[发明专利]一种基于深度学习的冰鲜鲳鱼新鲜度快速分级方法

说明书

本发明公开了属于冷藏食品质量评估技术领域的一种基于深度学习的冰鲜鲳鱼新鲜度快速分级方法，具体是基于Mask R‑CNN技术对鲳鱼图像实现新鲜度分级，获取冰鲜鲳鱼图像，建立数字图像数据集，将特征学习融入到建立模型的过程中，对鱼眼和鱼鳃部位进行准确的检测分割，不仅可以自主进行特征学习，而且能够精确分割和准确分类鲳鱼新鲜度。以此实现对冰鲜鲳鱼品质劣变快速检测与智能预测；增进模型的可扩展性和可迁移性。实现快速，低成本，精确，无损，实时的自动化检测技术，有利于保障消费者健康和利益。本发明对不同品种的冷链储运环境、供应链源头上控制产品质量、为公共卫生防疫事业提供技术支持。

技术领域

本发明属于冷藏食品质量评估技术领域，特别涉及一种基于深度学习的冰鲜鲳鱼新鲜度快速分级方法，具体是一种基于Mask R-CNN的语义分割方法针对鲳鱼图像实现新鲜度分级，该模型实现端到端训练(end-to-end training)，可嵌入移动端，集成面向生产商和消费者的冰鲜鲳鱼新鲜度便携式快速评估系统。

背景技术

鱼类富含丰富的蛋白质、矿物质和维生素，且脂肪含量低，口感好，是人们饮食结构中重要的组成部分。但其水分含量较高，肌纤维较短，肌肉组织脆弱，易于细菌的生长繁殖；而且其内源性酶丰富；赵永强,李娜等发表在“.大连海洋大学学报,2016,31(04):456-462.”上的“鱼类鲜度评价指标及测定方法的研究进展”中指出，如果加上不适当的处理和贮藏，极易发生理化变化和由微生物引起的腐败，腐败变质的鱼肉不仅不能食用，还会对人的生命健康构成威胁。

近年来，人们对水产品的需求也日益趋向鲜活化，使得新鲜度成为了人们在选购水产品时的重要标准。目前，在国内从生产、贮藏、运输，到加工销售各个环节大多采用冷链物流的方式，以降低各类水产品的鲜度损耗。其中贮藏方式大多为冷藏货架或冷藏车。而在冷链储运环节中，新鲜度和颜色是评价水生生物质量的最重要参数，它决定了产品的质量、顾客的可接受度和产品的商业价值；在国内外相关领域展开了广泛研究。

蒋飞燕在“江苏大学,2012.DOI:10.7666/d.y2093104.”上发表的“.鲳鱼储藏期新鲜度变化的嗅觉可视化快速检测技术研究”论文中提出，计算机视觉技术作为一种可以通过色差分析快速检测鱼类新鲜度的方法；Misimi等人在文献“Quality Grading ofAtlantic Salmon(Salmo salar)by Computer Vision[J].Journal of Food Science,2008,73(5)”提出了一种基于计算机视觉技术对大西洋鲑鱼进行质量分级的方法，首先将鲑鱼图像分割成二值图像，在不同等级下对鱼的几何参数进行特征提取，使用基于阈值的分类器进行分类，并使用交叉验证进行性能测试，实现了无损的方式对大西洋鲑鱼质量分级。Quevedo等人在文献“Color of salmon fillets by computer vision and sensorypanel[J].Food and Bioprocess Technology,2010,3(5):637-643.”中对10组独立设置的三文鱼鱼片进行色差分析，其结果也表明与人工检查小组的分类具有良好的一致性。Taheri-Garavand等人在“Real-time nondestructive monitoring of Common Carp Fishfreshness using robust vision-based intelligent modeling approaches[J].Computers and Electronics in Agriculture,2019,159.”中使用人工神经网络来评估鲤鱼在储存过程中的新鲜度。首先，进行预处理并从每个选定通道中提取不同的特征。然后使用ABS-ANN算法选择最佳特征。使用SVM，KNN和ANN算法对图像进行分类。最后获得了具有22-10-4拓扑结构和93.01％高精度的ANN分类算法来评估鲤鱼的新鲜度。进一步的，他们应用了深度学习技术，输入鲤鱼图像到深度卷积神经网络(CNN)，提出了一种新颖且准确的鱼新鲜度检测方法。首先，通过VGG-16网络自动提取鱼图像特征。然后，利用由Dropout层和Dense层组成的分类器块对鱼图像进行分类。所得分类精度为98.21％，证明了深度学习技术在鱼类质量评估应用上的潜力。