[发明专利]基于高光谱的识别新鲜肉、冷却肉和冷冻肉的方法及装置

权利要求书

1.基于高光谱的识别新鲜肉、冷却肉和冷冻肉的方法，其特征在于，包括以下步骤：

(1)对肉品样品进行高光谱扫描，获取0反射率高光谱图像和全反射率高光谱图像，对获取的高光谱图像进行校正；

(2)在校正后的0反射率高光谱图像和全反射率高光谱图像上选取肉品样品的感兴趣区域，获取感兴趣区域在特征波长下的光谱反射值；

对高光谱图像进行主成分分析得到PC图像，提取权重系数最高的PC图像，并计算权重系数最高的PC图像的纹理特征；所述纹理特征包括0度角的相关性、灰度熵和梯度熵；

当肉品样品为猪肉样品时，所述特征波长为552nm、583nm、和673nm；

当肉品样品为牛肉样品时，所述特征波长为479nm、601nm和776nm；

当肉品样品为羊肉样品时，所述特征波长为549nm、638nm和774nm；

(3)采用基于Fisher判别式的第一判别分析模型进行判别：

当肉品样品为猪肉样品时，第一判别分析模型如下：

Y₀＝0.034R₅₅₂-0.073R₅₈₃-0.067R₆₇₃+0.078T₁-0.105T₂+0.066T₃+47.843

Y₁＝0.041R₅₅₂-0.068R₅₈₃-0.073R₆₇₃+0.056T₁-0.131T₂+0.097T₃+35.764

其中，R₅₅₂、R₅₈₃、R₆₇₃分别为特征波长552nm、583nm、和673nm下的光谱反射值；T₁、T₂、T₃分别为0度角的相关性、灰度熵和梯度熵；

当肉品样品为牛肉样品时，第一判别分析模型如下：

Y₀＝0.048R₄₇₉-0.009R₆₀₁+0.058R₇₇₆+0.042T₁-0.064T₂+0.023T₃+12.831

Y₁＝0.059R₄₇₉-0.020R₆₀₁+0.065R₇₇₆+0.058T₁-0.076T₂+0.042T₃+11.864

其中，R₄₇₉、R₆₀₁、R₇₇₆分别为特征波长479nm、601nm和776nm下的光谱反射值；T₁、T₂、T₃分别为0度角的相关性、灰度熵和梯度熵；

当肉品样品为羊肉样品时，第一判别分析模型如下：

Y₀＝0.026R₅₄₉-0.010R₆₃₈+0.021R₇₇₄+0.099T₁-0.045T₂+0.014T₃+39.232

Y₁＝0.033R₅₄₉-0.002R₆₃₈+0.011R₇₇₄+0.083T₁-0.048T₂+0.017T₃+46.698

其中，R₅₄₉、R₆₃₈、R₇₇₄分别为特征波长549nm、638nm和774nm下的光谱反射值；T₁、T₂、T₃分别为0度角的相关性、灰度熵和梯度熵；

若Y₀大于Y₁，则判定肉品样品为新鲜肉；

若Y₀小于Y₁，则进行步骤(4)；

(4)采用基于Fisher判别式的第二判别分析模型进行判别：

当肉品样品为猪肉样品时，第二判别分析模型如下：

Y₀＇＝0.021R₅₅₂-0.054R₅₈₃-0.023R₆₇₃+0.045T₁-0.095T₂+0.044T₃+23.698

Y₁＇＝0.032R₅₅₂-0.070R₅₈₃-0.016R₆₇₃+0.038T₁-0.087T₂+0.052T₃+25.473

其中，R₅₅₂、R₅₈₃、R₆₇₃分别为特征波长552nm、583nm、和673nm下的光谱反射值；T₁、T₂、T₃分别为0度角的相关性、灰度熵和梯度熵；

当肉品样品为牛肉样品时，第二判别分析模型如下：

Y₀＇＝0.056R₄₇₉+0.032R₆₀₁+0.013R₇₇₆+0.093T₁-0.088T₂+0.032T₃+32.569

Y₁＇＝0.052R₄₇₉+0.044R₆₀₁+0.041R₇₇₆+0.102T₁-0.086T₂+0.029T₃+33.875

其中，R₄₇₉、R₆₀₁、R₇₇₆分别为特征波长479nm、601nm和776nm下的光谱反射值；T₁、T₂、T₃分别为0度角的相关性、灰度熵和梯度熵；

当肉品样品为羊肉样品时，第二判别分析模型如下：

Y₀＇＝-0.084R₅₄₉-0.031R₆₃₈+0.063R₇₇₄+0.053T₁-0.109T₂+0.073T₃+23.642

Y₁＇＝-0.087R₅₄₉-0.028R₆₃₈+0.055R₇₇₄+0.056T₁-0.112T₂+0.068T₃+17.579

其中，R₅₄₉、R₆₃₈、R₇₇₄分别为特征波长549nm、638nm和774nm下的光谱反射值；T₁、T₂、T₃分别为0度角的相关性、灰度熵和梯度熵；

若Y₀＇大于Y₁＇，则判定肉品样品为冷却肉，否则为冷冻肉。