[发明专利]一种基于高光谱成像技术的冷鲜肉品质无损检测方法

权利要求书

1.一种基于高光谱成像技术的冷鲜肉品质无损检测方法，其特征在于，所述基于高光谱成像技术的冷鲜肉品质无损检测方法包括以下步骤：

首先采集并制备大量的冷鲜肉样本，采用高光谱成像系统采集各个冷鲜肉样本的高光谱数据；

然后，根据国标要求采用物理化学方法测得各个冷鲜肉样本被测品质指标的物理化学参照值；

最后结合机器学习和化学计量学数据处理方法采用得到的冷鲜肉高光谱数据和物理化学参照值数据建立冷鲜肉被测品质指标的高光谱预测模型。

2.如权利要求1所述的基于高光谱成像技术的冷鲜肉品质无损检测方法，其特征在于，所述高光谱预测模型为采用偏最小二乘回归法建立的偏最小二乘回归模型；该偏最小二乘回归建模和预测方法包括：

1)对光谱吸光度矩阵X和理化参照值矩阵Y进行特征分解：所述光谱吸光度矩阵X和理化参照值矩阵Y分别为：

X＝TP+E，

Y＝UQ+F；

其中，T为X的特征因子矩阵，U为Y的特征因子矩阵；P为X载荷矩阵，Q为Y载荷矩阵；E为X的残差矩阵，F为Y的残差矩阵；

2)建立特征因子矩阵T和U的多元线性回归模型，如式(1)所示；

U＝TB+E_d (1)；

其中，E_d为误差矩阵，B为回归系数矩阵，B的求解如式(2)所示；

B＝(T'T)^-1T'U (2)；

3)对未知样本的预测公式如式(3)所示；

y＝x(U'X)'BQ (3)；

其中，x为未知样本的光谱，y为未知样本的浓度预测值。

3.如权利要求1所述的基于高光谱成像技术的冷鲜肉品质无损检测方法，其特征在于，高光谱成像系统采集黑白图像以对采集到的样本高光谱图像做黑白校正，黑白校正公式为:

$I=\frac{I_0-I_b}{I_w-I_b};$

其中，I为黑白校正后的图像，I₀为原始图像，I_w为白板图像，I_b为黑板图像。

4.如权利要求1所述的基于高光谱成像技术的冷鲜肉品质无损检测方法，其特征在于，进一步包括：光谱维数据提取，异常样本检测与剔除，样本集划分，光谱预处理，建模方法，特征波段提取；

在从高光谱数据中提取样本的光谱维数据时，先选择一个感兴趣区域，区域大小为5000像素，计算感兴趣区域内各像素点光谱的平均值，把该平均值看作该样本的光谱维数据；按照同样的方式，提取出各样本的光谱维数据存放在矩阵X中；矩阵X的每一列代表一个波长点处的反射光谱值，每一行代表一个样本；

采用蒙特卡洛异常样本检测方法检测冷鲜肉的异常样本；

校正集和测试集的选择；

光谱预处理方法去除光谱信号中的噪声信号；

采用竞争性自适应重加权算法提取特征波段建模。