[发明专利]一种罗非鱼加工过程损伤、血污残留的检测方法

说明书

本发明属于机器视觉技术领域，具体涉及一种罗非鱼加工过程损伤、血污残留的检测方法，更具体地，涉及一种基于决策树分类的罗非鱼加工过程轻微损伤、鳃盖损伤和血污的检测方法。该方法能够通过构建基于加工罗非鱼图像中质量缺陷区域内平均像素点的色相H、饱和度S、明度L特征量的DT分类模型，能够准确识别罗非鱼在去鳞和去脏的过程中产生的轻微损伤、鳃盖损伤和血污，且能为罗非鱼生产线机器视觉检测提供理论基础，具有较高的工程实用价值。

技术领域

本发明属于机器视觉技术领域，具体涉及一种罗非鱼加工过程损伤、血污残留的检测方法，更具体地，涉及一种基于决策树(Decision Tress，DT)分类的罗非鱼加工过程轻微损伤、鳃盖损伤和血污的检测方法。

背景技术

罗非鱼的肉味鲜美、肉质细嫩，含有多种不饱和脂肪酸和丰富的蛋白质。目前罗非鱼是世界水产业重点科研培养的淡水养殖鱼类，且被誉为未来动物性蛋白质的主要来源之一。除了鲜食外，罗非鱼的加工产品主要是冻鱼片和冻全鱼，故去鳞和去脏是罗非鱼产品的首要加工过程。已知罗非鱼在去鳞和去脏的加工过程中会有不同程度的损伤，如“轻微损伤(鱼体表面黑膜磨损或无黑膜，但体表无伤口)”、“鳃盖损伤(鱼头鳃盖膜磨损或鳃盖有轻微裂纹)”和“血污(鱼体受损，体表带有血渍)”。这些不同程度的损伤会对罗非鱼的后续加工造成影响，故针对罗非鱼加工过程中产生的轻微损伤、鳃盖损伤和血污的检测具有重要的研究意义。

目前针对罗非鱼生产线加工产生的鱼体轻微损伤、鳃盖损伤和血污多采用人工检测方法(生产线工人主观评判后手动挑拣)，机器视觉检测作为一种新型的无损检测方法在罗非鱼生产线上应用相对较少。已知人工检测方法具有检测准确率高、检测结果可靠等特点，但人工检测方法耗时费力、效率低，且人为因素影响较大。相较于人工检测方法，机器视觉检测不仅具有省时省力、效率高的特点，而且具有检测准确率高、检测结果客观全面和环境适应性强等特点，有利于罗非鱼生产线面向更加智能化的方向发展。

实验表明，罗非鱼在去鳞和去脏的过程中，鱼身轻微损伤、鳃盖损伤和血污是三种常见的加工质量缺陷，且在紫外灯照射下，三种加工质量缺陷区域分别有不同的颜色差异。故基于紫外灯条件下，对加工罗非鱼进行图像采集，提取图像中质量缺陷区域内平均像素点的色相(Hue)、饱和度(Saturation)、明度(Lightness)即：H、S、L为颜色特征量来判别罗非鱼加工过程中产生的轻微损伤、鳃盖损伤和血污具有重要的研究意义。已知决策树(DT)是一种监督型机器学习方法，它能对已确定的样本属性和类别进行学习，构建一种自上至下的树型结构。通过内部节点进行属性测试，以各分支代表输出、各叶子节点代表类别的方式进行模型创建，具有分类速度快、分类精度高、易于被人理解等特点，是一种较好的分类学习方法。文献“秦之湄，熊阳欣，费怡等.基于决策树的城市在用车环检首检结果预测模型研究[J/OL].环境科学学报:1-10[2021-04-07].”中使用决策树方法，建立以车龄、排放规格、燃料规格、车辆类别、车辆品牌等七个特征量的城市用车首检结果预测模型，实现了城市用车的首检合格与否进行预测；“石颉，丁飞，申海锋等.电力互感器智能诊断系统及基于决策树分类的诊断方法.202011146437.8[P].”中利用电力互感器关键部位的三个特征属性：电流、温度和异响，建立决策树预测模型，能偶对电力互感器出现的二次回路开路、过负荷、绝缘损坏、其余故障和正常情况进行判别。

本发明提供了一种基于决策树分类模型的罗非鱼加工过程损伤和血污残留的检测方法。该方法是基于提取加工罗非鱼图像中质量缺陷区域内平均像素点的H、S、L特征量，将其作为分类判别的颜色特征量，建立DT分类学习模型，对罗非鱼在去鳞和去脏的加工过程中产生的轻微损伤、鳃盖损伤和血污进行判别，具有重要的工程实用价值。

发明内容

本发明的目的是针对罗非鱼在去鳞和去脏的加工过程中产生的轻微损伤、鳃盖损伤和血污进行识别，提出了一种基于DT方法的罗非鱼加工过程损伤和血污残留的检测方法。该方法能够对加工罗非鱼轻微损伤、鳃盖损伤和血污等三种质量缺陷区域进行判别。

本发明提供的一种罗非鱼加工过程损伤、血污残留的检测方法，包括：