本发明涉及食品安全检测技术领域，尤其涉及一种食品安全智能检测的方法。
背景技术：
食品安全与人们生活密切相关，因此食品安全质量检测非常重要。食品的内在质量常需要通过国内外严格的产品质量安全进行检测，但对应食品外包装质量往往只需采用厂家内部的检测标准以示区分。由于食品通常都会采用流水线进行自动化生产，使得食品一次性生产的数量过多，因此食品包装后在装箱前需要区别包装是否正确以免误装。
对于食品包装区分检测，以前都采用人工模式，但随着人工的成本越来越高，对工作环境的要求也逐渐提高，因此在自动化生产线的浪潮下，智能的检测产品的合格性尤为重要。
但是，发明人发现，现有的智能检测的方法虽然可以降低工人的劳动强度，又可以提高生产效率，并且还可以一定程度的减少误检率，但是没有太多的智能化，对检验的结果都比较太守旧，可能存在检验的弊端，比如检验的环境变化了，检验的结果可能就不准确了，因此限制了其使用范围。
技术实现要素：
本发明实施例所要解决的技术问题在于，提供一种食品安全智能检测的方法，不仅解决了因工人检验的不确定因素带来的问题，还解决了流水线复杂环境变化的误检和检验效率不够的问题，具有更广的适用范围。
为了解决上述技术问题，本发明实施例提供了一种食品安全智能检测的方法，包括以下步骤：
步骤s1、后台分析终端一接收到传送带上食品触发第一定位感应器的信号时，开启图像采集器对所述食品进行图像拍摄；
步骤s2、接收所述图像采集器所拍摄的食品图像，并将所接收到的食品图像进行处理后与预设的图像数据库进行比较，得到匹配结果；其中，所述匹配结果为合理或不合理；
步骤s3、根据所述得到的匹配结果形成相应的控制信号，并待接收到所述传送带上食品触发第二定位感应器的信号后，将所形成的相应控制信号输出给控制器，使得控制器可根据相应的控制信号控制可伸缩推动器动作或不动作来实现所述传送带上食品继续保持传送或被推出。
其中，所述步骤s2具体包括：
步骤s21、接收所述图像采集器所拍摄的食品图像；
步骤s22、从所接收的食品图像中，分别确定出多个需要进行卷积计算的卷积核，并对每一个卷积核均分层进行相应的特征值提取及卷积计算，且进一步对每一个卷积核分层卷积计算后均进行池化操作，得到每一个卷积核池化操作后的特征值；
步骤s23、获取卷积神经网络，并通过所述卷积神经网络中所设计的全链接层，对所述得到的每一个卷积核池化操作后的特征值进行整合，且进一步将所述食品图像整合后的特征值与所述预设的图像数据库进行特征值匹配比较，确定所述食品图像匹配的合格率；
步骤s24、当所述合格率在预定范围之内时，则得到的匹配结果为合理，否则，得到的匹配结果为不合理。
其中，所述步骤s22中“每一个卷积核分层卷积”是通过公式
其中，l为卷积层，
其中，每一个卷积核分层的特征值提取是通过公式
其中，所述步骤s22中“每一个卷积核分层池化”是通过公式
其中，所述步骤s3具体包括：
当所述得到的匹配结果为合理时，形成第一控制信号，并待接收到所述传送带上食品触发第二定位感应器的信号后，将所形成的第一控制信号输出给控制器，使得控制器可根据第一控制信号控制可伸缩推动器不动作来实现所述传送带上食品继续保持传送；或
当所述得到的匹配结果为不合理时，形成第二控制信号，并待接收到所述传送带上食品触发第二定位感应器的信号后，将所形成的第二控制信号输出给控制器，使得控制器可根据第二控制信号控制可伸缩推动器动作来实现所述传送带上食品被推出。
其中，在所述步骤s1之前，所述方法进一步包括：
预先设置图像数据库及其对应的特征值范围。
实施本发明实施例，具有如下有益效果：
本发明采用图像采集器抓拍食品外包装图像并送入后台分析终端进行匹配处理，待匹配结果不合理时，通过控制推送机构的可伸缩推动器将匹配结果不合理的食品推出传送带，实现食品正确分拣效果，从而不仅解决了因工人检验的不确定因素带来的问题，还解决了流水线复杂环境变化的误检和检验效率不够的问题，具有更广的适用范围。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，根据这些附图获得其他的附图仍属于本发明的范畴。
图1为本发明实施例提供的食品安全智能检测装置的立体结构示意图；
图2为本发明实施例提供的食品安全智能检测装置中传送机构的立体结构示意图；
图3为本发明实施例提供的食品安全智能检测的方法的流程图；
图4为本发明实施例提供的食品安全智能检测的方法中拍摄图片某一卷积核进行卷积操作的应用场景图；
图5为图4中提取拍摄图片的特征值进行池化操作的应用场景图；
图6为图5中提取拍摄图片的特征值进行全连接层整合的应用原理图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述。
如图1和图2所示，为本发明实施例中，提供的一种食品安全智能检测装置，包括工作台1，以及均放置于工作台1上方的传送机构、检测分析机构和推送机构；其中，
传送机构包括马达21、由马达21驱动转动的轮转组、以及跨接于轮转组上并由轮转组转动而带动运行的传送带22；
检测分析机构包括后台分析终端31，以及与后台分析终端31均相连的用于捕捉产品图像的图像采集器32、用于捕捉产品传送位置的第一定位感应器33和第二定位感应器34；其中，第一定位感应器33和第二定位感应器34沿传送带22正向传送方向依次设置并间隔一定距离；图像采集器32靠近第一定位感应器33设置，并位于第一定位感应器33朝向第二定位感应器34方向的一侧；
推送机构包括控制器41和用于将产品推出传送带22的可伸缩推动器42；其中，控制器41的一端与后台分析终端31相连，另一端与可伸缩推动器42相连；可伸缩推动器42靠近第二定位感应器34设置，并位于第二定位感应器34远离第一定位感应器33方向的一侧。
应当说明的是，检测分析机构的后台分析终端31可以采用计算机，实现对图像采集器32所采集的图像进行匹配处理，并根据图像匹配结果，输出相应的控制信号，同时根据第一定位感应器33和第二定位感应器34判定食品在传送带22上所处的位置。推送机构的控制器41可以采用单片机设置的工控设备，接收台分析终端31的控制信号，实现对可伸缩推动器42的控制。
更进一步的，传送机构的轮转组包括主滚筒23和从滚筒24；其中，
主滚筒23直接与马达21的输出轴相连；
从滚筒24通过传动带22与主滚筒23形成同步转动。
可以理解的是，轮转组还可以采用主从齿轮等其它机械结构。
更进一步的，检测分析机构的图像采集器32为高清摄像头，以便快速、清楚的拍摄出食品外包装图像，最好能实现360度转动拍摄。
更进一步的，检测分析机构的第一定位感应器33和第二定位感应器34均为位置传感器，如gps定位仪等，能够精确定位食品在传送带22上的位置。
更进一步的，检测分析机构还包括照明设备35，照明设备35靠近图像采集器32设置，照明食品以便图像采集器32能够更清晰的捕捉到食品外包装图像。
更进一步的，检测分析机构的图像采集器32和照明设备35均设置于工作台1上方固定的支架5上；其中，
支架5的一端与工作台1相固定，另一端延伸至传送机构的传送带22上方；
照明设备35位于支架5延伸至传送机构的传送带22上方的一端上；
图像采集器32靠近照明设备35，并位于传送带22上方，这样使得图像拍摄距离更近，图像清晰度更高。
更进一步的，检测分析机构的照明设备35为日光灯。
更进一步的，推送机构的可伸缩推动器42为具有伸缩轴的汽缸。
更进一步的，工作台1由金属材料制作而成。
本发明实施例中的一种食品安全智能检测装置的工作原理为：开启传送机构，让食品沿传送带22正向运行方向传送。
在食品传送至第一位置处时，触发第一定位感应器33，使得后台分析终端31得知并及时开启图像采集器32对食品外包装进行全方位拍摄，后台分析终端31将图像采集器32所采集的图像与预设的图像进行全方位匹配，并根据匹配结果形成相应的控制信号。
待食品传送至第二位置处时，触发第二定位感应器34，使得后台分析终端31得知并将相应的控制信号及时输出给控制器41，使得控制器41能够根据接收到的控制信号控制可伸缩推动器42运动；其中，匹配结果合理时，控制器41接收的控制信号为维持可伸缩推动器42不运动，使得食品仍然沿传送带22直行；匹配结果不合理时，控制器41接收的控制信号为控制可伸缩推动器42运动，通过伸缩轴将食品推出传送带22。
如图3所示，为本发明实施例中，提出的一种食品安全智能检测的方法，其在上述食品安全智能检测装置上实现，包括以下步骤：
步骤s1、后台分析终端一接收到传送带上食品触发第一定位感应器的信号时，开启图像采集器对所述食品进行图像拍摄；
步骤s2、接收所述图像采集器所拍摄的食品图像，并将所接收到的食品图像进行处理后与预设的图像数据库进行比较，得到匹配结果；其中，所述匹配结果为合理或不合理；
步骤s3、根据所述得到的匹配结果形成相应的控制信号，并待接收到所述传送带上食品触发第二定位感应器的信号后，将所形成的相应控制信号输出给控制器，使得控制器可根据相应的控制信号控制可伸缩推动器动作或不动作来实现所述传送带上食品继续保持传送或被推出。
具体过程为，在所述步骤s1中，传送带上食品触发第一定位感应器，使得后台分析终端开启图像采集器对所述食品进行图像拍摄。
在所述步骤s2中，具体包括：
步骤s21、接收所述图像采集器所拍摄的食品图像；
步骤s22、从所接收的食品图像中，分别确定出多个需要进行卷积计算的卷积核，并对每一个卷积核均分层进行相应的特征值提取及卷积计算，且进一步对每一个卷积核分层卷积计算后均进行池化操作，得到每一个卷积核池化操作后的特征值；
具体为，通过公式
在一个实施例中，如图4所示，(a)为不同卷积核对原图进行卷积，提取不同的特征值，(b)中展示了一个卷积核对原图进行的卷积操作，其中x-k是卷积核k在原图中滑动时所对应的具体的像素值。
对于每一个卷积核分层池化操作来说，是通过公式
在一个实施例中，如图5所示，将在图4所示中提取拍摄图片的特征值进行池化操作，池化可以降低分辨率，是对特征值的一种压缩，在池化后面的卷积将获得更大的感受视野。
步骤s23、获取卷积神经网络，并通过所述卷积神经网络中所设计的全链接层，对所述得到的每一个卷积核池化操作后的特征值进行整合，且进一步将所述食品图像整合后的特征值与所述预设的图像数据库进行特征值匹配比较，确定所述食品图像匹配的合格率；
具体为，如图6所示，确定卷积神经网络输入层和输出层，通过全连接层的公式
应当说明的是，预设的图像数据库是通过不断的抓取外包装合格食品和不合格食品的图像进行运算处理而形成的。具体为，对这些图也采用步骤s2进行卷积操作来提取图像的特征值，并在每次卷积之后采用relu激活函数，如公式r(x)＝max(0，x)以及激活函数sigmod，如公式
进一步的，将外包装合格的食品图像作为正样本(标签为1)和同等数量的外包装不合格的食品图像作为负样本(标签为0)，对网络进行训练。由于输出层激活函数为sigmod，这里采用交叉熵代价函数作为损失函数加速训练
将全连接层整合后的食品图像的特征值作为神经网络模型的输入层，匹配结果为神经网络模型的输出层，得到确定该食品图像匹配的合格率。
步骤s24、当所述合格率在预定范围之内时，则得到的匹配结果为合理，否则，得到的匹配结果为不合理。
具体为，当所述得到的匹配结果为合理时，形成第一控制信号，并待接收到所述传送带上食品触发第二定位感应器的信号后，将所形成的第一控制信号输出给控制器，使得控制器可根据第一控制信号控制可伸缩推动器不动作来实现所述传送带上食品继续保持传送；或当所述得到的匹配结果为不合理时，形成第二控制信号，并待接收到所述传送带上食品触发第二定位感应器的信号后，将所形成的第二控制信号输出给控制器，使得控制器可根据第二控制信号控制可伸缩推动器动作来实现所述传送带上食品被推出。
应当说明的是，合格率位于(0，1)之间为合理。
应当说明的是，在所述步骤s1之前，所述方法进一步包括：预先设置图像数据库及其对应的特征值范围。
实施本发明实施例，具有如下有益效果：
本发明采用图像采集器抓拍食品外包装图像并送入后台分析终端进行匹配处理，待匹配结果不合理时，通过控制推送机构的可伸缩推动器将匹配结果不合理的食品推出传送带，实现食品正确分拣效果，从而不仅解决了因工人检验的不确定因素带来的问题，还解决了流水线复杂环境变化的误检和检验效率不够的问题，具有更广的适用范围。
以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。