[发明专利]基于Mask R-CNN的淀粉颗粒识别方法

说明书

本发明公开了基于Mask R‑CNN的淀粉颗粒识别方法，该方法将热台‑偏光显微观察与计算机图像识别技术相结合，智能识别淀粉糊化过程中颗粒数量变化：基于热台‑偏光显微观察的淀粉糊化图像数据采集，通过算法依次进行淀粉糊化数据集构建，Mask R‑CNN模型构建及训练，淀粉糊化过程颗粒检测，淀粉颗粒数量统计。其中，算法由淀粉图像二值化算法、淀粉糊化数据集构建算法、神经网络训练算法、淀粉颗粒检测算法等。本发明利用Mask R‑CNN对淀粉糊化进行智能检测，自动化程度高，检测效率好，颗粒检测准确率达95％以上。本发明提供了一种智能化检测淀粉颗粒，评估淀粉糊化的定量新方法。

技术领域

本发明属于食品科学与工程技术领域，具体涉及基于Mask R-CNN的淀粉颗粒识别方法。

背景技术

传统食品工业中，淀粉是承担食品结构与功能的重要组分。近年来，淀粉已广泛应用于食品、材料、化工、医疗等领域中。糊化是淀粉体系中组分形态、超分子结构、多组分构效关系和行为响应的直观表达。加工过程中，在相关物理场的作用下，淀粉分子(链) 内和分子间相互作用减弱，导致多尺度结构(颗粒结构、超微结构、结晶结构和分子结构) 变化，具体表现为溶胀、糊化、熔化、重结晶、分解等相变行为。研究淀粉糊化行为可为新产品的研发及品质改善提供预测及理论指导，其中研究较多的是溶胀和糊化行为。淀粉在糊化时，淀粉分子氢键断裂破坏，分子混乱程度增加，大量水分子进入淀粉分子内部，导致其颗粒不可逆吸水膨胀。

热台-光学显微镜常用于淀粉糊化行为的检测，其特点在于可对淀粉糊化过程中的糊化形态行为进行观察及记录，意味着不需中断淀粉的糊化进程，便可研究整个糊化进程。人工神经网络可从信息处理角度对人脑神经网络进行抽象表达，建立某种简单模型，其中卷积神经网络特有的非线性适应性信息处理能力，在目标检测、图像识别等领域有广泛应用。

中国发明专利申请CN107515198A公开了一种淀粉糊化度和糊化温度的在线检测方法，该方法主要是利用人工神经网络技术识别偏振光下淀粉双折射特征，通过统计其数目，经公式计算后得到糊化度。中国发明专利申请202010795543.2公开了一种淀粉颗粒溶胀能力的检测方法，其主要是采用计算机视觉技术识别糊化过程中淀粉颗粒像素点变化。该方法通过采集不同糊化阶段的淀粉图像，预处理后利用算法对图像中淀粉颗粒进行分割，智能计算糊化过程中淀粉颗粒像素点的变化，实现溶胀能力的检测。针对淀粉糊化图像进行研究，除上述方法外，还存在人工手动测定、人工操纵图像软件两种方式，但此类方法普遍存在耗时、误差较大、颗粒漏检误检等问题。

综上，目前基于热台-光学显微镜针对淀粉颗粒糊化过程的研究存在的主要缺陷在于只定性不定量。目前针对淀粉糊化过程的颗粒数量变化研究还大部分集中于人工识别，其识别速率慢，识别指标不全面均影响糊化评估。因颗粒评定标准不统一，边缘形态、颜色和颗粒体积大小均不同，淀粉糊化颗粒数量在当前研究方法下难以自动量化，限制淀粉糊化指标的进一步研究。

发明内容

本发明的目的在于针对现有技术的不足，提供一种针对淀粉颗粒智能检测的自动化程度高、检测效率好的基于Mask R-CNN的淀粉颗粒识别方法。

经热台-偏光显微镜与计算机图像识别技术相结合，减少数据处理量，提高数据处理效率，实现对淀粉糊化过程中颗粒形态变化的智能评估，为研究淀粉的糊化行为提供了不同于传统方法的新途径。

本发明方法将热台-偏光显微镜与人工神经网络相结合，通过算法依次进行淀粉糊化数据集构建，Mask R-CNN模型构建及训练，淀粉糊化过程颗粒检测。

本发明的目的通过如下技术方案实现。

基于Mask R-CNN的淀粉糊化智能检测方法，包括如下步骤：

(1)淀粉糊化图数据采集：配制淀粉悬浮液，分散均匀后，滴加至载玻片上，得到样本片，将样本片放置在带有显微镜的热台设备上，开启热台设备，升温至糊化温度，通过与显微镜相连的数码相机进行拍照，获取加热过程中的淀粉糊化图；