[发明专利]基于多尺度图像的生菜重金属含量检测方法

说明书

本发明公开了一种基于多尺度图像的生菜重金属含量检测方法，本发明技术要点是：步骤1：利用三个摄像机对生菜进行图像采集，并对图像归一化处理；步骤2：以步骤1获得的归一化生菜图像为输入，建立神经网络学习模型；并将采集到的样本数据输入神经网络中进行学习，最终得到多尺度分层神经网络学习模型；利用学习得到的多尺度分层神经网络学习模型对输入的生菜图像进行检测识别，判断其重金属含量是否超标。本发明通过光学相机采集数据，通过对相机成像数据的分析建模，实现对食用生菜重金属含量的无损、无接触检测，速度快、操作方便、环保安全，可以满足现代食品安全工业需求，实现对传统检测方法的有效替代。

技术领域

本发明面向食品检测应用领域，特别地，涉及一种基于多尺度视觉学习的食用生菜重金属含量检测装置及方法。

背景技术

重金属污染问题是我国农业发展所面临的严峻挑战之一。目前，三废的大量排放、矿产开发以及农药的不科学使用导致重金属污染物正逐渐破坏自然环境，尤其是对大气、水源和土壤造成不可逆转的危害。由于重金属污染物具有转移性、隐匿性和累积性，因此防治相当困难。如果重金属通过食物链进入人体，将对人体造成难以挽回的损伤。开展食用蔬菜的重金属的快速无损检测迫在眉睫。

生菜是广大人民群众广泛食用的一种蔬菜品种，种植面积广，食用消费量大。它富含人体所需的营养元素，而且热量极低，深受广大群众的喜爱。国人对于生菜的巨大需求量使得其内部重金属含量的微上升都会造成巨大富集效应。为了监控蔬菜的生长环境、降低重金属中毒风险，保障食品安全，探索并建立快速有效检测生菜重金属含量的方法具有重要的研究意义。

目前蔬菜重金属的检测方法主要有火焰原子吸收光谱法、石墨炉火焰原子吸收光谱法、石墨炉原子荧光谱法等。这些化学检测方法虽然具有精确度高、灵敏度强等优点，但是操作繁琐、污染环境、耗时长，无法实现实时检测，不利于推广。目前也有使用图像进行玉米叶等植物叶片重金属含量检测的方法，但其受环境光影响较大，且其检测依赖单一图像，因此对于图像采集装置要求较高。图像采集装置固有缺陷将会对检测结果影响较大。且算法模型复杂，检测精度低，耗时长。

为此急需一种能够快速、准确、全自动检测生菜重金属超标的方法。

发明内容

本发明的目的是提供一种能够快速、准确、全自动检测生菜重金属超标的方法。

一种基于多尺度图像的生菜重金属含量检测方法，其特征在于：

步骤1：利用三个摄像机对生菜进行图像采集，包括：关闭外置光源S，使其不发光。控制三台摄像机同时各自拍摄一张图像，分别记为开启外置光源S，使其发光，控制三台摄像机同时各自拍摄一张图像，分别记为对六幅图像进行归一化，获得归一化的六幅图像

步骤2：以步骤1获得的归一化生菜图像为输入，建立神经网络学习模型，包括：

式子(3)中，c_0n表示关闭外置光源后，获得的归一化图像数据X^C，具体的，c₀₁、C₀₂、C₀₃分别对应表示矩阵C_0n中对应坐标(i,j)的值。p、q是以(i,j)为中心的二维卷积窗口的控制参数，二维卷积在窗口内(p,q)处的权值由定义；

式子(4)中，s_0n表示开启外置光源后，获得的归一化图像数据X^S，具体的，s₀₁、s₀₂、s₀₂分别对应表示矩阵s_0n中对应坐标(i,j)的值。p、q是以(i,j)为中心的二维卷积窗口的控制参数，二维卷积在窗口内(p,q)处的权值由定义。特别的，在本步骤中，p、q所组成的窗口大小为21×21；

式子(3)、(4)共同构成神经网络的输入层到第一个隐藏层H1的映射；