专利名称：注水肉检测方法和装置的制作方法
技术领域：
本发明涉及食品检测技术，尤其是一种注水肉检测方法和装置。
背景技术：
近几年食品安全问题越来越受到人们的关注。近年来“注水肉”问题一直受到消费者的关注。如今，由于国内生活水平的不断提高，肉类食品(如猪肉、羊肉、牛肉、鸡肉等)已经成为消费者餐桌上的必需品，但一些不法商贩为了盈利贩卖注水肉、问题肉，危害消费者的健康，侵害消费者的权益。注水肉是指不法商贩以盈利为目的，人为的在牲畜屠宰前或者屠宰放血后，通过牲畜的颈动脉将清水或者生产污水、工业色素、防腐剂等注入到牲畜体内后进行贩卖的劣质肉品(常见于猪肉和牛肉)。国家标准《畜禽肉水分限量》[I]规定的畜禽肉水分限量如下:如果猪肉、牛肉、鸡肉的含水量> 77%，羊肉水分含量> 78%，既可判别为注水肉。注水肉一方面侵害了消费者的合法权益，在金钱上造成一定的损失。另一方面更加危害了消费者的身体健康。由于不法商贩可能会将工业色素、防腐剂等有害物质一并注入到肉品中(如注入卤水能够使肉色鲜艳且锁住水分；注入工业色素能够保持长时间鲜亮的肉色；在注入的水中添加防腐剂能够延长肉的存放时间)，这些物质破坏了肉品当中的营养成分，甚至产生致癌物质导致肉品癌变，食用这样的肉品必然会对身体造成伤害、影响身体健康。而现阶段，注水肉检测方法主要有感官检测和理化检测两种方法。感官检测方法虽然可以对肉品进行快速判断，但是准确性差；理化检测方法虽然可以得到准确的检测结果，但是进行化学实验需要的时间过久，不利于卫生检疫部门对问题肉品进行尽快处理。在这样的现状下，迫切需要一种快速、准确、实用的检测技术对注水肉进行检测，以便判断肉品是否可以放心食用。·
发明内容
在下文中给出关于本发明的简要概述，以便提供关于本发明的某些方面的基本理解。应当理解，这个概述并不是关于本发明的穷举性概述。它并不是意图确定本发明的关键或重要部分，也不是意图限定本发明的范围。其目的仅仅是以简化的形式给出某些概念，以此作为稍后论述的更详细描述的前序。本发明提供一种注水肉检测方法和装置，能够快速、准确地检测注水肉。—方面，本发明提供了一种注水肉检测方法，包括:近红外光谱检测步骤，根据肉品的近红外光谱采集所述肉品的水分含量数据；PH值测量步骤，测量所述肉品的PH值；图像检测步骤，采集肉品的图像，并根据采集的图像获取肉品的颜色信息； 注水肉识别步骤，将所述肉品的水分含量数据、PH值和颜色信息作为支持向量机分类预测模型的输入特征获取所述支持向量机分类预测模型的输出值，并根据所述支持向量机分类预测模型的输出值判断所述肉品是否为注水肉。另一方面，本发明提供了一种注水肉检测装置，包括:近红外光谱检测模块，用于根据肉品的近红外光谱采集所述肉品的水分含量数据；
PH值测量模块，用于测量所述肉品的PH值；图像检测模块，用于采集肉品的图像，并根据采集的图像获取肉品的颜色信息；注水肉识别模块，用于将所述肉品的水分含量数据、PH值和颜色信息作为支持向量机分类预测模型的输入特征获取所述支持向量机分类预测模型的输出值，并根据所述支持向量机分类预测模型的输出值判断所述肉品是否为注水肉。本发明提供的技术方案中，基于近红外光谱的肉品水分含量获取肉品水分含量数据，能够对肉品的水分含量做快速的预测，引入多传感器数据融合技术来对肉品做全面的分析。即在以肉品水分含量为依据的同时，加入计算机视觉采集到的肉品颜色值，以及PH计采集到的肉品PH值作为分析肉品是否为注水肉的依据，克服了由于近红外光谱方法的局限性和单一性造成的预测结果的误差，提高识别结果的正确性，可以较全面地对肉品进行分析，做出较为正确的识别，并且将上述三种数据作为支持向量机模型的输入，通过支持向量机进行数据融合，进一步提升检测的准确性。
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的前提下，还可以根据这些附图获得其他的附图。图1为本发明实施例一提供的注水肉检测方法的流程图；图2为本发明采用近红外光谱定量分析肉品水分含量的流程图；图3示出多传感器数据融合中采用多层次融合处理时的处理过程；图4为线性SVM支持向量机中将两类样本分开的最优超平面的示意图；图5为本发明实施例二提供的注水肉检测装置的框图。
具体实施例方式为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。在本发明的一个附图或一种实施方式中描述的元素和特征可以与一个或更多个其它附图或实施方式中示出的元素和特征相结合。应当注意，为了清楚的目的，附图和说明中省略了与本发明无关的、本领域普通技术人员已知的部件和处理的表示和描述。基于本发明中的实施例，本领域普通技术人员在没有付出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。图1为本发明实施例一提供的注水肉检测方法的流程图。如图1所示，该方法包括:近红外光谱检测步骤S12:根据肉品的近红外光谱采集肉品的水分含量数据；PH值测量步骤S14:测量所述肉品的PH值；图像检测步骤S16:采集肉品的图像，并根据采集的图像获取肉品的颜色信息；注水肉识别步骤S18:将所述肉品的水分含量数据、PH值和颜色信息作为支持向量机分类预测模型的输入特征获取所述支持向量机分类预测模型的输出值，并根据所述支持向量机分类预测模型的输出值判断所述肉品是否为注水肉。步骤S12的主要目的是根据肉品的近红外光谱获取肉品的水分含量数据，具体分析如下:近红外光是最早被人们发现的非可见光，早在1800年，William Herschel便发现了红外光谱区。近红外光谱(Near Infrared Reflectance Spectroscopy),简称 NIRS是指介于可见光和中红外光谱区之间的电磁波，美国材料协会(ASTM)规定，其波长范围780-2526nm。近红外光谱主要是含氢基团(如C_H，0_H，N-H等)或官能团分子振动的倍频与合频的吸收光谱，不同基团或官能团产生的光谱在吸收峰位置及强度上会有所不同，从而使近红外光谱中包含了大量对研究这些有机物有帮助的信息或数据。采用近红外光谱技术检测分析样品，可以在不破坏样品的情况下，对样品进行快速的检测并获得样品内部的光谱信息(如苹果的酸甜度、肉类的蛋白质、水分，脂肪含量等)，是一种无损、绿色、快速、高效并对检测人员或使用者身体无害的检测分析技术。但是，近红外光谱技术是一种间接分析和测量的技术，即它不是原始方法，通常需要结合化学计量学方法建立校正模型，以实现对未知样品的定性或定量分析。到目前为止，经过200多年的发展，已经应用于农业、食品工业、石油化工、医药、生命科学、环境保护等多个领域。物质对光的选择性吸收主要是由物质的分子结构来决定。对于分子，其只吸收与它特征振动能量一致的光子并且被激发到较高的能级。只有当光子的能量(即E = hv)，与分子的能级间隔相等时它才会被吸收。分子由N个原子组成的有3N个自由度，其中包括3个平动自由度，3个分子整体转动自由度，以及3N-6个分子内原子相互作用自由度并对应3N-6个基频吸收。基频吸收是指分子吸收光子后从一个能级被激发到相邻的高一级的能级时所吸收的能量。倍频吸收是指分子吸收光子后从一个能级被激发到两个以上高一级的能级时所吸收的能量。合频吸收是指光子同时激发两个能级的吸收。因此，在近红外光谱的吸收光谱中，分子的组成结构特征会由波峰和波谷来反映。每种物质都有其特定的吸收光谱特性。利用特定官能团或含氢基团或已知某种物质的吸收光谱特性，根据吸收光谱图和对照实验就可以对其成分或含量进行分析。表1-含氢键 基团红外吸收谱带
权利要求
1.一种注水肉检测方法，其特征在于，包括: 近红外光谱检测步骤:根据肉品的近红外光谱采集所述肉品的水分含量数据； PH值测量步骤:测量所述肉品的PH值； 图像检测步骤:采集肉品的图像，并根据采集的图像获取肉品的颜色信息； 注水肉识别步骤:将所述肉品的水分含量数据、PH值和颜色信息作为支持向量机分类预测模型的输入特征获取所述支持向量机分类预测模型的输出值，并根据所述支持向量机分类预测模型的输出值判断所 述肉品是否为注水肉。
2.根据权利要求1所述的注水肉检测方法，其特征在于，所述图像检测步骤获取的颜色信息包括图像中各像素的红色分量、蓝色分量、绿色分量、色调分量、饱和度分量和/或亮度分量。
3.根据权利要求1所述的注水肉检测方法，其特征在于，所述注水肉识别步骤之前包括: 通过粒子群优化算法对所述支持向量机分类预测模型进行优化。
4.根据权利要求1所述的注水肉检测方法，其特征在于，所述图像检测步骤包括:通过邻域平均算法、中值滤波算法、高斯滤波算法、灰度最小方差的均值滤波算法或者高斯模板平滑算法对采集的图像进行平滑处理，并根据平滑处理后的图像获取肉品的颜色信息。
5.根据权利要求1所述的注水肉检测方法，其特征在于，所述近红外光谱检测步骤之前包括:预测模型建立步骤，建立以近红外光谱作为输入、以水分含量数据作为输出的预测模型； 所述近红外光谱检测步骤包括: 获取肉品的近红外光谱； 通过多元散射校正算法或均值中心化算法对获取的近红外光谱进行平滑处理； 将平滑处理后的近红外光谱作为所述预测模型的输入获取所述预测模型的输出值； 根据所述预测模型的输出值获取所述肉品的水分含量数据。
6.根据权利要求5所述的注水肉检测方法，其特征在于，所述预测模型建立步骤通过偏最小二乘算法建立所述预测模型。
7.根据权利要求6所述的注水肉检测方法，其特征在于，所述预测模型建立步骤还包括:通过向后区间偏最小二乘筛选法选取能够使预测模型的拟合精度最高的光谱区间，并在选取的光谱区间上进行建模以形成所述预测模型。
8.—种注水肉检测装置，其特征在于，包括: 近红外光谱检测模块，用于根据肉品的近红外光谱采集所述肉品的水分含量数据； PH值测量模块，用于测量所述肉品的PH值； 图像检测模块，用于采集肉品的图像，并根据采集的图像获取肉品的颜色信息； 注水肉识别模块，用于将所述肉品的水分含量数据、PH值和颜色信息作为支持向量机分类预测模型的输入特征获取所述支持向量机分类预测模型的输出值，并根据所述支持向量机分类预测模型的输出值判断所述肉品是否为注水肉。
9.根据权利要求8所述的注水肉检测装置，其特征在于，还包括优化模块，用于通过粒子群优化算法对所述支持向量机分类预测模型进行优化。
10.根据权利要求8所述的注水肉检测装置，其特征在于，还包括预测模型建立模块，用于建立以近红外光谱作为输入、以水分含量数据作为输出的预测模型；所述近红外光谱检测模块具体用于: 获取肉品的近红外光谱； 通过多元散射校正算法或均值中心化算法对获取的近红外光谱进行平滑处理； 将平滑处理后的近红外光谱作为所述预测模型的输入获取所述预测模型的输出值； 根据所述 预测模型的输出值获 取所述肉品的水分含量数据。
全文摘要
本发明涉及一种注水肉检测方法和装置，该方法包括根据肉品的近红外光谱采集所述肉品的水分含量数据；测量所述肉品的PH值；采集肉品的图像，并根据采集的图像获取肉品的颜色信息；将所述肉品的水分含量数据、PH值和颜色信息作为支持向量机分类预测模型的输入特征获取所述支持向量机分类预测模型的输出值，并根据所述支持向量机分类预测模型的输出值判断所述肉品是否为注水肉。本发明可快速、准确地检测注水肉。
文档编号G01N33/12GK103235095SQ20131013623
公开日2013年8月7日 申请日期2013年4月18日 优先权日2013年4月18日
发明者郭培源, 许冠男 申请人:北京工商大学