[发明专利]基于光谱成像技术的肉制品新鲜度检测方法

权利要求书

1.一种基于光谱成像技术的肉制品新鲜度检测方法，其特征在 于，包括：

获取第一肉制品样本在不同预设储存时间下的高光谱图像；

检测所述第一肉制品样本在每一所述预设储存时间下对应的新 鲜度组分含量；

利用图像处理技术对获取的第一肉制品样本的高光谱图像进行 图像分割，提取所述高光谱图像中的第一肉制品样本对应的感兴趣区 域；

提取所述第一肉制品样本对应的感兴趣区域的光谱特征以及图 像纹理特征；

根据所述第一肉制品样本的新鲜度组分含量与所述第一肉制品 样本对应的感兴趣区域的光谱特征以及图像纹理特征构建待测肉制 品的新鲜度组分含量与所述光谱特征以及图像纹理特征的预测关系 模型；

获取待测肉制品的高光谱图像，利用图像处理技术对获取的待测 肉制品的高光谱图像进行图像分割，并提取所述待测肉制品的高光谱 图像的感兴趣区域，以提取该感兴趣区域的待测光谱特征以及待测图 像纹理特征；

根据待测光谱特征以及待测图像纹理特征，采用预先建立的预测 关系模型反演得到所述待测肉制品的新鲜度组分含量。

2.如权利要求1所述的基于光谱成像技术的肉制品新鲜度检测方 法，其特征在于，所述新鲜度组分为挥发性盐基氮TVB-N。

3.如权利要求1所述的基于光谱成像技术的肉制品新鲜度检测方 法，其特征在于，所述提取所述第一肉制品样本对应的感兴趣区域的 光谱特征，包括：

利用随机蛙跳算法RF提取出最能表征所述第一肉制品样本在储 存过程中新鲜度变化的特征波长作为光谱特征。

4.如权利要求3所述的基于光谱成像技术的肉制品新鲜度检测方 法，其特征在于，所述最能表征所述第一肉制品样本在储存过程中新 鲜度变化的特征波长包括660nm、720nm、790nm、820nm、880nm、 910nm。

5.如权利要求3所述的基于光谱成像技术的肉制品新鲜度检测方 法，其特征在于，所述利用图像处理技术对获取的第一肉制品样本的 高光谱图像进行图像分割，包括：

根据所述特征波长，对所述第一肉制品样本对应的感兴趣区域进 行平滑去噪、掩膜灰度化处理，并利用Otsu’s阈值分割法与膨胀腐蚀 算法相结合的图像分割方法，对经过平滑去噪、掩膜灰度化处理的第 一肉制品样本对应的感兴趣区域进行背景去除。

6.如权利要求5所述的基于光谱成像技术的肉制品新鲜度检测方 法，其特征在于，所述提取所述第一肉制品样本对应的感兴趣区域的 图像纹理特征，包括：

利用局部二进制模式LBP和Tamura纹理特征方法相结合的特征 提取算法提取所述第一肉制品样本对应的感兴趣区域的图像纹理特 征。

7.如权利要求1所述的基于光谱成像技术的肉制品新鲜度检测方 法，其特征在于，所述根据所述第一肉制品样本的新鲜度组分含量与 所述第一肉制品样本对应的感兴趣区域的光谱特征以及图像纹理特 征构建待测肉制品的新鲜度组分含量与所述光谱特征以及图像纹理 特征的预测关系模型，包括：

利用主成分分析PCA方法将所述第一肉制品样本对应的感兴趣 区域的光谱特征和图像纹理特征进行融合，根据该融合结果将PCA得 分作为建模的输入变量；

根据所述输入变量，利用人工鱼群极限学习机AF-ELM算法构建 待测肉制品的新鲜度组分含量与所述光谱特征以及图像纹理特征的 预测关系模型。

8.如权利要求1所述的基于光谱成像技术的肉制品新鲜度检测方 法，其特征在于，所述根据所述第一肉制品样本的新鲜度组分含量与 所述第一肉制品样本对应的感兴趣区域的光谱特征以及图像纹理特 征构建待测肉制品的新鲜度组分含量与所述光谱特征以及图像纹理 特征的预测关系模型之后，该方法还包括：

评价所述预测关系模型的准确性和稳健性。