本发明属于肉制品质量检测技术领域，具体涉及一种基于超声成像技术的冷鲜牛肉与解冻牛肉的鉴别方法。
背景技术
牛肉是一种营养价值较高的肉品，具有高蛋白、低脂肪、低胆固醇等特点，深受消费者欢迎。牛肉最主要的两种保藏方式是冷鲜保藏和冷冻保藏。冷冻保藏的牛肉在冷冻过程中由于冰晶生长，细胞和组织结构遭到机械挤压和破坏，大量蛋白质发生变性，肉的胶体性质被破坏；在解冻过程中，肉内汁液大量流失，造成肉品食用品质下降。而冷鲜牛肉从加工到销售始终处于冷链控制下，酶的活性和大多数微生物的生长繁殖被抑制，并且冷鲜牛肉经历了较为充分的成熟过程，肉的嫩度增加，肉质得到改善，滋味鲜美。冷鲜牛肉货架期远小于冷冻牛肉，价格也高于冷冻牛肉。有报道称，市面上部分“冷鲜牛肉”其实是冷冻牛肉解冻后伪装而成，消费者从感官上难以辨别。因此有必要对冷鲜与解冻牛肉进行有效的区分。
目前鉴别冷鲜肉和解冻肉的方法有酶法、dna法、生物成像法和感官评价法等。酶法根据冻融后肉内细胞损坏导致酶量增加，通过测定酶活高低来区分冷鲜与解冻肉；此方法依赖冷冻对细胞器造成一定损伤从而释放其中成分。最常用的是hadh测定肉汁法，而hadh的释放需要肉在-12℃或者更低的温度下冻藏。有研究通过测定吸光度对比新鲜猪肉肉样与经冷冻解冻后的肉样的hadh酶活比值，判断样品是新鲜猪肉还是解冻猪肉；但其需要对样品进行繁琐的化学处理，有破坏性，且当测定结果为一定值时无法确定肉样为新鲜肉或是解冻肉，需要再次判断。
dna法通过检测dna的损伤情况鉴别冷鲜肉与解冻肉。该方法操作复杂，最新技术pcr易受到dna断裂与链间交联的影响。生物成像法是利用显微镜和电子显微镜观察分析肉的微观结构，根据肉微观结构损伤情况对其是否经过冷冻做出判断。其中观察所需标本制作过程复杂耗时，且在某些冻融条件下无法观察到微观结构的明显损伤。感官评价法效率低且主观性强。
技术实现要素：
本发明的目的在于克服现有技术中存在的缺陷，如：酶法需要繁琐的化学处理会破坏样本，且有局限性；dna法操作复杂易受影响；生物成像法同样有局限性；感官评价法受检验人员训练素质限制且主观性强等，本发明提供了一种基于超声成像技术的冷鲜牛肉与解冻牛肉的鉴别方法。
具体的，本发明通过以下技术方案实现：
(1)准备牛肉样本并编号，具体为冷鲜牛肉与解冻牛肉样本；
(2)运用超声成像技术对步骤(1)中的牛肉样本进行超声反射图像采集，并提取牛肉
超声反射图像纹理特征值；
(3)利用主成分分析对步骤(2)中提取的图像纹理特征值数据进行降维处理；
(4)基于步骤(3)降维处理后的图像纹理特征值谱数据，采用化学计量学方法建立冷鲜牛肉与解冻牛肉的快速鉴别模型；
(5)对未知待测牛肉样本进行超声反射图像采集，利用步骤(4)建立的快速鉴别模型对未知待测牛肉样本的类别进行快速鉴别。
其中上述步骤(1)中，冷鲜牛肉样本是将牛肉在4℃冷藏处理下获取；解冻牛肉样本是将冷鲜牛肉在-18℃冷冻14天后在4℃解冻处理下获取；
其中上述步骤(2)中，所述超声反射图像采集是采用超声成像仪器进行；
其中上述步骤(2)中，所述超声成像仪器的探头频率与超声波激发参数具体设定：探头频率(f1)选择为20mhz；设置脉冲电压(u)为250v、脉冲重复频率(f2)为900hz、增益(d)为50db；选择脉冲回波模式；
其中上述步骤(2)中，所述超声成像仪器的三轴电机运动参数和超声波数据采集具体设定：设置扫描速度(v)为3mm/s；步进(s)为2mm；分辨率(k)为0.1mm；
其中上述步骤(2)提取牛肉超声反射图像纹理特征值具体方法：用灰度共生矩阵法提取纹理特征值；
其中上述步骤(3)利用主成分分析对所提取的纹理特征值数据进行降维处理，首先对牛肉超声反射图像纹理特征值进行主成分分析(pca)，然后选取不同的主成分数作为模型的输入；
其中上述步骤(4)中，所述化学计量学方法为线性判别分析(lda)方法；
其中上述步骤(5)对未知待测牛肉样本进行超声反射图像采集，用步骤(2)所述方法提取牛肉超声反射图像纹理特征值，然后将待测牛肉超声反射图像纹理特征值经步骤(3)处理后带入步骤(4)已建立的鉴别模型中，利用matlab处理软件完成冷鲜牛肉和解冻牛肉的鉴别。
本发明的基于超声成像技术的冷鲜牛肉与解冻牛肉的鉴别方法的对象为冷鲜牛肉与解冻牛肉。
与现有技术相比较，本发明的有益效果体现如下：
(1)本发明利用冷鲜牛肉与解冻牛肉具有不同的质构和声阻抗特性，导致冷鲜牛肉与解冻牛肉对超声波信号反射强度不同，通过对冷鲜与解冻牛肉超声反射图像的采集并提取纹理特征值建立判别模型，实现对冷鲜与解冻牛肉的判别；样品不需要进行前处理，降低检测成本，不会污染环境。
(2)超声成像技术可以在不对样品造成损伤的情况下获取样品内部品质信息，具有无放射性、灵敏度高等特点。
(3)超声图像采集操作简单，设置参数放置样品后超声成像采集仪器的三轴运动平台可以自动控制超声探头的移动以获取图像的c扫视图，具有自动化的优点。
(4)超声图像结果直观、准确，通过图像处理获取图像中的信息可以对冷鲜牛肉与解冻牛肉进行判别。用灰度共生矩阵法提取纹理特征值，利用化学计量学方法建立鉴别模型。当主成分数为5时，lda模型的训练集和测试集识别率均达到100％。根据识别率高低选取最佳鉴别模型，因此lda模型效果较好，本发明利用超声成像技术结合lda模型对冰鲜牛肉与解冻牛肉进行识别。
附图说明
图1为本发明的鉴别流程图；
图2为本发明的样品槽的示意图；图中：1.牛肉样本放置处；2.样品槽。
图3为牛肉c视图；图中：a为冷鲜牛肉c视图；b为解冻牛肉c视图。
具体实施方式
下面通过具体的实施例并结合附图对本发明进一步阐述，但并不限制本发明。
图1为本发明的鉴别流程图；首先准备冷鲜牛肉与解冻牛肉样本，设定参数采集牛肉超声反射图像，提取图像纹理特征值，利用pca降维处理后建立判别模型，最后利用所建模型对未知待测牛肉样本进行鉴别。具体的，本发明的冷鲜牛肉与解冻牛肉的鉴别方法如下：
(1)准备冷鲜牛肉与解冻牛肉样并编号：
取真空包装的冷鲜牛肉，剔除肉眼可以见的筋膜和结缔组织，切割出3cm×3cm×1cm大小的肉块，共取30个样品。其中15个样品作为冷鲜肉立刻进行试验，另外15个样品经真空包装机独立真空包装后置于-18℃冰柜中冻藏14d后取出，在4℃下解冻2d后进行试验。
(2)运用超声成像技术对步骤(1)中的牛肉样本进行超声反射图像采集，并提取牛肉超声反射图像纹理特征值：
a.设定超声成像仪器参数：
探头频率的选择与超声波激发参数的设定：探头频率(f1)选择为20mhz；设置脉冲电压(u)为250v、脉冲重复频率(f2)为900hz、增益(d)为50db；选择脉冲回波模式；
三轴电机运动参数和超声波数据采集的设定：设置扫描速度(v)为3mm/s；步进(s)为2mm；分辨率(k)为0.1mm。
b.采集牛肉样本超声反射图像：
超声反射图像采集是采用超声成像仪器进行，设定探头扫描起点，终点及扫描区域；采用xy坐标系；如图2所示，1为牛肉样本放置处；2为样品槽；放置于牛肉样本放置处1的牛肉为长方体形状，牛肉的上表面为长方形abcd，牛肉放置于样品槽2内，牛肉的ab边与x轴平行且长度为30mm，牛肉的ad边与y轴平行且长度为30mm；将牛肉的上表面的中心点定义为xy坐标系的原点；设定超声探头扫描起点为(-10，-10)、扫描终点为(10，10)，扫描区域为坐标点(-10，-10)、(10，-10)、(10，10)、(-10，10)所确定的矩形区域；将探头回到扫描起点，点击start开始扫描，分别获取冷鲜和解冻牛肉的c扫视图。
如图3所示，从彩色图像上可以看出解冻牛肉反射回波强度偏小，但由于直观分析存在主观因素，无法对冷鲜与解冻牛肉做出准确区分，故提取图像纹理特征值进一步分析。
c.提取牛肉样本超声反射图像纹理特征值：
纹理是反应区域灰度级的空间分布，可以表征超声信号的分布情况，本发明采用灰度共生矩阵法提取纹理特征值。为了保证更多的原始信息参与生成灰度共生矩阵，试验将回波信号归一化处理并映射到0～255灰度级，分别以0、45°、90°和135°方向计算灰度共生矩阵，并在各方向下提取常用的角二阶矩、对比度、相关性、逆差矩，共产生16个特征变量，再结合图像的平均灰度值、灰度方差最终得到18个纹理特征变量。
(3)利用主成分分析对步骤(2)中提取的图像纹理特征值数据进行降维处理：
对所提取的图像纹理特征值数据进行整理，以图像纹理特征变量为变量，进行pca降维处理；然后选取不同的主成分数作为模型的输入。主成分分析(pca)是一种以降低数据维数为目的的无监督模式识别技术，把多个变量化成少数几个主成分，这些主成分能够反应原始变量的绝大部分信息，它们通常表示为原始变量的线性组合。
(4)基于步骤(3)降维处理后的图像纹理特征值谱数据，采用化学计量学方法建立基于牛肉超声反射图像纹理特征值的判别模型：
本发明一共选取了两种化学计量学方法对冷鲜与解冻牛肉进行区分，具体为线性判别分析(lda)方法和支持向量机(svm)方法；根据不同主成分数对应的训练集识别率来判断模型的效果，训练集的识别率越高，模型效果越好；
线性判别分析(lda)是将高维的模式样本投影到最佳鉴别矢量空间，以达到抽取分类信息和压缩特征空间维数的效果，投影后保证模式样本在新的子空间有最大的类间距离和最小的类内距离，即模式在该空间中有最佳的可分离性；支持向量机(svm)是一种结构最小化准则上的机器学习算法，通过学习，其可以自动寻找那些对分类有较好区分能力的支持向量，由此构造出的分类器可以最大化类之间的间隔，使不同的样本能够被分类器分开
选取总样本的2/3作为训练集(冷鲜牛肉10个，解冻牛肉10个)，分别建立lda和svm模型，结果如表1所示。
表1lda、svm模型在不同主成分数下训练集和测试集的结果
随着主成分数的增加，识别率不断上升(识别错误数减少)。当主成分数达到4时，svm模型的训练集识别率达到95％，有1个样本被识别错；lda模型的训练集识别率也达到95％，有1个样本被识别错误。当主成分数达到5时，svm模型的训练集识别率仍为95％，有1个样本被识别错，lda模型的训练集识别率达到100％，并且随着主成分数增加，svm模型和lda模型识别率均保持不变。
(5)对未知待测牛肉样本的类别进行快速预测：
对未知待测牛肉样本进行超声反射图像采集(冷鲜牛肉5个，解冻牛肉5个)，提取牛肉超声反射图像纹理特征值，然后将待测牛肉超声反射图像纹理特征值先进行pca方法进行降维处理，然后输入已建立的lda和svm鉴别模型中，利用matlab处理软件完成冷鲜和解冻牛肉的鉴别。
鉴别结果如表1所示，可以看出当主成分数为4时，svm、lda模型的测试集识别率分别为90％、80％，随着主成分数增加，svm模型的测试集识别率保持在90％不变。而当主成分数为5时，lda模型的测试集识别率达到100％。此时lda模型成功鉴别出5个冷鲜牛肉样本与5个解冻牛肉样本，鉴别结果与对应样本实际相符，表明lda模型可用于实际应用。因此本发明超声成像技术结合lda模型对冷鲜与解冻牛肉进行判别。
为了获取的图像能代表更多样品内部信息、清晰且易于处理分析，并且节省时间，通过大量实验获取了最优超声成像设定参数。为了提高模型识别的速度与效率，减少运算量，本发明利用pca方法对纹理特征值数据进行降维处理。为了选取最佳鉴别模型，本发明选取lda、svm模型分别对冷鲜与解冻牛肉进行鉴别，结果表明lda模型更适用于冷鲜与解冻牛肉的鉴别。结合以上优势，本发明利用超声成像技术结合lda模型对冷鲜与解冻牛肉进行识别。