[发明专利]基于多特征融合的肉类新鲜度高光谱图像可视化检测

说明书

技术领域

本方法涉及肉类新鲜度的无损检测方法，尤其涉及一种利用高光谱图像技术，并结合多特征融合方法进行肉类新鲜度可视化无损检测的方法。

背景技术

肉类含有丰富的蛋白质、脂肪、矿物质等，可提供给人体丰富的营业物质，是人类膳食结构的重要组成部分。

肉类在储藏、运输、加工过程中易收到酶、微生物等作用，产生腐败变质。腐败变质的肉不仅营业价值和口感发生变化，甚至会产生有毒物质，危害身体健康，引起安全事故。近年来，我国肉类产品的流通量和流通距离呈不断增长的态势；随之而来的是不断增大的肉类腐败变质风险，以及由此产生的食品安全事故，因此迫切需要解决肉类新鲜度的快速检测问题。

根据国家鲜、冻畜禽肉的卫生标准，对肉类新鲜度的评定主要采用感官指标和理化指标相结合的检验方法。感官检测方法主要是人工对肉类的色泽、弹性、粘度、气味等进行评价，存在着过度依赖检验人员经验，具有主观性和片面性、结果不易量化的缺点。理化指标检测主要是通过各类物理化学方法，对TVB-N(挥发性盐基氮)、PH值、三甲胺等化学指标进行测定，存在着操作步骤繁琐、测定速度慢、破坏检测样品等缺点，无法满足肉类新鲜度快速、无损检测要求。

为了满足肉类新鲜度的快速无损检测要求，多种技术被引入到肉类新鲜度的无损检测中。如我国专利申请号CN200710068733，名称为《多光谱肉类新鲜度人工智能测量方法及系统》提出了一种利用3CCD多光谱相机采集肉类样本在550nm、650nm和800nm三个波段通道的单色图像，并提取其平均亮度、亮度方差、亮度级差作为特征向量，进行肉类新鲜度检测的方法。由于该方法仅利用了3个波段通道的图像信息，存在着分类识别信息缺乏的缺点，导致检测精度收到肉的品种、部位、屠宰方式等因素的较大干扰。为了获得更多的肉类新鲜度检测识别信息，我国专利号CN200610127321，名称为《猪肉新鲜度智能检测装置》提出了一种利用光学测试和气体传感技术相结合的肉类新鲜度检测方法。该方法在利用光学CCD获取肉类在可见光波段下的灰度特征信息同时，利用气体传感器获取肉类的气味信号，并最终完成猪肉新鲜度的识别。但是该方法提取的图像特征有限，且气味传感器存在着交叉敏感性的问题，导致评价精度仍然难以满足实际应用需要。

高光谱图像技术集光谱技术与图像技术的优点于一体，高光谱图像不仅包含了待测对象丰富的光谱信息，还涵盖了待测对象的图像信息。这些丰富的光谱信息和图像信息能够将待测对象的外部特征、内部物理结构以及化学成分充分展现出来。因其具有简便、快速、低成本及非损伤性的特点在近年来备受关注，其已经广泛应用于多个领域，尤其是无损检测领域。

与传统的图像相比，高光谱图像具有丰富的图像信息个光谱信息，但巨大的数据量给数据处理带来了一定的困难，如何挖掘一些有用的信息、并充分利用这些信息一直是个难题。传统的高光谱图像无损检测方法一般只提取单一特征信息来构建无损检测模型，这样不仅大大浪费了高光谱图像带来的丰富信息，而且单一的特征往往受外界影响大，不能充分地反映被测物质的特性，导致检测模型的精度和鲁棒性有限。

发明内容

本发明的目的在于，针对现有肉类新鲜度无损检测方法的不足，提出了多特征融合的肉类新鲜度高光谱图像处可视化检测方法；其具有检测模型的精度高、稳健性好的优点，可实现肉类新鲜度的快速无损可视化检测。

为了实现上述目的，本发明的技术方案，基于多特征融合的肉类新鲜度高光谱图像可视化检测方法，具体步骤包括：

a、共选取S个肉类样本，利用高光谱反射图像采集系统采集每个样本在共P个波段下的高光谱反射图像；

b、分别提取这S个样本在P个波段下的的高光谱反射图像的光强均值、图像熵、及能量均值特征；

c、将采集好高光谱图像的S个肉类样本做破坏性试验，用半微量凯氏定氮法(GB/T5009.44-2003)测定样本的TVB-N(挥发性盐基氮)含量，得到肉样的新鲜度分类结果；

d、利用S个肉样高光谱图像的光强均值、图像熵、及能量均值特征构建对样本的TVB-N值的融合预估模型；

e、利用高光谱反射图像采集系统采集待测样本的高光谱反射图像，并按照步骤(b)获得高光谱图像的特征参数，输入到步骤(d)建立的融合预估模型，最终获得待测样本的TVB-N预测值；

f、根据步骤(d)建立的融合预估模型，获得TVB-N值在肉类表面的分布情况，实现对待测猪肉样本的新鲜度的可视化检测。

在步骤(b)中，高光谱反射图像的光强均值、图像熵、及能量均值由下述步骤获得：