[发明专利]一种基于多光谱成像技术的畜肉新鲜度无损伤检测方法

说明书

技术领域

本发明涉及农畜产品无损伤检测领域，尤其涉及一种基于多光谱成像技术的畜肉新鲜度无损伤检测方法。

背景技术

畜肉含有丰富的营养成分，是人们生活中重要的食物来源。近年来，我国畜肉产量不断提高，人们对畜肉产品的需求量加大，同时对其质量也提出更高的要求。生鲜畜肉的新鲜度是关于畜肉的风味、色泽、口感等卫生标准的综合评价，它可以综合反映产品营养性、安全性的可靠程度，是衡量畜肉肉品质的重要指标之一。

目前，国内畜肉新鲜度的检测采用感官评定法、标准的理化方法和微生物检测方法。感官评定受到人为主观性和片面性的限制，难以得出正确结论。理化分析和微生物分析等方法的分析过程繁琐、耗时、对畜肉试样具有破坏性，逐渐不能满足快速检测要求。例如：将畜肉样品绞碎、或加入一些化学试剂，这样对畜肉样品具有一定的损伤，从而导致检测后的畜肉不能继续使用或重复使用。

发明内容

（一）要解决的技术问题

本发明所要解决的技术问题是：如何提供一种基于多光谱成像技术的畜肉新鲜度无损伤检测方法，同时解决现有技术中对畜肉样品进行有损伤检测的技术问题。

（二）技术方案

为了解决上述技术问题，本发明提供了一种基于多光谱成像技术的畜肉新鲜度无损伤检测方法，所述方法包括如下步骤：

S10：获取待测畜肉样品的多光谱图像，测定所述待测畜肉样品的新鲜度评价指标；

S20：提取所述多光谱图像的散射曲线，计算所述多光谱图像的像素灰度均值、反射强度比率和散射曲线的数值积分；

S30：选取与所述待测畜肉样品的新鲜度评价指标对应的最佳像素灰度均值、反射强度比率和散射曲线的数值积分组合，建立多元线性回归预测模型；

S40：根据所述待测畜肉样品的新鲜度评价指标，采用判别分析方法建立畜肉新鲜度的判别模型；

S50：利用所述预测模型获取待测畜肉样品新鲜度评价指标的预测值，将该预测值输入所述畜肉新鲜度的判别模型，获得畜肉的新鲜度检测结果。

优选地，所述畜肉为猪肉、牛肉、羊肉、马肉或驴肉。

优选地，所述待测畜肉样品的新鲜度评价指标为待测畜肉样品的粘度、弹性、挥发性盐基氮、水分、嫩度或持水力。

优选地，在步骤S10前还包括步骤S09：对多光谱成像系统进行白参考校准。

优选地，所述多光谱成像系统的中心波长为517nm、550nm、560nm、580nm、600nm和760nm，且所述选定波长的半高带宽为10nm～15nm。

优选地，在所述步骤S09前还包括如下步骤：

S06：将待测畜肉样品切割成5cm*5cm*2.5cm的小块，并将所述的小块畜肉样品密封保存在4℃的冰箱中；

S07：按照畜肉卫生标准，将所述小块畜肉样品分为新鲜与不新鲜两组；

S08：将所述的小块畜肉样品去除外表面的包装，在空气中放置30min。

优选地，所述对多光谱成像系统进行白参考校准具体步骤包括：

S11：计算相机采集标准参考白板与初始建模时的标准参考白板分别在所述各个预定波长处的图像G1和G2的灰度均值差和灰度均方根；

S12：判断所述灰度均值差和所述灰度均方根是否均小于预定阈值，如果不是，则调节多光谱成像系统。

优选地，步骤S20中的所述提取多光谱图像的散射曲线的步骤包括：

S21：将所述多光谱图像进行二值化、腐蚀和膨胀处理，采用重心法求得处理后多光谱图像的重心；

S22：以所述多光谱图像的重心为圆心，以一个像素尺寸为带宽作同心圆环，所述同心圆环上的所有像素灰度值的平均值作为所述同心圆环的像素灰度值；

S23：以所述同心圆环半径为横坐标，以所述同心圆环像素灰度值为纵坐标，做出所述各个预定波长处的多光谱图像的散射曲线。

优选地，步骤S30所述最佳像素灰度均值、反射强度比率和散射曲线的数值积分组合的选取方法为逐步回归方法。

优选地，步骤S40所述判别分析方法为距离判别方法、费希尔判别方法或逐步判别方法。

（三）有益效果