[发明专利]基于光谱成像技术的肉制品新鲜度检测方法

说明书

技术领域

本发明涉及肉制品检测领域，尤其涉及一种基于光谱成像技术的 肉制品新鲜度检测方法。

背景技术

肉类制品含有丰富的蛋白质、脂肪和矿物质，又因其具有味道鲜 美、食用方便等优点，深受广大消费者的青睐。肉类制品在贮藏过程 中的腐败劣变程度以及架货期的真实性等问题一直是人们关注的焦 点。新鲜度是肉品质量的直接反映，同时也是鲜肉以及肉制品品质的 重要衡量指标之一。因此，为了明确新鲜度评价标准、判断肉类腐败 变质的存储期限而对肉制品的新鲜度进行检测，在满足消费者对肉制 品类品质日益增长的需求的同时，也对实现科学地指导肉制品加工与 储藏过程有着重要的实际意义和应用价值。

肉品腐败变质是一个复杂的变化过程，变质程度和变质特征与污 染微生物的种类及其降解作用密切相关。传统肉类新鲜度检测方法主 要有感官评价、理化指标检测以及微生物菌落检测等。其中，感官评 价主观性强、不易量化，并且评价人员意见难以一致；理化指标及微 生物检测存在样品处理繁琐、化学试剂消耗量大、检测周期长以及成 本高等问题，无法满足对肉制品类新鲜度进行快速、准确、稳定检测 的要求。随着光谱技术，数字图像处理技术以及人工智能技术的迅速 发展，已有越来越多的研究人员将近红外光谱技术和计算机视觉技术 应用到肉类新鲜度的检测之中。例如，现有技术中运用多光谱技术对 生鲜酱牛肉新鲜度多项指标(挥发性盐基氮TVB-N，pH值，细菌总 数，肉色)同时进行检测等等。但此类方法没有考虑肉样丰富的空间 图像特征信息，致使检测精度会受到肉表面不均匀性特征分布的影 响。

因此，如何针对上述缺陷提供一种检测精度高、速度快并可定量 地对肉制品新鲜度进行检测的方法成为目前急需解决的技术问题之 一。

发明内容

为解决上述技术问题，本发明一方面提出了一种基于光谱成像技 术的肉制品新鲜度检测方法，该方法包括：

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。

优选地，所述新鲜度组分为挥发性盐基氮TVB-N。

优选地，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。

优选地，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、910 nm。

优选地，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。

优选地，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。