[发明专利]基于组分线阵渐变特征的原切肉及其高仿肉的鉴别方法

权利要求书

1.一种基于组分线阵渐变特征的原切肉及其高仿肉的鉴别方法，其特征在于，具体步骤如下：

步骤一，基于截面组分线阵渐变特征的鉴别模型构建包含以下过程：

过程一，对肉品进行纵切或横切，得到肉品的纵向或横向截面；所述肉品包括原切肉及其高仿肉；包括b个原切肉样品，c个高仿肉样品，按照d：1的比例随机分为校正集和预测集；所述b、c、d均为正整数；

过程二，利用可见/近红外高光谱成像系统对过程一处理后肉品的截面进行成像，得到M×N×W的三维高光谱图像，其中M和N分别表示单个波长下图像像素的行数和列数，W表示高光谱图像的波长数；

过程三，对过程二获得肉品截面对应的三维高光谱图像进行独立分量分析，得到肉品截面高光谱图像对应的前n个独立分量图像，分别记为IC-1，IC-2，……，IC-(n-1)，IC-n，其中n为小于等于W的正整数；

过程四，以过程三得到的独立分量图像IC-i的中心位置为圆心，记为O-i，坐标为(Int(M/2)，Int(N/2))，其中i∈[1，n]；定义半径为r个像素的圆形区域作为特征提取区域，记为R-i；在特征提取区域R-i内定义以O-i为极点、以水平射线为极轴，记为Ox；以像素为单位长度、以逆时针方向为正的极坐标系，利用该极坐标系在独立分量图像IC-i上确定q个特征提取线段终点，记为Q-i-j，坐标为(r,360*(j-1)/q)，其中j∈[1，q]；所述Int(M/2)表示对M/2取整，Int(N/2)表示对N/2取整；其中q为大于1的整数；其中r为不大于min(Int(M/2)，Int(N/2))的正整数；

过程五，以过程四中独立分量图像IC-i中的极点O-i为起点，分别用宽度为1个像素的线条连接特征提取线段终点Q-i-j，得到独立分量图像IC-i中的q条特征提取线段，特征提取线段记为OQ-i-j；

过程六，分别将过程五中独立分量图像IC-i中的q条特征提取线段OQ-i-j覆盖的图像转化为行向量，记为AOQ-i-j；将行向量AOQ-i-j中的像素信号强度看成是随像素点位置变化的函数，对行向量求导后得到AOQ-i-j对应的一阶导数向量记为AOQ'-i-j和二阶导数向量记为AOQ”-i-j；

过程七，统计独立分量图像IC-i对应的线阵渐变特征，记为B-i，以数值a作为判定阈值，B-i为独立分量图像IC-i对应q条导数向量AOQ'-i-j的绝对值大于等于阈值a且AOQ”-i-j等于0的元素个数，即同时满足|AOQ'-i-j|≥a和AOQ”-i-j＝0两个条件；所述判定阈值a＝|AOQ'-i-j|_max*η，其中0＜η＜1；|AOQ'-i-j|_max为独立分量图像IC-i对应q条特征提取线段的一阶导数向量AOQ'-i-j中元素绝对值的最大值；

过程八，建立1*n的矩阵C用于保存n个独立分量图像对应的线阵渐变特征B-i(i∈[1，n])，其中第i个独立分量图像对应的线阵渐变特征B-i保存于C(1，i)中用于鉴别模型的构建；其中n个独立分量图像中校正集对应的线阵渐变特征数据集记为C_cal和预测集对应的线阵渐变特征数据集记为C_pre；

过程九，鉴别模型构建：以参考值1代表原切肉、以参考值0代表高仿肉，构建校正集对应的参考值数据集Y_cal和预测集对应的参考值数据集Y_pre；结合过程八中的校正集的特征数据集C_cal和预测集的特征数据集C_pre，建立原切肉及其高仿肉的鉴别模型；以预测集的正确识别率R作为衡量鉴别模型性能的指标，R≥60％时，对应的鉴别模型记为Y，其中Y＝F_(n,a)(X)，X为每个样品全部独立分量图像对应的线阵渐变特征数据集，n为小于等于W的正整数，a作为判定阈值；

步骤二，待测肉品样品的鉴别，包含以下过程：

S1，采集待测肉品样品对应的高光谱图像，根据步骤一过程一到过程八描述的步骤提取待测肉品样品对应的线阵渐变特征数据集，记为C_uk；

S2，将C_uk代入步骤一的过程九中鉴别模型Y＝F_(n,a)(X)内，计算待测样品对应的参考值；当模型预测的参考值为1时，待测样品为原切肉；当模型预测的参考值为0时，待测样品为高仿肉，实现待测肉品样品的鉴别。