CN101551341A - 基于图像与光谱信息融合的肉品在线无损检测方法与装置 - Google Patents

Abstract

本发明公开公开了一种基于图像与光谱信息融合的肉品在线无损检测方法与装置。包括传送带、光谱采集室、图像采集室、摄像机挂接横梁、成像光源、摄像机、Y型光纤、光谱仪、光谱光源、数据处理PC、两个光电传感器、电机和传送带支架。通过在线采集肉品的图像与光谱信息，提取表征肉品品质的特征信息，建立基于图像特征的、基于光谱特征的和基于图像与光谱的特征层数据融合的定量预测模型，利用获得的定量预测模型与品质评价体系相结合，建立基于图像与光谱的决策层数据融合模型，对肉品进行在线检测。本发明根据肉品光学特性，利用图像信息和光谱信息的互补性和冗余性，实现肉制品加工过程中原料分级、质量检测，提高生产效率。

Description

基于图像与光谱信息融合的肉品在线无损检测方法与装置

技术领域

本发明涉及一种针对农畜产品的在线检测方法与装置，特指基于图像和光谱信息融合的肉品品质在线无损检测方法与装置。

背景技术

肉及肉制品是人类的主要食物来源之一。随着消费水平的提高，肉类产品的品质已引起了消费者广泛重视；肉类加工企业为了保证产品的质量，在激烈的市场竞争中获得较强的竞争力，对原料肉和加工半成品进行品质监测与控制，对产品进行按质分类定价，以最大化产品的经济价值。

传统的肉品品质检测是采用人工感观评定方法和化学分析方法。人工感观评定需要经过专业训练的评价人员，评价结果主观性强，可重复性差，进行大批量的在线检测劳动强度大；化学分析方法是经过化学方法进行破坏性检测，步骤繁琐，检测结果依赖操作人员的技术水平与熟练程度，不适用于实际生产过程中的在线检测。

机器视觉技术通过各种成像***实现信息采集，由计算机利用图像处理技术来提取和解释采集对象的特征，结合各种模式识别算法，可以对对象进行定量、定性的描述与分类，在农畜产品品质检测中得到了广泛的应用。利用机器视觉技术可以对肉品的颜色、纹理分布、形状大小、骨头等指标进行检测，更进一步的分析处理还可以对肉品的pH值、弹性、嫩度等指标进行检测。光谱分析技术是一种对农畜产品品质无损检测的有效方法，它利用农畜产品对光的吸收、散射、反射和透射等特性确定农畜产品品质；利用光谱检测技术可以对肉类产品的化学组分，pH值，及嫩度等指标进行检测。

这类基于农畜产品光学特性的无损检测技术速度快、准确，不受主观人为影响，国内外研究者都展开了大量的研究，但主要是利用图像信息或用光谱信息对肉产品以单个指标来进行分级，不能对肉类产品的内外多个品质指标进行检测。肉类产品品质复杂，而且其质量与其用途有关，应由其内部和外部的多项指标综合评定。因此利用样品的图像和光谱两方面的信息，利用具有互补性质的信息拓展品质检测的宽度，利用具有冗余性质的信息提高品质评价的精度，对肉类产品的内外指标进行检测，利用决策层信息融合，结合实际生产中的品质要求体系，对肉品品质进行全面精确的评定进行分类分级，对于优化肉类产品生产工艺、提高肉类产品生产经济效益、保障居民消费权益和食品质量有很重要的现实意义。

发明内容

本发明的目的在于提供一种基于图像与光谱信息融合的肉品品质在线无损检测的方法及装置。通过在线采集肉品的图像信息与光谱信息，对获得的信息利用图像处理技术和光谱分析技术进行特征提取，获得表征肉品指标的特征信息，建立各测定指标的基于图像特征的、基于光谱特征的和基于图像与光谱的特征层数据融合的定量预测模型，利用定量预测结果进行决策层数据融合，对肉品进行在线检测评价。

本发明采用的技术方案如下：

一、一种基于图像与光谱信息融合的肉品品质在线无损检测的方法：

实时采集肉品图像信息和光谱信息，进行信息融合处理，对肉品的综合品质进行检测，其具体步骤如下：

1)建立在线检测模型：

根据肉品品质指标的要求，确定检测指标以及各指标的权重，建立质量评定体系；在线采集肉品的图像和光谱信息，利用图像处理技术和光谱分析技术对获得的信息进行数据处理，提取表征待检测指标的特征信息；离线对肉品进行各指标的理化测试；利用提取的光谱与图像特征信息与测试的各指标实际值，建立基于图像的、基于光谱的、或图像与光谱特征层融合的品质定量预测模型；结合建立的质量评定体系，进行决策层融合处理，建立基于图像与光谱信息融合的肉品品质在线检测模型；

2)进行在线检测：

在线检测时，待测肉品图像信息和光谱信息被实时采集后由建立的肉类产品品质检测模型对输入的图像和光谱信息进行处理，提取特征，由单一肉品品质定量预测模型进行预测，由决策层数据融合模型对肉品品质进行在线质量分级评定。

所述的在线采集肉品的图像信息，为紫外、可见光、近红外或红外波长范围内图像，图像信息处理包括运动图像的补偿与校正、背景分割、目标区域提取，提取的图像特征包括颜色、纹理分布描述、脂肪分布及与肉品pH值、弹性和嫩度实际生产要求的指标的相关特征提取，建立基于图像信息的品质预测模型。

所述的光谱信息采集后，结合光谱平滑、校正和微分预处理方法，提取表征肉品化学组分、pH值、颜色、弹性和嫩度指标的特征信息，包括特征波长、光谱经过分解所得得主因子，建立基于光谱信息的品质预测模型。

所述的提取的图像与光谱的特征值利用人工神经网络、支持向量机方法进行特征层信息融合；采用D-S证据理论、贝叶斯网络方法进行决策层信息融合。

所述的肉品品质预测模型包含生鲜肉、原料肉或肉制品肉类产品和生产的各阶段的品质分类***。

二、一种基于图像与光谱信息融合的肉品品质在线无损检测的装置：

包括传送带、光谱采集室、图像采集室、摄像机挂接横梁、成像光源、摄像机、Y型光纤、光谱仪、光谱光源、数据处理PC、两个光电传感器、电机、传送带支架。摄像机固定在图像采集室正中间的摄像机挂接横梁上，摄像机的四周安装成像光源，第一光电传感器固定在摄像机下方的图像采集室侧壁，放置肉品的传送带位于摄像机下方并穿过图像采集室，电机驱动传送带转动，传送带上方安装光谱采集室，第二光电传感器固定在光谱采集室侧壁，肉品进入光谱采集室，第二光电传感器检测到样品，发送信号给光谱仪，光谱仪采集经Y型光纤传输的光谱信息发送给数据处理PC，肉品连续传送进入图像采集室，第一光电传感器检测到的信号给摄像机，采集肉品的图像信息接至数据处理PC。

本发明具有的有益效果是：

1、本发明根据肉品的光学特性，有机结合图像处理技术和光谱分析技术，采用信息融合处理方法，利用图像信息和光谱信息的互补性和冗余性，与实际生产加工所要求肉品品质的评价体系结合，对肉品品质进行评定。

2、本发明用于肉制品生产加工过程中的在线的原料分级挑选、加工过程质量控制、肉制品成品质量检测，辅助和代替专业检测人员，解放劳动力，排除人为主观因素，提高生产效率。

本发明利用肉品的光学特性，对图像信息和光谱信息进行数据融合处理，对肉品的内外多个品质指标进行测定，根据实际生产中对各品质的要求进行分类，用于肉类产品生产加工过程中在线检测，实现冷鲜肉品质的智能化分级处理、肉制品加工过程中的原料肉分类、监测原料肉的品质变化，可以优化肉制品加工工艺，严格控制产品质量，提高肉及肉制品的经济价值。

附图说明

图1是本发明检测装置结构示意图。

图中：1.传送带、2.光谱采集室，3.图像采集室，4.摄像机挂接横梁，5.成像光源，6.摄像机，7.Y型光纤，8.光谱采集仪，9.光谱光源，10.数据处理PC，11.光电传感器，12.光电传感器，13.电机，14.传送带支架。

图2是本发明具体实施方式(鲜猪肉品质评定)技术路线示意图。

具体实施方式

如图1所示，本发明包括传送带1、光谱采集室2、图像采集室3、摄像机挂接横梁4、成像光源5、摄像机6、Y型光纤7、光谱仪8、光谱光源9、数据处理PC10、两个光电传感器11，12、电机13、传送带支架14；摄像机6固定在图像采集室3正中间的摄像机挂接横梁4上，摄像机6的四周安装成像光源5，第一光电传感器11固定在摄像机6下方的图像采集室3侧壁，放置肉品的传送带1位于摄像机6下方并穿过图像采集室3，电机13驱动传送带1转动，传送带1上方安装光谱采集室2，第二光电传感器12固定在光谱采集室2侧壁，肉品进入光谱采集室2，第二光电传感器12检测到样品，发送信号给光谱仪8，光谱仪8采集经Y型光纤7传输的光谱信息发送给数据处理PC10，肉品连续传送进入图像采集室3，第一光电传感器11检测到的信号给摄像机6，采集肉品的图像信息接至数据处理PC10。

本实施例中以对食用鲜肉的分级检测为例子，以猪肉胴体的背最长肌为对象，检测鲜肉中的PSE(苍白、松软、渗出性)肉与DFD(干燥、坚硬、色暗)肉，并将肌内脂肪含量作为一个食用品质指标进行评价。

如图2所示，本实施例的实施过程如下：根据PSE肉和DFD肉的特点，确定检测指标为肉色(采用CIEL*a*b*颜色体系)、弹性、嫩度、渗水性、pH值、脂肪含量(2％～4％为最佳)，建立鲜猪肉评价体系；采集PSE肉、DFD肉、正常鲜肉样品的图像信息和光谱信息时，样品水平放置在由电机13驱动的传送带1上，进入光谱采集室2，经过第二光电传感器12时被检测到，第二光电传感器12发送信号给光谱仪8，光谱仪8采集由Y型光纤2传输的样品光谱信号，传递给数据处理PC 10，样品连续传送进入图像采集室3，经过第一光电传感器11时被检测到，第一光电传感器器11发送信号给摄像机6，摄像机6采集样品的图像信息传递给数据处理PC 10；离线对样品CIEL*a*b*颜色、弹性、嫩度、渗水性、pH值、脂肪含量等各指标理化指标进行标准试验测定；对获得的图像信息进行预处理，包括对图像进行运动补偿与校正，提取背最长肌区域；计算所提取目标区域平均RGB值和大理石纹分布状况，并分析其与其他各指标的相关性，寻找能表征pH值、弹性、嫩度、渗水性、脂肪含量的图像特征；对获得的光谱进行校正、平滑、微分等多种预处理方法，采用逐步线性回归、主成分分析，偏最小二乘法，连续投影寻踪算法、遗传算法等确定能表征各指标的特征，包括主成分，偏最小二乘主因子，特征波长等，建立个指标的预测模型；利用图像特征、光谱特征、和光谱与图像特征层信息融合处理，建立各指标的预测模型；结合质量综合评价体系，对各指标预测结果在进行决策层信息融合处理，判断其品质，建立肉类产品质量在线检测***；在线检测时，待检测样品光谱同上述建模样品的光谱采集过程，光谱和图像采集后，传入数据处理PC(10)，数据处理PC根据建立的质量在线检测***对原始数据进行预处理，特征提取，特征层与数据层的融合，判定改样品是PSE(苍白、松软、渗出性)肉或DFD(干燥、坚硬、色暗)肉，还是正常肉，并给出其脂肪含量。

Claims (6)

1、一种基于图像与光谱信息融合的肉品在线无损检测方法，其特征在于：

1)建立在线检测模型：

根据肉品品质指标的要求，确定检测指标以及各指标的权重，建立质量评定体系；在线采集肉品的图像和光谱信息，利用图像处理技术和光谱分析技术对获得的信息进行数据处理，提取表征待检测指标的特征信息；离线对肉品进行各指标的理化测试；利用提取的光谱与图像特征信息与测试的各指标实际值，建立基于图像的、基于光谱的、或图像与光谱特征层融合的品质定量预测模型；结合建立的质量评定体系，进行决策层融合处理，建立基于图像与光谱信息融合的肉品品质在线检测模型；

2)进行在线检测：

在线检测时，待测肉品图像信息和光谱信息被实时采集后由建立的肉类产品品质检测模型对输入的图像和光谱信息进行处理，提取特征，由单一肉品品质定量预测模型进行预测，由决策层数据融合模型对肉品品质进行在线质量分级评定。

2、根据权利要求1所述的一种基于图像与光谱信息融合的肉品在线无损检测方法，其特征在于：所述的在线采集肉品的图像信息，为紫外、可见光、近红外或红外波长范围内图像，图像信息处理包括运动图像的补偿与校正、背景分割、目标区域提取，提取的图像特征包括颜色、纹理分布描述、脂肪分布及与肉品pH值、弹性和嫩度实际生产要求的指标的相关特征提取，建立基于图像信息的品质预测模型。

3、根据权利要求1所述的一种基于图像与光谱信息融合的肉品在线无损检测方法，其特征在于：所述的光谱信息采集后，结合光谱平滑、校正和微分预处理方法，提取表征肉品化学组分、pH值、颜色、弹性和嫩度指标的特征信息，包括特征波长、光谱经过分解所得得主因子，建立基于光谱信息的品质预测模型。

4、根据权利要求1所述的一种基于图像与光谱信息融合的肉品在线无损检测方法，其特征在于：所述的提取的图像与光谱的特征值利用人工神经网络、支持向量机方法进行特征层信息融合；采用D-S证据理论、贝叶斯网络方法进行决策层信息融合。

5、根据权利要求1所述的一种基于图像与光谱信息融合的肉品在线无损检测方法，其特征在于：所述的肉品品质预测模型包含生鲜肉、原料肉或肉制品肉类产品和生产的各阶段的品质分类***。

6、一种实施权利要求1所述的一种基于图像与光谱信息融合的肉品在线无损检测方法的装置，其特征在于：包括传送带(1)、光谱采集室(2)、图像采集室(3)、摄像机挂接横梁(4)、成像光源(5)、摄像机(6)、Y型光纤(7)、光谱仪(8)、光谱光源(9)、数据处理PC(10)、两个光电传感器(11，12)、电机(13)、传送带支架(14)；摄像机(6)固定在图像采集室(3)正中间的摄像机挂接横梁(4)上，摄像机(6)的四周安装成像光源(5)，第一光电传感器(11)固定在摄像机(6)下方的图像采集室(3)侧壁，放置肉品的传送带(1)位于摄像机(6)下方并穿过图像采集室(3)，电机(13)驱动传送带(1)转动，传送带(1)上方安装光谱采集室(2)，第二光电传感器(12)固定在光谱采集室(2)侧壁，肉品进入光谱采集室(2)，第二光电传感器(12)检测到样品，发送信号给光谱仪(8)，光谱仪(8)采集经Y型光纤(7)传输的光谱信息发送给数据处理PC(10)，肉品连续传送进入图像采集室(3)，第一光电传感器(11)检测到的信号给摄像机(6)，采集肉品的图像信息接至数据处理PC(10)。

Images