一种基于手持式食品残留检测设备的食品污染检测系统

本申请涉及食品检测领域，尤其是一种基于手持式食品残留检测设备的食品污染检测系统。

背景技术：

1、食品污染是食品生产商、食品销售商、消费者、食品监管部门所共同关注的问题。食源性疾病是由食用受污染的食物引起的，食品加工设备表面形成的微生物生物膜是食品污染的一个来源，例如大肠杆菌、沙门氏菌。食品生产、加工销售过程中产生的残留物和污染物是滋生这些细菌的温床。

2、目前大多数的食品生产加工残留物检测仍是人工目视检测方法。这种方法受检察员的个人能力、疲劳程度和检测环境的影响较大，缺乏明确的衡量标准，准确性也较低。

3、针对食品污染检测的问题，目前也有各种实验室使用的检测设备和检测算法，但是普遍存在检测设备体积庞大、操作复杂，容易受使用场地的限制的问题。此外，目前的检测设备大多使用光谱相机，其检测速度慢、价格昂贵、难以达到快速检测的要求，不适用与一线检测。

技术实现思路

1、本申请人针对上述问题及技术需求，提出了一种基于手持式食品残留检测设备的食品污染检测系统，本申请的技术方案如下：

2、一种基于手持式食品残留检测设备的食品污染检测系统，该食品污染检测系统中的手持式食品残留检测设备包括手持壳体，手持壳体的工作端面处开设相机孔；

3、手持壳体的工作端面的外表面设置有激发光源，手持壳体的内部设置有主控板和相机组件，相机组件的镜头透过相机孔处朝向手持壳体的工作端面前方；主控板连接并控制激发光源和相机组件；手持壳体上还设置有显示屏，主控板连接显示屏；

4、手持壳体的工作端面处安装有滤波片转盘，滤波片转盘上固定有多个滤波片，不同的滤波片用于透过不同光谱波段的光，通过转动滤波片转盘切换不同的滤波片至相机孔处；

5、利用手持式食品残留检测设备实现食品污染检测的方法包括：通过手持壳体的工作端面朝向待测食品，主控板控制激发光源照射待测食品的表面，主控板通过相机组件采集待测食品表面的目标波段下的荧光图像，目标波段是相机孔处的滤波片透过的光谱波段；主控板利用内置的深度学习网络提取得到荧光图像中的残留物区域并通过显示屏进行显示。

6、其进一步的技术方案为，利用手持式食品残留检测设备实现食品污染检测的方法包括：

7、确定待检测的目标残留物类别；

8、选取透过的光谱波段覆盖目标残留物类别的荧光发射峰所在的光谱波段的滤波片作为目标滤波片，目标滤波片透过的光谱波段为目标波段；

9、转动滤波片转盘切换目标滤波片至相机孔处；

10、主控板通过相机组件采集待测食品表面在目标波段下的荧光图像，并利用内置的深度学习网络提取得到荧光图像中的目标残留物类别的残留物所在的残留物区域。

11、其进一步的技术方案为，手持壳体的内部还设置旋转电机，旋转电机的电机轴连接滤波片转盘的转轴，主控板连接并控制旋转电机；利用手持式食品残留检测设备实现食品污染检测的方法包括：

12、主控板控制旋转电机带动滤波片转盘依次转动不同的滤波片至相机孔处，并在每个滤波片转动至相机孔处时，主控板控制相机组件采集待测食品表面在当前位于相机孔处的滤波片透过的光谱波段的荧光图像；

13、主控制板对各次采集到的荧光图像按光谱波段拼接后输入内置的深度学习网络，提取得到荧光图像中的多种不同的目标残留物类别的残留物所在的残留物区域。

14、其进一步的技术方案为，主控板内置的深度学习网络包括yolo4-tiny网络以及u-net语义分割网络；

15、yolo4-tiny网络从输入到输出依次包括cspdarknet53 tiny骨干网络、fpn特征金字塔网络和yolo head检测头；cspdarknet53 tiny骨干网络对输入的荧光图像进行特征提取后输入fpn特征金字塔网络进行特征融合得到特征图，yolo head检测头对得到的特征图进行结果预测，提取残留物区域所在的荧光图像作为感兴趣区域输入u-net语义分割网络；

16、u-net语义分割网络从输入到输出依次包括主干特征提取模块、特征融合模块和预测模块，主干特征提取模块对输入的感兴趣区域进行多层卷积池化处理并输出多层有效特征层至特征融合模块，特征融合模块对多层有效特征层进行上采样和特征融合得到融合特征，预测模块对融合特征的各个像素点进行分类，提取得到荧光图像中的残留物区域。

17、其进一步的技术方案为，食品污染检测系统还包括云端服务器和模型训练终端，手持式食品残留检测设备的手持壳体内部还设置与在主控板相连的无线通信模组，模型训练终端训练得到深度学习网络并上传至云端服务器，主控板通过无线通信模组连接云端服务器并从云端服务器下载更新内置的深度学习网络。

18、其进一步的技术方案为，食品污染检测系统还包括结果查询终端，结果查询终端连接云端服务器，主控板提取得到荧光图像中的残留物区域并通过无线通信模组上传至云端服务器，结果查询终端从云端服务器获取提取得到荧光图像中的残留物区域实现远程的结果查询；或者，主控板提取得到荧光图像中的残留物区域并通过无线通信模组利用近场通信传输给结果查询终端。

19、其进一步的技术方案为，手持壳体的工作端面还内嵌有超声波测距探头，主控板连接并控制超声波测距探头；主控板通过超声波测距探头检测到手持壳体的工作端面与待测食品之间的距离小于距离阈值时，控制激发光源发光并控制相机组件采集荧光图像。

20、其进一步的技术方案为，手持壳体内部还设置有定位结构，定位结构包括棘爪、棘轮和限位弹簧，棘轮固定在滤波片转盘上，棘爪通过限位弹簧固定在手持壳体的内部，棘爪在滤波片转盘转动过程中与棘轮的齿部啮合实现定位。

21、其进一步的技术方案为，手持壳体上还开设散热通孔，手持壳体内部还安装散热风扇，主控板连接并控制散热风扇，且激发光源安装在金属散热片上。

22、其进一步的技术方案为，手持壳体的工作端面的外表面在不同位置布设有多个激发光源。

23、本申请的有益技术效果是：

24、本申请公开了一种基于手持式食品残留检测设备的食品污染检测系统，利用手持式食品残留检测设备通过不同的滤波片采集不同光谱波段下的荧光图像，结合内置的深度学习网络可以实现残留物区域的提取分割，完成食品污染检测，该手持式食品残留检测设备体积小巧、便于携带，可以携带至检测现场使用，可以实时查看结果。

25、该手持式食品残留检测设备搭配不同的滤波片，通过相机组件结合多个滤波片可以实现对不同类别的残留物的检测，适用范围广，且无需使用特定波段相机，通过更换滤波片就能改变检测的光谱波段，使用方便。

26、基于改进的yolo4-tiny轻量化网络结合u-net语义分割算法自动识别生产加工设备表面食品残留物并对荧光图像中的残留物区域进行分割，提高了检测精度。基于云传输技术可以实现深度学习网络的下载更新，以及食品污染检测结果的上传，降低了对手持式食品残留检测设备搭载的主控板的算力要求。

技术特征：

1.一种基于手持式食品残留检测设备的食品污染检测系统，其特征在于，所述食品污染检测系统中的手持式食品残留检测设备包括手持壳体，所述手持壳体的工作端面处开设相机孔；

2.根据权利要求1所述的食品污染检测系统，其特征在于，利用所述手持式食品残留检测设备实现食品污染检测的方法包括：

3.根据权利要求1所述的食品污染检测系统，其特征在于，所述手持壳体的内部还设置旋转电机，所述旋转电机的电机轴连接所述滤波片转盘的转轴，所述主控板连接并控制所述旋转电机；利用所述手持式食品残留检测设备实现食品污染检测的方法包括：

4.根据权利要求1所述的食品污染检测系统，其特征在于，所述主控板内置的深度学习网络包括yolo4-tiny网络以及u-net语义分割网络；

5.根据权利要求1所述的食品污染检测系统，其特征在于，所述食品污染检测系统还包括云端服务器和模型训练终端，所述手持式食品残留检测设备的手持壳体内部还设置与所述在主控板相连的无线通信模组，所述模型训练终端训练得到所述深度学习网络并上传至所述云端服务器，所述主控板通过所述无线通信模组连接所述云端服务器并从所述云端服务器下载更新内置的深度学习网络。

6.根据权利要求5所述的食品污染检测系统，其特征在于，所述食品污染检测系统还包括结果查询终端，所述结果查询终端连接所述云端服务器，所述主控板提取得到所述荧光图像中的残留物区域并通过所述无线通信模组上传至所述云端服务器，所述结果查询终端从所述云端服务器获取提取得到所述荧光图像中的残留物区域实现远程的结果查询；或者，所述主控板提取得到所述荧光图像中的残留物区域并通过所述无线通信模组利用近场通信传输给所述结果查询终端。

7.根据权利要求1所述的食品污染检测系统，其特征在于，所述手持壳体的工作端面还内嵌有超声波测距探头，所述主控板连接并控制所述超声波测距探头；所述主控板通过所述超声波测距探头检测到所述手持壳体的工作端面与待测食品之间的距离小于距离阈值时，控制所述激发光源发光并控制所述相机组件采集荧光图像。

8.根据权利要求1所述的食品污染检测系统，其特征在于，所述手持壳体内部还设置有定位结构，所述定位结构包括棘爪、棘轮和限位弹簧，所述棘轮固定在所述滤波片转盘上，所述棘爪通过所述限位弹簧固定在所述手持壳体的内部，所述棘爪在所述滤波片转盘转动过程中与所述棘轮的齿部啮合实现定位。

9.根据权利要求1所述的食品污染检测系统，其特征在于，所述手持壳体上还开设散热通孔，所述手持壳体内部还安装散热风扇，所述主控板连接并控制所述散热风扇，且所述激发光源安装在金属散热片上。

10.根据权利要求1所述的食品污染检测系统，其特征在于，所述手持壳体的工作端面的外表面在不同位置布设有多个所述激发光源。

技术总结
本申请公开了一种基于手持式食品残留检测设备的食品污染检测系统，涉及食品检测领域，该手持式食品残留检测设备中的主控板控制激发光源照射待测食品的表面，主控板通过相机组件采集待测食品表面的目标波段下的荧光图像，目标波段是相机孔处的滤波片透过的光谱波段；主控板利用内置的深度学习网络提取得到荧光图像中的残留物区域并通过显示屏进行显示。利用手持式食品残留检测设备通过不同的滤波片采集不同光谱波段下的荧光图像，结合内置的深度学习网络可以实现残留物区域的提取分割，完成食品污染检测，该手持式食品残留检测设备体积小巧、便于携带，可以携带至检测现场使用，可以实时查看结果。

技术研发人员：朱启兵,徐帅,黄敏,赵鑫
受保护的技术使用者：江南大学
技术研发日：
技术公布日：2024/1/11