一种识别肉块中危险级碎骨的系统及方法

1.本发明属于涉及食品安全无损检测技术领域，特别涉及一种识别包含危险级别碎骨肉块的方法及肉块筛选系统。


背景技术：

2.肉块由于独特的口感和风味，被广泛加工成肉饼、肉丸等各种无骨肉制品。肉块通常由猪胴体经过斩骨式分割和后续处理获取，碎骨不可避免地会残留其中，形成安全隐患。面积较大的碎骨则列为危害级物理因子，对人体有较大危害。在无骨肉制品加工中，危害级碎骨也会造成设备损伤，使得设备维护成本增加。
3.现有技术如x-射线成本高、设备投入大，样品厚度干扰大。传统指按法具有精度低、人工成本高，易受感知疲劳影响。
4.近些年来，一些无损检测技术在肉类安全检测方面得到了广泛的发展与应用，其中光谱成像技术根据不同成分之间的吸收和散射评估样品质量和安全性，不仅能获取肉品的光谱信息，同时也能获取肉品光谱信息在空间分布上的差异，融合了传统的机器视觉和光谱学技术的优势，弥补了两者的缺陷。
5.现有技术中，如中国实用新型专利公开号为cn203337550u，在2013年12月11日公开了一种多光谱在线快速无损检测羊肉品质的装置，包括安装在输送链板上方的光照箱和位于输送链板一侧的单片机与控制机，所述的光照箱顶部正中安装有多光谱相机，顶部四个角安装led灯，所述多光谱相机与控制机连接，两侧安装有紫外光源，所述的输送链板上固定有挡板，两边固定有传感器，所述的紫外光源、led灯、传感器和控制机由单片机连接控制。本实用新型的装置检测速度快、准确率高，实现了羊肉综合安全品质指标的在线快速无损检测，为各类鲜羊肉的非接触式快速检测提供了高效率、高精度和高可靠性的解决方案，可用于羊肉的加工过程质量控制、成品质量检测等。
6.上述实用新型中，由于采用多光谱相机拍摄，会存在多个波段的图像。而里面很多波段图像是无用的，而电脑在处理这些无用的波段图像会浪费时间，从而降低检测速度。利用光谱信息处理碎骨极容易受脂肪、结缔组织、样品平整度、照亮不均匀、边缘效应等干扰，出现较多假阳性识别结果，从而被当作不合格品食品材料进行返工，影响生产效率。此外，光源及相机的配置关系极易影响碎骨的识别效果；该专利所采用的光源、光谱采集装置等均不适合肌红蛋白含量较高的肉品原料。因此，该专利具有较大的应用瓶颈，导致成果推广难度增大。


技术实现要素：

7.1、要消除的问题
8.针对生产中存在的肉块中危险级碎骨识别精度差、识别速度慢等问题，本发明提供一种识别肉块中危险级碎骨的系统及方法，具有识别精度高、速度快、成本低等优点，完全适用于工业在线检测。
9.2、技术方案
10.为消除上述问题，本发明采用如下的技术方案：
11.一种识别肉块中危险级碎骨的系统，包括
12.数据无损采集装置，用于采集肉块中包括图像信息和光谱信息的多波段初始图像数据；
13.数据处理模块，用于优化处理所述的初始图像数据，具体包括以下处理单元：
14.图像筛选处理单元：选取出所述初始图像数据中的碎骨特异性单波段图像作为一级图像数据；
15.图像优化处理单元：用于增强一级图像数据中碎骨区域与非骨区域图像之间的对比度、去除非骨区域图像数据以及对碎骨图像形态学修饰，提高碎骨图像的形态的完整度，处理后图像数据作为二级图像数据；
16.识别单元：用于获取二级图像数据中最大的碎骨区域图像面积，识别判断所述肉块是否含有危险级碎骨。
17.本发明的识别肉块中危险级碎骨的系统中，首先数据无损采集装置采集肉块的图像信息和光谱信息，并上传给数据处理模块中进行优化处理。在数据处理模块的图像筛选处理单元中完成对初始图像数据总量的筛减，主要是从多波段的初始图像数据中提取出特异性单波段图像数据，摒弃无用的其他波段图像数据作为一级图像数据，从而达到降低处理数据量目的，提高图像处理速度。图像优化处理单元，增强一级图像数据中碎骨区域与非骨区域图像之间的对比度，使得碎骨图像更加突出，便于电脑分辨碎骨图像的边界，并以此来提高包含危险级别碎骨肉块的识别精确度和识别速度。另外，去除非骨区域图像数据，只保留骨图像数据，进一步降低图像数据量。对碎骨图像进行形态学修饰，提高碎骨图像的形态的完整度，具体是利用去除碎骨图像不连续的孤立的小点(较小的碎骨图像)，只保留最大面积的碎骨图像来优化图像数据，提高识别精确度。识别模块中：用于计算所述二级图像数据中最大面积的碎骨图像的面积，并判断该面积大于或等于预设的危险级碎骨面积时，判定该肉块包含危险级碎骨。使用本发明的识别肉块中危险级碎骨的系统，识别包含危险级碎骨肉块的速度提升显著，且识别精确度有效提高。
18.进一步的，所述图像筛选处理单元用于分割初始图像数据中的肉块图像与背景图像，去除背景图像数据。去除背景图像数据能够有效将这部分无用图像剔除，避免其参与后续图像处理，影响图像处理速度。
19.进一步的，所述图像筛选处理单元中的碎骨特异性单波段图像数据是采用单因素方差计算最大f值方式获取。
20.进一步的，所述特异性单波段图像的光谱波段为780nm，选取780nm光谱波段图像，是因为在这个波段碎骨图像与其他图像的对比度最佳，有利于电脑将碎骨图像和其他图像(主要是肉图像)区别开来，提高碎骨图像识别的精确度。
21.进一步的，所述图像优化处理单元采用均衡化算法、阈值分割算法和形态学修饰算法中任意一种或多种算法处理图像数据。形态学开运算能够除去碎骨区域二值图像中的孤立的小点，毛刺和小桥；形态学闭运算填平碎骨图像内的小裂缝；孔洞填充能够将碎骨图像内的孔洞像素补充，使其形成一个完整的块状图像。除小像素可以除去较小的零散或孤立的图像像素。图像优化处理单元处理后的图像具有连贯性，去除了杂点图像，保留最大面
积的碎骨图像，便于后续对图像面积的计算。
22.进一步的，所述均衡化算法公式为：
[0023][0024][0025]
其中，符号《》为取整函数；nj为呈j级灰度对应的像素数；nk为呈k级灰度对应的像素数；rj表示增强对比度处理前图像的灰度；sk为增强对比度处理后图像的灰度；pr(rj)为增强对比度处理前图像的频率函数；ps(sk)为增强对比度处理后图像的频率函数；x和y分别为单波段图像像素的横向坐标值和纵向坐标值。
[0026]
进一步的，所述阈值分割算法公式为：
[0027][0028]
其中，t(x,y)为去除非骨区域后的图像数据，1和0分别代表碎骨像素和非碎骨像素，t为用于分割碎骨图像的全局阈值。
[0029]
进一步的，所述形态学修饰算法公式为：
[0030][0031][0032]
其中，和分别代表形态学腐蚀和膨胀，b(x,y)为半径为7个像素的圆形结构元素，当i＝1时，f0定义为连通边界内部一个点，当fi(x,y)＝f
i-1
(x,y)时，孔洞填充结束进程，t值为1000。
[0033]
进一步的，所述数据无损采集装置数据无损采集装置包括图像采集装置和照亮肉块的led光源。
[0034]
进一步的，所述的图像采集装置包括相机和棱镜，所述相机的曝光时间为130～140ms，所述棱镜光谱带宽为10nm，所述led光源光通量为7～10lm。
[0035]
进一步的，所述图像采集装置和led光源位于黑箱内。黑箱的作用是给多光谱相机拍照营造一个单独的拍照空间，避免外界光线对拍照的干扰，使得拍照采集的原始图像数据干扰因素更少，从而提高危险级碎骨识别的精确度。
[0036]
进一步的，所述黑箱内设有滑槽，所述滑槽内滑动连接着支杆，所述支杆上固定所述图像采集装置。当支杆沿着滑槽竖向上下滑动，可调整多光谱相机高度；当支杆需要横向移动时，可更换到不同的滑槽中，从而使得相机获得最佳拍照角度。
[0037]
进一步的，所述led光源连接着光源控制器，所述光源控制器用于调整所述光源亮度。光源能够从肉块45
°
方向实现漫射光照亮肉块，使肉块表面亮度一致均匀，相机在拍摄肉块时，减少阴影的干扰。
[0038]
进一步的，所述光源连接着光源控制器，所述光源控制器用于调整所述光源亮度。光源连接着光源控制器，光源控制器用于调整光源亮度，有利于后面对多光谱相机进行黑
白板校正，调节多光谱图像的曝光率。
[0039]
进一步的，所述识别模块中构建危险级碎骨的面积库作为判断肉块中包含危险级碎骨的判断标准值，当所述二级图像数据中获取的最大的碎骨区域图像面积大于或等于所述危险级碎骨的面积库中最小碎骨图像面积时，识别判定肉块中包含危险级碎骨。
[0040]
进一步的，包括分拣装置，用于剔除生产线中被判定为包含危险级碎骨的肉块。
[0041]
进一步的，所述分拣装置包括吹气口正对所述传送带的气泵和plc控制器，所述气泵接收所述plc控制器发出的剔除动作指令，吹掉所述传送带上含有危险级碎骨的肉块。
[0042]
一种识别肉块中危险级碎骨的方法，包括
[0043]
s1：数据无损采集：采集led光源下的肉块，获取肉块的图像信息和光谱信息组成的初始图像数据；
[0044]
s2：图像筛选：将s1中采集的初始图像数据采用图像筛选处理单元处理，获取碎骨特异性单波段图像作为一级图像数据；
[0045]
s3：将s2中的一级图像数据采用对比度增强、阈值分割与形态学修饰综合处理，获取碎骨形态完整的二级图像数据；
[0046]
s4：碎骨面积获取：获取s3中的二级图像数据的碎骨区域图像的最大面积；
[0047]
s5：碎骨面积库构建：取若干块待检测的肉块，依次经过s1、s2、s3、s4步骤处理，获取每个肉块中的碎骨区域图像的最大面积，组成碎骨面积库；
[0048]
s6：取待检测的肉块使之依次经过s1、s2、s3、s4步骤处理，获得待检测肉块中碎骨图像的最大面积，与s5中的碎骨面积库碎骨面积比对，判断获得的碎骨最大面积大于或等于碎骨面积库中的最小值，识别为含有危险级碎骨的肉块。
附图说明
[0049]
图1为本发明识别肉块中危险级碎骨系统功能示意图；
[0050]
图2为本发明数据处理模块中各个单元处理后的图像数据照片；
[0051]
图3为本发明数据无损采集装置与分拣装置三维示意图；
[0052]
图4为本发明数据无损采集装置剖视示意图；
[0053]
1、肉块；
[0054]
2、传动装置；21、传送带；
[0055]
3、多光谱成像采集系统；31、图像采集装置；32、led光源；34、黑箱；341、滑槽；342、支杆；343、入口开口；344、出口开口；
[0056]
4、分拣装置；41、气泵。
具体实施方式
[0057]
下文对本发明的示例性实施例的详细描述参考了附图，该附图形成描述的一部分，在该附图中作为示例示出了本发明可实施的示例性实施例。尽管这些示例性实施例被充分详细地描述以使得本领域技术人员能够实施本发明，但应当理解可实现其他实施例且可在不脱离本发明的精神和范围的情况下对本发明作各种改变。下文对本发明的实施例的更详细的描述并不用于限制所要求的本发明的范围，而仅仅为了进行举例说明且不限制对本发明的特点和特征的描述，以提出执行本发明的最佳方式，并足以使得本领域技术人员
能够实施本发明。因此，本发明的范围仅由所附权利要求来限定。
[0058]
以下结合附图做具体说明：
[0059]
一种识别肉块中危险级碎骨的系统，包括数据无损采集装置、数据处理模块、图像筛选处理单元和识别模块。识别肉块中危险级碎骨的系统具有识别速度快，识别精度高特点。具体如下：
[0060]
一、数据无损采集装置：
[0061]
主要用于采集肉块中包括图像信息和光谱信息的多波段初始图像数据；包括传动装置2、多光谱成像采集系统3。
[0062]
传动装置2用于输送肉块1通过所述多光谱成像采集系统3；传动装置2具体包括传送带21和驱动传送带21的辊轮，辊轮在电动机驱动下带动传送带21运动。生产线上的肉块1位于传送带21上跟随传送带21运动方向进行传输。
[0063]
多光谱成像采集系统3包括图像采集装置和照亮肉块1的光源32。图像采集装置(31)包括相机(相机优选多光谱相机)和棱镜，用于分散光源光线。使用时，相机的曝光时间为130～140ms，所述棱镜光谱带宽为10nm，所述led光源光通量为7～10lm。
[0064]
优选led光源，以及将光源32和多光谱相机罩住避免外界光线干扰的黑箱34。光源和多光谱相机均设置在黑箱34内的顶部。
[0065]
光源32为环形形状的led灯，环形结构的光源32能够从180
°
方向照亮肉块1，使肉块1表面亮度均匀，相机在拍摄肉块1时，减少阴影的干扰。选用led灯是因为灯光显色性好，穿透力强。光源32连接着光源控制器，光源控制器用于调整光源32亮度，有利于后对多光谱相机进行黑白板校正，调节多光谱图像的曝光率。
[0066]
黑箱34的箱体为长方体形状，内部镂空。黑箱34的侧面箱体上开设有一个入口开口343，并在与入口开口343正对的对面箱体侧面上开设出口开口344。传送带21携带肉块1从入口开口343进入黑箱34体内进行拍照，拍照完成后，从出口开口344处离开黑箱34，肉块1跟随传送带21进入下道工序。黑箱34内靠近顶部的侧壁上设有多组平行设置竖向的滑槽341，每组包括两条滑槽341，分别正对的设置在黑箱34侧壁上，每组中两条滑槽341之间滑动连接着支杆342。支杆342中间固定着多光谱相机以及环状光源32，相机位于光源32中心位置。当支杆342沿着滑槽341竖向上下滑动，可调整多光谱相机高度；当支杆342需要横向移动时，可更换到不同组的滑槽341中，从而使得相机获得最佳拍照角度。黑箱34的作用是给多光谱相机拍照营造一个单独的拍照空间，避免外界光线对拍照的干扰，使得拍照采集的原始图像数据干扰因素更少，从而提高危险级碎骨识别的精确度。
[0067]
二、数据处理模块：
[0068]
(1)图像筛选处理单元：
[0069]
其一能够使得肉块图像与背景图像分离。照片在拍摄时会照到肉块和肉块后面的背景，而背景是无用的图像数据，提前将肉块图像与背景图像分割开来，有利于提高后续图像数据处理速度。使用算机软件，采用判别分析法，具体是基于肉块像素与背景像素的差异，筛选阈值方法，首先将阈值设为0，去除初始图像数据中背景数据，只剩下肉块图像数据。
[0070]
其二是基于碎骨像素与非骨像素的差异，将阈值设为0.2，提取肉块中的碎骨区域图像和非骨区域图像的光谱图像数据。
[0071]
其三是使用单因素方差分析法(用来检验多个因素之间的差异，从而确定因素对试验结果有无显著性影响的一种统计方法。)从初始图像数据中获取特异性单波段图像。特异性单波段图像是肉块在405-970nm光谱范围内(光谱范围依据具体设备光谱范围区间确定)，具体来说获取700～900单波段光谱图像，优选的选择780nm单波段光谱图像，用于后续图像处理和运算。特异性单波段图像中碎骨图像与肉图像区别度最佳，便于将碎骨图像与肉图像分离。特异性单波段图像提取出来，去除了无关波段图像数据，提高了检测图像数据的处理和识别速度。780nm波段图像，是方差分析筛选的f值的最大值(f值是可视化方差分析得出的结果值)，根据实验得出在780nm处，碎骨与肉的差别最大。
[0072]
图像筛选处理单元处理后的数据定义为一级图像数据，一级图像数据筛除了无关的波段图像，极大降低了数据量大小，使得后续数据处理速度得到极大提升。
[0073]
(2)图像优化处理单元：
[0074]
a.均衡化算法：
[0075]
利用直方图均衡化公式对一级图像数据作对比度增强处理，直方图均衡化公式如下为：
[0076][0077][0078]
其中，符号《》为取整函数；nj为呈j级灰度对应的像素数；nk为呈k级灰度对应的像素数；rj表示增强对比度处理前图像的灰度；sk为增强对比度处理后图像的灰度；pr(rj)为增强对比度处理前图像的频率函数；ps(sk)为增强对比度处理后图像的频率函数；x和y分别为单波段图像像素的横向坐标值和纵向坐标值。均衡化算法能够有效对一级图像数据中模糊的像素进行对应性的增强或弱化，凸显碎骨图像和其他干扰图像的辨识度。如脂肪、结缔组织、亮度不均匀和边缘的图像对应性弱化，便于后续处理中，将其与碎骨图像分割开来，提高危险级碎骨识别精度。
[0079]
b.阈值分割算法：
[0080]
对均衡化算法处理的图像采用阈值分割算法进行粗略分割，分割公式如下：
[0081][0082]
其中，t(x,y)为分割后的图像数据，1和0分别代表碎骨像素和非碎骨像素，t为用于分割碎骨图像的单阈值。利用阈值分割算法对碎骨图像进行分割，将肉图像和碎骨图像实现分离，只保留碎骨区域二值图像作为二级图像数据进行运算，因为去除了肉图像，只保留骨图像。
[0083]
c.形态学修饰算法：
[0084]
形态学修饰算法用于去除碎骨图像不连续的孤立的小点(杂点像素)，保留最大碎骨面积的碎骨图像。处理方式采用利用形态学开运算、形态学闭运算，孔洞填充运算和去除小像素运算对碎骨区域图像处理，所述运算的公式依次如下：
[0085]
[0086][0087]
其中，o(x,y)为形态学开运算处理后图像；c(x,y)为形态学闭运算处理后图像；fi(x,y)为孔洞填充处理后的图像；d(x,y)为去除小像素处理后的图像；和分别代表形态学腐蚀和膨胀，b(x,y)为结构元素。形态学开运算能够除去碎骨区域二值图像中的孤立的小点，毛刺和小桥；形态学闭运算填平碎骨图像内的小裂缝；孔洞填充能够将碎骨图像内的孔洞像素补充，使其形成一个完整的块状图像。除小像素是利用全局阈值筛选阈值方法，除去较小的零散或孤立的图像像素。
[0088]
经过图像优化处理单元处理的图像为二级图像数据。二级图像数据中包含了最大面积的碎骨图像以及其他面积较大的碎骨图像。
[0089]
图像优化处理单元中，最大碎骨图像面积a获取方式是采用标记和分离方法，是利用8-连通域分离算法对二级图像数据进行处理。将级图像数据中碎骨图像分割为若干块(将粘接部分分割开来)，计算每一个分离出来的标记图像的面积，取其中最大碎骨图像面积值为a。标记和分离碎骨图像面积计算公式是：
[0090][0091][0092]
其中，a为标记图像的面积，i和j分别表示标记图像l(x,y)的像素的水平坐标和垂直坐标。
[0093]
三、识别模块：
[0094]
用于计算所述最大面积的碎骨图像的面积，并判断该面积大于或等于预设的危险级碎骨面积时，判定该肉块包含危险级碎骨。
[0095]
(1)预设的危险级碎骨面积可以根据需要设置成固定大小值。
[0096]
(2)建立碎骨图像面积库自动获取预设的危险级碎骨面积
[0097]
目的是为了便于实际生产中自动判断危险级碎骨面积大小。因为不同肉块大小对应的危险级别碎骨面积不同，对应较大肉块危险级碎骨面积可能较大。而建立碎骨图像面积库可以筛选出待检测的肉块最小值，并以此为标准，判断危险级碎骨图像面积大小。
[0098]
碎骨图像面积库建立方式：
[0099]
取待检测的若干(如60个)含骨肉块使之通过识别肉块中危险级碎骨的系统，获得的每一个肉块中最大的碎骨图像面积，获得每一肉块中最大碎骨面积集合为一个骨碎图像面积库。骨碎图像面积库中最小的碎骨图像面积为预设的危险级碎骨面积。
[0100]
建立碎骨图像面积库后，自动识别待检测肉块包含/不包含危险级碎骨的判定公式为：
[0101][0102]
其中，s(a)为分类结果，i为碎骨图像面积库中含骨肉块数量，amin{i}为碎骨图像面积库的最小值(危险级碎骨面积预设值)。判别检测的肉块中最大碎骨面积a大于碎骨像
素面积库a{i}中最小碎骨图像面积amin{i}时，判定为包含危险级别碎骨肉块标记为lps-bf，反之判定为无危险级别碎骨肉块，标记为lps。
[0103]
四、分拣装置：
[0104]
分拣装置4包括气泵41和plc控制器。plc控制器能够接收识别模块发出的判断为危险级碎骨信号，气泵41的吹气口正对传送带21，当气泵41接收到plc控制器发出的剔除肉块1的动作指令后对应性的将含有危险级碎骨的肉块1从传送带21上吹掉。除了使用气泵41外，分拣装置4还可以为其他剔除传送带21上肉块方式，如机械手抓取等。
[0105]
实验验证：
[0106]
取120个肉块样本，其中60个为包含危险级碎骨肉块，另外60个为不包含危险级碎骨肉块，按照如下组进行识别对比测试。
[0107]
第一组，将60个包含危险级碎骨的肉块按照上述识别包含危险级别碎骨肉块的方法进行识别测试，测试结果见表1。
[0108]
第二组，将60个不包含危险级碎骨的肉块按照上述识别包含危险级别碎骨肉块的方法进行识别测试，测试结果见表1。
[0109]
第三组，将60个包含危险级碎骨的肉块按照普通方法进行识别测试，测试结果见表1。
[0110]
第四组，将60个不包含危险级碎骨的肉块按照普通方法进行识别测试，测试结果见表1。
[0111][0112][0113]
通过上述实验结果可知，采用本发明识别包含危险级别碎骨肉块的方法对肉块中包含危险级碎骨识别速度比传统方法速度更快，精确度更高。
[0114]
一种识别肉块中危险级碎骨的方法，包括如下步骤：
[0115]
s1：数据无损采集：采集led光源下的肉块，获取肉块的图像信息和光谱信息组成的初始图像数据；
[0116]
s2：图像筛选：将s1中采集的初始图像数据采用图像筛选处理单元处理，获取碎骨特异性单波段图像作为一级图像数据；
[0117]
s3：对比度增强、阈值分割与形态学修饰：将s2中的一级图像数据采用对比度增强、阈值分割与形态学修饰综合处理，获取碎骨形态完整的二级图像数据；
[0118]
s4：碎骨面积获取：获取s3中的二级图像数据的碎骨区域图像的最大面积；
[0119]
s5：碎骨面积库构建：取若干块待检测的肉块，依次经过s1、s2、s3、s4步骤处理，获取每个肉块中的碎骨区域图像的最大面积，组成碎骨面积库；
[0120]
s6：取待检测的肉块使之依次经过s1、s2、s3、s4步骤处理，获得待检测肉块中碎骨图像的最大面积，与s5中的碎骨面积库碎骨面积比对，判断获得的碎骨最大面积大于或等于碎骨面积库中的最小值(预设的危险级碎骨面积值)，识别为含有危险级碎骨的肉块。
[0121]
取若干待检测肉块并以每个待检测肉块中的最大碎骨面积组成的碎骨图像面积库，所述碎骨图像面积库中最小的碎骨面积为所述预设的危险级碎骨面积。
[0122]
以上示意性的对本发明及其实施方式进行了描述，该描述没有限制性，附图中所示的也只是本发明的实施方式之一，实际的结构并不局限于此。所以，如果本领域的普通技术人员受其启示，在不脱离本发明创造宗旨的情况下，不经创造性的设计出与该技术方案相似的结构方式及实施例，均应属于本发明的保护范围。