专利名称：基于光谱图像的肉品品质可视化非接触检测方法
技术领域：
本发明涉及一种针对肉品品质检测的方法，特指基于光谱图像对肉品进行非接触式检测，检测结果采用可视化方式呈现相关品质在被测表面的分布程度情况的方法，属于食品对象无损检测技术领域。
背景技术：
我国是猪肉生产与消费的最大经济体，猪肉的产销量常年位居世界第一位。但对肉品的检验手段仍停留在较低水平，传统的感官检测、理化以及微生物检测存在主观性大、指标单一、耗时长等不足，现场应用诸多不便，故限制了在贮藏、运输及销售环节对肉品的检测。新兴的检测手段如基于电子鼻、电导率、肉色等检测方法的兴起为肉品快速检测开辟了新的途径，但是这些技术不同程度上受到对样本具有破坏性、检测结果与传统检测指标受样本个体差异影响显著等因素的限制。对肉品多项品质指标进行综合检测的无损快速手段目前仍处于缺失状态。光谱检测技术以其可以实现非接触方式对检测对象进行内部品质检测，应用于农畜产品的快速检测中。例如通过聚焦透镜与光纤将被测对象的平均光谱数据输出到光谱进行光谱检测；此类方法属于“点，，检测，或“均值”检测，只可以根据光谱空间信息做出品质检测，由于没有空间信息所以无法做出品质指标的空间分布程度的检测。随着硬件技术的发展，具有空间分辨能力的光谱图像检测设备也开始应用到农畜产品的品质检测中，但目前对光谱图像技术的应用并没充分发挥其空间分辨能力的优势，仍然沿用传统光谱检测思路对被测对象采用“均值”检测得到假想的均勻一致的品质指标检测值。传统的机器视觉检测在可见光范围内对被测对象的外表特征进行检测，具备检测指标在空间分布情况描述的特征，但对于内部品质由于受到成像光谱波段显示无法实现。
发明内容
为了解决现有技术中存在的问题，本发明提出一种基于光谱图像的肉品品质可视化非接触检测方法，借助光谱图像中所包含的反映待测对象特征的空间分布信息与光谱特征信息，对肉品品质的多个指标(含水率、水活性、挥发性盐基氮含量、肉色、微生物计数、酸价、PH值)进行分别或综合评估，评估结果按照具体指标在被测目标内的空间分布情况以图像的方式给出。本发明的具体步骤如下置备具有一定代表性的样本库，样本库中的肉样应反映待建立品质预测模型所对应的存储条件下待测品质指标全部可能分布范围，并且样本品质指标程度分布概率密度尽可能均勻。将样本库分为相互对应的两等份，一份作为传统肉品品质检验用子库，另一份与之平行的样本子库作为光谱图像采集用。每组平行样中的两块肉样应该在肉品存储条件、初始条件、待测指标程度等各方面尽量做到一致。传统检测用训练样本子库经过传统感官、理化及微生物检测得到传统品质检测指标库。高光谱图像采集用训练肉品平行子库中的样本经过光谱图像采集系统获得光谱图像存入光谱图像库。利用光谱图像预处理对光谱图像库中的光谱图像进行预处理，并经过有效检测区域提取将待测肉品平行样本中的有效检测区域提取出，随后通过有效检测区域光谱提取操作将有效区域的代表光谱提取出存入光谱库。传统检测指标库与光谱库组成的知识库包含相互一一对应的平行样本对的传统检测指标结果与有效检测区域的光谱数据，通过传统检测指标的光谱预测建模得到传统检测指标的光谱预测模型，根据不同品质指标、不同样品对象类别以及不同存储条件可以得到多个不同传统检测指标的光谱预测模型，这些模型存储于传统检测指标光谱预测模型库中，完成模型库的建立；采集被测肉品样本的光谱图像，通过光谱预处理与有效检测区域提取得到被测对象的光谱图像有效检测区域，利用已建立的传统检测指标光谱预测模型库中相应的预测模型对被测肉品对象的有效检测区域作可视化检测，最终得到肉品品质指标的可视化检测结^ ο1.建立传统检测指标光谱预测模型库选取待测对象种群、部位、存储方式与环境下的检测对象组成某种群、部位、存储方式与环境的样本，样本中的对象目标质量特征的分布范围应覆盖拟检测范围的全部。质量特征总体程度在样本中尽量均勻分布，即样本中每个质量水平上的对象数量尽量一致。多个样本组成样本库，以反映不同种群、部位、存储方式及环境下检测对象的情况。样本库中的每个样本被分为数量相等的两份，一份为训练肉品样本，另一份为训练肉品平行样本。训练肉品样本经过传统的感官、理化及微生物检测获取传统检测标定值，存于传统检测指标库中；训练肉品平行样本经过光谱采集、得到光谱图像存于光谱图像库中，光谱图像经光谱图像预处理、有效检测区域提取、有效检测区域光谱提取得到训练肉品平行样本的光谱信息存于光谱库中；传统检测指标库与光谱库共同组成知识库。对知识库进行传统检测指标的光谱预测建模得到传统检测指标光谱预测模型，对知识库中针对多种传统检测指标或存储条件的数据进行光谱预测建模得到多套传统检测指标的光谱预测模型存储于传统检测指标光谱预测模型库中。2.进行可视化检测对被测肉品对象进行光谱图像采集、光谱图像预处理、有效检测区域提取得到被测肉品对象的有效检测区域的光谱图像信息，根据传统检测指标光谱预测模型库中与被测对象相应的种群、部位、存储方式与环境的光谱预测模型进行肉品光谱图像可视化检测最终得到肉品品质指标的可视化检测结果。3.可视化检测过程包括显示被测肉品对象上有效区域内每个子区域的品质指标，以反映品质指标在被测肉品对象上的的空间分布情况，显示方式可以采用，但不局限于伪色彩或立体数据显示方法。显示子区域的粒度大小，即空间分辨尺度，根据指标分布特点、用户及设备需要进
5行调节。这种分辨尺度调节的上限是对被测对象光谱图像以亚像素尺度进行品质指标检测与显示；这种分辨尺度调节的下限是将整个被测对象光谱图像的有效区域作为一个子域进行总体的肉样品质指标检测与显示，此时本发明处于最小工作模式。4.有效检测区域提取操作包括对光谱图像进行处理，从中提取出有效检测区域，排除光谱图像中无关或无效区域。无关区域指与某种检测指标不相关的肉品区域。例如，但不局限于，背景区域与大部分检测指标之间无关；脂肪区域与挥发性盐基氮含量指标无关，因为后者仅针对肌肉区域。无效区域指与某项检测指标相关区域中由于某种或多种原因造成光谱图像检测区域的某些部分质量低于后续处理所需水平从而导致某相关检测区域中的局部无效。例如，但不局限于，肉样中的某肌肉区域的局部受到光源及成像系统相对角度与表面油脂及水分影响在光谱图像中呈现出高反光耀斑，该处的光谱图像不符合所拟成像方式，例如，但不局限于，表面漫反射成像条件，故属于无效区域。5.有效检测区域光谱提取操作包括根据光谱图像及其中提取出的有效区域，得到一条或多条具有代表性的光谱曲线反映该光谱图像中有效区域的光谱特征。代表性的光谱曲线提取方式可以但不局限于求取该区域的光谱均值曲线，或光谱中值曲线，或光谱最大值、最小值及均值曲线，或均值曲线及均值加减标准差曲线。6.传统检测指标的光谱预测建模操作先进行光谱预处理例如，但不局限于，利用光谱数据的标准正态分布处理、光谱平滑滤波及差分求导等操作提高光谱空间信噪比。然后通过偏最小二乘、多元线性回归或偏最小二乘与多元线性回归方法的组合对光谱图像数据进行特征选择与特征提取并建立光谱数据与传统指标之间的回归模型。有益效果以可视化方式呈现检测结果，直观反映检测指标在被测对象检测面上的程度差异的空间分布情况。比传统单个数值反映整个对象的表达方式更加接近肉品内部组织成分非均勻性的实际情况。本发明可以对肉品对象进行快速、无损、非接触检测，提供肉品品质单项或多项指标的综合检测结果。突破肉品品质传统感官、理化与微生物检测在主观性、快速性及非破坏性方面的局限。以多光谱图像检测作为基础，该检测设备依据肉品的内部成分差异所引起的光子吸收频率变化进行品质检测，评价结果客观。被检测面与检测装置之间没有接触，对样本没有破坏性，属于无损检测。检测无需前处理，简化操作，节约时间。一次扫面可以得到多项检测指标，对肉品品质检测可以综合多项指标做出准确评价。
图1为基于光谱图像的肉品品质可视化非接触检测方法框图。
具体实施例方式—种基于光谱图像的肉品品质可视化非接触检测方法，步骤包括1)建立传统检测指标光谱预测模型库；2)对被检测肉品对象进行光谱图像采集；3)对步骤2、得到的光谱图像进行预处理；4)对步骤3)得到的光谱图像，提取光谱图像中的有效检测区域；5)利用步骤1)建立的模型库中的相应的传统检测指标光谱预测模型，对被测肉品对象的有效检测区域作可视化检测，最终得到肉品品质指标的可视化检测结果；所述步骤1)中，传统检测指标光谱预测模型库的建立步骤如下101)建立样本库选取待测对象种群、部位、存储方式和环境下的检测对象，组成某种群、部位、存储方式和环境的样本；多个样本组成样本库，以反映不同种群、部位、存储方式及环境下检测对象的情况；样本库中的每个样本被分为数量相等的两份，一份为训练肉品样本，另一份为训练肉品平行样本；两类样本组成样本库；102)建立知识库，所述训练肉品样本是肉品经过传统的感官、理化及微生物检测获取传统检测标定值，存于传统检测指标库中；训练肉品平行样本是肉品经过光谱采集、得到光谱图像，存于光谱图像库中；光谱图像库中的光谱图像经光谱图像预处理、有效检测区域提取和有效检测区域光谱提取，得到训练肉品平行样本的光谱信息存于光谱库中；传统检测指标库与光谱库共同组成知识库；103)建立传统检测指标光谱预测模型库对知识库中针对各种传统检测指标或存储条件的数据进行光谱预测建模，得到对应的多套传统检测指标的光谱预测模型，这些模型存储于传统检测指标光谱预测模型库中。具体来说，光谱预测模型的建模方法可以是，利用多元统计回归方法、偏最小二乘回归方法、集群智能回归方法或人工神经网络方法对传统检测指标库与光谱库中的对应数据集建立光谱预测模型。所述步骤1)中，样本中的对象目标质量特征的分布范围覆盖拟检测范围的全部； 质量特征总体程度在样本中均勻分布，即样本中每个质量水平上的对象数量一致。光谱图像的预处理方法是，先利用光谱数据的标准正态分布处理、光谱平滑滤波及差分求导操作提高光谱空间信噪比；然后通过偏最小二乘或者、多元线性回归、或者偏最小二乘与多元线性回归方法的组合，对光谱图像数据进行特征选择与特征提取，并建立光谱数据与传统指标之间的回归模型。进行有效检测区域提取的方法是根据被测目标与采集背景之间、有效区域与无效区域在某个或某些特征波段图像中亮度、面积、形态等特征的差异，对光谱图像进行图像分割，从中提取出有效检测区域，排除光谱图像中无关区域以及无效区域。无关区域指与某种检测指标不相关的肉品区域；无效区域指与某项检测指标相关区域中，光谱图像检测区域的某些部分质量低于后续处理所需水平从而导致某相关检测区域中的局部无效。造成质量低于后续处理所需水平的原因， 是由于输入的光谱图像本身在局部由于噪声、环境干扰等外部因素，或者是在光谱图像处理过程中由于采用的某些算子(如在目标与背景边界处执行均值滤波等)，造成图像局部数据质量的衰减。根据光谱图像及其中提取出的有效区域，得到一条或多条具有代表性的光谱曲线反映该光谱图像中有效区域的光谱特征；代表性的光谱曲线提取方式包括求取该区域的光谱均值曲线，或光谱中值曲线，或光谱最大值、最小值及均值曲线，或均值曲线及均值加减标准差曲线。所述步骤3)中，显示被测肉品对象上有效区域内每个子区域的品质指标，以反映品质指标在被测肉品对象上的空间分布情况；显示子区域的粒度大小即空间分辨尺度，根据指标分布特点、用户及设备需要进行调节；这种分辨尺度调节的上限是对被测对象光谱图像以亚像素尺度进行品质指标检测与显示；这种分辨尺度调节的下限是将整个被测对象光谱图像的有效区域作为一个子域进行总体的肉样品质指标检测与显示，此时本方法处于最小工作模式。所述显示被测肉品对象上有效区域内每个子区域的品质指标，其显示方式是伪色彩或立体数据显示方法。所述光谱图像，是具备几个至几百个连续或非连续波段光谱信息的图像，反映被测对象的空间信息以及光谱信息，包括多光谱图像和高光谱图像。下面结合一种实施例和附图详细说明本发明，但本发明的实施方式并不仅限于此种实施方式。可视化检测指标挥发性盐基氮含量。可视化检测对象，种群猪肉；部位未去处皮与背膘的通脊切片；存储条件冷鲜肉4°C存储；包装条件PE封口包装。检测选取来自同批次生产的10头猪的通脊切片，注意选取时排除PSE与DFD肉， 分成训练样本与训练平行样本。同一通脊同一切面的左右两片分别归入训练样本与训练平行样本，以确保平行样本在初始条件方面与训练样本保持一致。所有样本均采用统一规格的包装、存储温度与条件相同，以确保训练样本与平行样本存储条件一致。每M小时取出每头猪的一组训练样本与平行样本，采集训练样本的光谱图像，并用半微量凯式定氮法根据国标GB/T5009. 44——1996采集平行样本的挥发性盐基氮数值。 每M小时采集肉样10组，肉样只使用一次，每次采集与理化检测后销毁肉样。经过14天的采集与理化检测后，得到这10头猪通脊切片在同一包装条件下、相同存储温度随保存时间变化的光谱图像库，及其对应平行肉样的传统检测指标库。光谱图像库中的图像经过光谱图像预处理、有效检测区域提取、有效检测区域光谱提取后得到这10头猪通脊切片在同一包装条件下、相同存储温度随保存时间变化的有效检测区域光谱，将其存储入光谱库。所使用的光谱图像预处理过程包括剔除低信噪比波段、进行图像降噪、通过图像分割进行背景去除仅保留图像中肉样部分。有效检测区域提取过程，由于挥发性盐基氮含量指标主要反映肌肉腐败过程中蛋白质分解出腐胺总量，与脂肪及肉皮区域关系不大，故在此检测中有效检测区域即为肉样中的肌肉区域。经过人工光谱分析发现肌肉与脂肪、肉皮在575nm处的吸收峰有明显差异， 故根据575nm处吸收峰的高度对经过预处理后的肉样光谱图像进行阈值分割，得到被测肉样的肌肉区域。在采用5X5均值滤波法进行空间滤波降噪操作后，为确保有效区域边缘信息的质量，对肌肉区域进行半径为5的腐蚀运算后作为有效区域。所使用的光谱提取过程包括求取有效检测区域内的光谱均值，并进行必要的降噪，本例中采用3点平滑滤波降噪。最后进行标准化处理得到有效检测区域光谱。由传统检测指标库中的挥发性盐基总氮含量指标及其所对应的光谱库中有效检测区域内的光谱数据组成的知识库，经过偏最小二乘回归法建立挥发性盐基总氮含量预测模型A。将挥发性盐基总氮含量数值与光谱数据差分数据经过偏最小二乘回归法建立挥发性盐基总氮含量预测模型B。采用留一法对预测模型A与预测模型B分别进行模型验证，取其中预测效果较好的模型作为挥发性盐基总氮光谱预测工作模型存储于传统检测指标光谱预测模型库中。采集被测肉品对象光谱图像后经光谱图像预处理，具体步骤与建立光谱图像库时所用步骤同。后经有效检测区域提取，具体步骤同建立光谱库时所用步骤同，得到被测对象有效检测区域的光谱图像，对其进行肉品光谱图像可视化检测，其具体步骤为首先对图像区域进行三点平滑光谱滤波，采用与建立光谱预测模型库时对光谱滤波相同参数，然后调取传统检测指标光谱预测模型库中的挥发性盐基总氮光谱预测工作模型进行预测得到被测对象有效检测区域内有效象素点的挥发性盐基总氮的光谱预测值，并采用伪色彩以图像方式显示预测结果。
权利要求
1.一种基于光谱图像的肉品品质可视化非接触检测方法，其特征是步骤包括1)建立传统检测指标光谱预测模型库；2)对被检测肉品对象进行光谱图像采集；3)对步骤幻得到的光谱图像进行预处理；4)对步骤幻得到的光谱图像，提取光谱图像中的有效检测区域；5)利用步骤1)建立的模型库中的相应的传统检测指标光谱预测模型，对被测肉品对象的有效检测区域作可视化检测，最终得到肉品品质指标的可视化检测结果；所述步骤1)中，传统检测指标光谱预测模型库的建立步骤如下101)建立样本库选取待测对象种群、部位、存储方式和环境下的检测对象，组成某种群、部位、存储方式和环境的样本；多个样本组成样本库，以反映不同种群、部位、存储方式及环境下检测对象的情况；样本库中的每个样本被分为数量相等的两份，一份为训练肉品样本，另一份为训练肉品平行样本；两类样本组成样本库；102)建立知识库，所述训练肉品样本是肉品经过传统的感官、理化及微生物检测获取传统检测标定值，存于传统检测指标库中；训练肉品平行样本是肉品经过光谱采集、得到光谱图像，存于光谱图像库中；光谱图像库中的光谱图像经光谱图像预处理、有效检测区域提取和有效检测区域光谱提取，得到训练肉品平行样本的光谱信息存于光谱库中；传统检测指标库与光谱库共同组成知识库；103)建立传统检测指标光谱预测模型库，对知识库中针对各种传统检测指标或存储条件的数据进行光谱预测建模，得到对应的多套传统检测指标的光谱预测模型，这些模型存储于传统检测指标光谱预测模型库中。
2.根据权利要求1所述的基于光谱图像的肉品品质可视化非接触检测方法，其特征是特征是所述步骤1)中，样本中的对象目标质量特征的分布范围覆盖拟检测范围的全部；质量特征总体程度在样本中均勻分布，即样本中每个质量水平上的对象数量一致。
3.根据权利要求1所述的基于光谱图像的肉品品质可视化非接触检测方法，其特征是光谱图像的预处理方法是，先利用光谱数据的标准正态分布处理、光谱平滑滤波及差分求导操作提高光谱空间信噪比；然后通过偏最小二乘或者、多元线性回归、或者偏最小二乘与多元线性回归方法的组合，对光谱图像数据进行特征选择与特征提取，并建立光谱数据与传统指标之间的回归模型。
4.根据权利要求1所述的基于光谱图像的肉品品质可视化非接触检测方法，其特征是进行有效检测区域提取的方法是根据被测目标与采集背景之间、有效区域与无效区域在特征波段图像中亮度、位置、面积、形态等特征的差异，对光谱图像进行图像分割，从光谱图像中提取出有效检测区域，排除光谱图像中无关或无效区域；无关区域指与某种检测指标不相关的肉品区域；无效区域指与某项检测指标相关区域中，光谱图像检测区域的某些部分质量低于后续处理所需水平从而导致某相关检测区域中的局部无效。
5.根据权利要求4所述的基于光谱图像的肉品品质可视化非接触检测方法，其特征是，根据光谱图像及其中提取出的有效区域，得到一条或多条具有代表性的光谱曲线反映该光谱图像中有效区域的光谱特征；代表性的光谱曲线提取方式包括求取该区域的光谱均值曲线，或光谱中值曲线，或光谱最大值、最小值及均值曲线，或均值曲线及均值加减标准差曲线。
6.根据权利要求4所述的基于光谱图像的肉品品质可视化非接触检测方法，其特征是所述步骤3)中，显示被测肉品对象上有效区域内每个子区域的品质指标，以反映品质指标在被测肉品对象上的空间分布情况；显示子区域的粒度大小即空间分辨尺度，根据指标分布特点、用户及设备需要进行调节；这种分辨尺度调节的上限是对被测对象光谱图像以亚像素尺度进行品质指标检测与显不；这种分辨尺度调节的下限是将整个被测对象光谱图像的有效区域作为一个子域进行总体的肉样品质指标检测与显示，此时本方法处于最小工作模式。所述显示被测肉品对象上有效区域内每个子区域的品质指标，其显示方式是伪色彩或立体数据显示方法。
7.根据权利要求1所述的基于光谱图像的肉品品质可视化非接触检测方法，其的特征是所述光谱图像，是具备几个至几百个连续或非连续波段光谱信息的图像，反映被测对象的空间信息以及光谱信息，包括多光谱图像和高光谱图像。
全文摘要
一种基于光谱图像技术的肉品非接触检测方法，借助光谱图像中所包含的反映待测对象特征的空间分布信息与光谱特征信息，对肉品品质的多个指标(含水率、水活性、挥发性盐基氮含量、肉色、微生物计数、酸价、pH值)进行分别或综合评估，评估结果按照具体指标在被测目标内的空间分布情况以图像的方式给出。本发明可用于肉品的生产、加工、贮藏、运输及销售环节的快速、非接触检验，检验结果准确、客观，表达方式直观，从而为肉品的生产与销售质量安全监管提供保障手段。
文档编号G01N21/25GK102564964SQ20111044779
公开日2012年7月11日 申请日期2011年12月29日 优先权日2011年12月29日
发明者华东青, 宋青华, 居荣华, 支勇海, 汪希伟, 王琤, 赵宁, 赵茂程, 陈亭亭 申请人:南京林业大学