[发明专利]一种基于多源感知信息融合的肉品新鲜度检测方法

说明书

技术领域

本发明涉及肉品新鲜度检测方法，具体是一种基于多源感知信息融合的肉品新鲜度检测方法。

背景技术

肉品新鲜度的检测方法很多，主要有人工感观评定和常规化学分析方法。人工感观评定需要经过训练的人员进行评价，评价结果具有一定主观性；常规化学分析方法检测周期长，步骤繁琐，检测结果依赖于检测人员的技术水平。即这些传统的检测方法都存在检测精度不高或耗时过长、不能及时准确地反馈肉品新鲜度信息等局限。 

而随着生活水平的提高，世界各国对于肉类及其制品的质量安全控制愈加严格，人们对肉品的需求已逐渐从数量向质量转变，传统的肉品质检测方法已经不再能够满足人们的需求，而对准确、快速、灵敏的检测方法的需求也愈加迫切。

而目前，多数检测方法为较传统的信号预处理技术和模式识别方法，它往往对某一两项指标有较好的信息响应，但对充分利用多种信息进行综合全面评价就显得力不从心。肉品腐败变质是一个复杂的过程，既有内部化学成分的改变，又有外部气味等感官指标的变化，充分利用以上所述多种信息进行综合地、全面地评价的无损检测方法尚没有出现，此为现有技术的不足之处。

发明内容

本发明所要解决的技术问题是，针对现有技术的不足之处，提供一种既能够检测肉品内部化学成分的改变，又能够检测肉品外部颜色、气味等感官指标变化的基于多源感知信息融合的肉品新鲜度检测方法。

为解决上述技术问题，本发明提供了一种基于多源感知信息融合的肉品新鲜度检测方法，其利用近红外光谱仪、计算机视觉系统和电子鼻同时分别采集样品的内外部信息，并对所采集到的各信息进行数据融合处理，结合肉品新鲜等级评定标准，对肉品新鲜程度进行分级评定，其具体步骤如下：

1) 建立肉品新鲜度分级评定标准：

将肉样品分成两份，根据肉品新鲜度检测的标准，对其中一份样品进行感官检测、理化检测和微生物检测，包括色泽、气味、弹性、粘度、持水力、挥发性盐基氮、pH值、硫化氢和菌落总数，同时确定各指标的权重，建立肉品新鲜度分级评定标准：新鲜肉、次新鲜肉和腐败肉；其中，所述样品为片状或肉糜状；

2）建立肉品新鲜度分级预测模型：

利用近红外光谱仪、计算机视觉系统和电子鼻分别同时采集另一份样品的光谱信息、图像信息和气味指纹信息，并将所采集到的上述信息传入计算机，计算机对获得信息分别进行光谱预处理、图像预处理和气味指纹数据预处理，之后通过主成分分析法，分别提取反映样品新鲜度的光谱特征、图像特征和气味指纹特征，并采用偏最小二乘法在特征层对所述的光谱特征、图像特征和气味指纹特征进行融合；与所建立的肉品新鲜度分级评定标准相关联，结合模式识别方法，在决策层作出肉品新鲜程度的判断，建立肉品新鲜度分级预测模型；

3)待测样品的新鲜度分级评定：

检测时，通过近红外光谱仪、计算机视觉系统和电子鼻分别采集待测样品的光谱信息、图像信息和气味指纹信息，并将其传入计算机；计算机对传入的各信息分别进行预处理、特征提取和特征层融合，并在决策层进行模式识别，给出待测样品新鲜度的分级评定结果。

其中，所述计算机视觉系统采用可见光光源。

其中，步骤2)中所述光谱信息采用近红外积分球漫反射法或漫透射法进行采集。

其中，步骤2)中所述图像信息采用RGB彩色空间模型表示。

其中，步骤2)中所述气味指纹信息采用静态顶空生成法采集。

其中，步骤2)中所述光谱预处理的方法为附加散射校正结合Savitzky-Golay滤波法。

其中，步骤2)中所述图像预处理的方法包括图像消噪、图像背景去除、皮下脂肪区域去除和肌内脂肪区域分割。

其中，步骤2)中传入计算机的图像信息以肌肉区域的颜色平均值以及颜色分布标准差为特征参数，且采用主成分分析法提取颜色特征变量。

其中，步骤2)中所述的气味指纹信息选取气体传感器的电压数据稳定值或最大值作为特征参数，并通过主成分分析法提取气味特征变量。

其中，步骤3）中所述的模式识别，就是将待测样品的光谱信息、图像信息和气味指纹信息经预处理、特征提取后在特征层上特征融合，然后再结合已经建立的肉品新鲜度分级预测模型，通过模式识别的方法给出待测样品新鲜度的分级评定结果。

与现有技术相比，本发明的优点在于：