化算法对获取的近红外光谱进行平滑处理；

将平滑处理后的近红外光谱作为所述预测模型的输入获取所述预测模型的输出值；

根据所述预测模型的输出值获取所述肉品的水分含量数据。