[发明专利]一种基于信息融合的中华绒螯蟹品质等级判别方法

说明书

本发明属于无损检测技术领域，涉及一种基于信息融合的中华绒螯蟹品质等级判别方法；步骤为：采集中华绒螯蟹的蟹壳可见近红外波段的高光谱图像，并进行校正；然后划分感兴趣区域，提取RGB信息，再提取感兴趣区域可见近红外波段的光谱信息，筛选特征波长；对步骤一中校正后的高光谱图像进行滤波处理，获取主成分图像后提前感兴趣区域的纹理信息；最后融合特征波长、纹理信息和RGB信息，通过算法建立基于融合信息的分级模型；本发明利用信息融合技术，结合了中华绒螯蟹内部属性和外部属性信息，更加立体全面的体现中华绒螯蟹的品质等级，具有分级精度高和性能更稳定的优点，解决了现有技术指标单一、过程繁琐和效率低的缺陷。

技术领域

本发明属于无损检测技术领域，具体涉及一种基于信息融合的中华绒螯蟹品质等级判别方法。

背景技术

中华绒螯蟹是我国重要的名贵水产品，不仅味道鲜美，而且还含有丰富的蛋白质、维生素及钙、磷、铁等微量元素，具有较高的营养价值。随着人们生活质量的不断提高，螃蟹的需求量也逐年增加，作为水产业中的佼佼者，年产量已达数万吨。为了满足市场日渐增长的需求，螃蟹的养殖产量也在逐年增长。

蟹壳背部特征为中华绒螯蟹成熟的最显著体征，蟹壳的特征会直接影响消费者购买中华绒螯蟹的第一印象。蟹壳主要由蛋白质、几丁质和钙离子组成，蟹壳特征与其化学成分水平密切相关。同时，随着月份的推移，蟹背部的纹理会由不规则的黄色点状转化为均匀的墨绿色棒状。此外，在蟹的生长成熟过程中蟹壳的颜色会逐渐由黄色转为青黄色、青灰色和墨绿色，即中华绒螯蟹越成熟蟹壳颜色越深。所以蟹壳的化学组成、纹理和颜色能很好的指示中华绒螯蟹的成熟程度和等级。而中华绒螯蟹常用的分级方法是通过人工检测，但该方法存在诸多弊端，如主观性强、效率低。考虑到建立精确、高效的中华绒螯蟹分级方法，发展一种基于蟹壳特征的自动、无损、快速检测技术显得非常有必要。

现有对螃蟹在线分级的设备中，专利“大闸蟹分级设备及筛选技术”，申请号为201310356631.2公开了一个由内而外相互套叠的数层圆柱形两头贯通的栅格状倾斜的滚笼筒，栅格缝隙间隔从内向外层逐层由大变小，不同大小螃蟹从外向内投入筒中可以从不同大小的缝隙掉下实现对螃蟹的尺寸分级；该技术只能根据单一的尺寸指标对螃蟹进行分级，无法实现中华绒螯蟹等级科学精确的分级。目前关于利用高光谱图像技术识别中华绒螯蟹品质的方法需要采集腹部和背部信息，过程较为繁琐；且全光谱信息含有具有618个波段，这导致识别过程耗时且不方便实现模型的在线应用；另一方面，忽略了重要的蟹体色泽信息。所以有必要对现有技术改进并建立一种更全面、更精确、和更快速的无损检测方法。

发明内容

针对上述人工和光谱图像技术对中华绒螯蟹等级分级存在指标单一、过程繁琐和效率低的问题和不足，本发明旨在解决所述问题之一，采用高光谱系统采集蟹壳图像，提取光谱信息并筛选出特征波长，提取蟹壳纹理信息和颜色(RGB)信息，再融合特征光谱、纹理信息和颜色(RGB)信息，建立基于融合信息的分级模型，实现对中华绒螯蟹等级快速无损检测，并可以满足在线检测的需求。

一种基于融合信息的中华绒螯蟹等级判别方法，具体步骤如下：

步骤一：采集中华绒螯蟹的蟹壳可见近红外波段的高光谱图像，并对高光谱图像进行校正；

步骤二：根据步骤一中校正后的高光谱图像划分感兴趣区域(Region ofinterest，ROI)；

步骤三：运用高光谱图像处理软件提取感兴趣区域可见近红外波段的光谱信息，并进一步筛选特征波长；

步骤四：对步骤一中校正后的高光谱图像进行滤波处理，再运用高光谱图像处理软件获取主成分图像，进一步提取主成分图像中感兴趣区域的纹理信息；

步骤五：对步骤二中划分的感兴趣区域提取RGB信息；

步骤六：用高斯归一化方法融合特征波长、纹理信息和RGB信息；通过算法建立基于融合信息的分级模型。