[发明专利]一种基于SSA-ELM算法的猪肉新鲜度检测分类方法

权利要求书

1.一种基于SSA-ELM算法的猪肉新鲜度检测分类方法，其特征在于，包括如下步骤：

步骤1：利用图像采集装置采集原始图像，并进行预处理，获得去除背景后仅包含肌肉区域的RGB彩色图像；

步骤2：提取预处理后图像中的颜色特征向量；

步骤3：利用SSA优化ELM数学模型以获得最佳ELM数学模型，将提取的颜色特征向量输入最佳ELM数学模型中，对猪肉新鲜度进行检测分类。

2.根据权利要求1所述的猪肉新鲜度检测分类方法，其特征在于，所述图像采集装置包括暗箱(1)，暗箱(1)底部设有放置猪肉样品(6)的载物台(2)，顶部设有数码相机(4)，内部两侧壁上对称安装有对准猪肉样品(6)照射的白光LED灯(3)；数码相机(4)、白光LED灯(3)分别与暗箱(1)外部计算机(5)、电源连接；数码相机(4)采集猪肉样品(6)的图像信息，计算机(5)对获取到的图像信息进行处理分析。

3.根据权利要求1所述的猪肉新鲜度检测分类方法，其特征在于，所述预处理过程为：

首先采用R-B色差法和阈值分割法去除图像中的背景，再对图像进行灰度化处理，接着使用局部自适应阈值法确定每个像素位置处的二值化阈值，将猪肉图像中的肌肉和脂肪区域分割开，然后对图像进行开运算处理以消除毛刺，最后将经上述处理后的二值图像与原始图像相与。

4.根据权利要求1所述的猪肉新鲜度检测分类方法，其特征在于，所述步骤2具体为：

将预处理后的图像转换成HSV图像和L^*a^*b^*图像，进一步分解成R、G、B、H、S、V、L^*、a^*、b^*这9个颜色空间分量，计算每个分量的均值和标准偏差值，将预处理后的图像转化成均值和标准偏差值所代表的特征向量。

5.根据权利要求1所述的猪肉新鲜度检测分类方法，其特征在于，所述优化过程具体为：

随机设定SSA中麻雀初始位置来初始化ELM数学模型中的输入权值矩阵和偏置矩阵，并将所述矩阵代入SSA适应度函数中，根据获得的适应度值将麻雀分为发现者和加入者，同时设置能感知危险的麻雀；不断更新发现者、加入者和感知危险的麻雀的位置，找出最佳食物获取位置，进而得到最佳输入权值矩阵和偏置矩阵，构建最佳ELM数学模型。

6.根据权利要求5所述的猪肉新鲜度检测分类方法，其特征在于，所述ELM数学模型为：其中N表示图像样本数；j表示隐含层节点数；L表示隐含层节点总数；β_j表示连接第j个隐含层节点的输出权值矩阵；g(α_jx_i+b_j)表示隐含层神经元的激励函数；α_j表示连接第j个隐含层节点的输入权值矩阵；b_j表示连接第j个隐含层节点的偏置矩阵；x_i表示第i个猪肉图像样本对应的猪肉新鲜度颜色特征；t_i表示第i个猪肉图像样本对应的猪肉新鲜度类别。

7.根据权利要求6所述的猪肉新鲜度检测分类方法，其特征在于，所述麻雀初始位置为：

其中，pop表示麻雀种群个数；d表示提取的猪肉颜色特征向量的个数；则所述初始化的输入权值矩阵和偏置矩阵分别为：

8.根据权利要求7所述的猪肉新鲜度检测分类方法，其特征在于，所述适应度函数为：