CN101710067B - 一种畜肉品质检测方法 - Google Patents

Abstract

本发明公开了一种畜肉品质参数检测***，包括：光源***，发出点光源来照射待测样品；影像光谱仪，其上接有聚光镜头，用于获取待测样品表面的散射光谱图像；CCD相机，与影像光谱仪连接，将其获取的光谱图像光信号转换为数字电信号；数据采集***，与CCD相机连接，采集其转换的数字电信号；控制计算机，与数据采集***相连，接收其传送的数字电信号并进行处理。本发明还涉及畜肉品质参数检测方法，包括图像获取，图像校正，图像拟合，最佳波长获取和样品品质参数检测。本发明以人为本、手法先进，检测过程快速、无污染，无损非接触评估牛肉品质，具有实时在线检测应用的潜力。

Description

一种畜肉品质检测方法

技术领域

本发明属于农畜产品品质检测领域，用于畜肉品质检测，涉及一种畜肉品质的光谱学非破坏快速检测***及其检测方法，更具体地，涉及到牛肉表面高光谱散射图像的采集、特征提取和品质参数检测的方法。

背景技术

牛肉鲜嫩味美、营养丰富，是深受人们喜爱的一种低胆固醇肉食品。改革开放以来，随着经济的发展、人民生活水平的提高和消费观念的改变，牛肉的需求量逐年增加，2005年，我国牛肉总产量达722.5万吨，占世界牛肉总产量的11.25％，成为世界第三大牛肉生产国。在国际市场上，我国生产的牛肉具有廉价优势，是传统的出口创汇产品。但是由于我国肉食品安全测试手段不健全，我国生产的牛肉仍然是未分级分类、质量优劣混杂的低质食品。影响我国牛肉市场竞争力的最关键因素是牛肉的质量，缺乏***的分级标准和技术是其根本原因之一。

目前，肉类行业用来评估牛肉品质的主要方法有：感官测定法(又称主观评定法)，由经过培训的专业人员或消费者观察或品尝样品，对样品的品质评级。该评定方法准备比较繁琐，操作时间长，结果易受评定人员主观影响；设备机械评定法，如使用剪切仪测量牛肉的嫩度值，该测量方法比较耗时，并且对样品具有破坏性，因此不适于在线检测和工厂实时处理的要求。NIR(Near-Infrared，近红外)技术已经被广泛应用于检测牛肉化学成分，并在牛肉品质参数(颜色，PH值和失水率)，尤其是嫩度的检测中得到了较多的应用。然而，从研究结果来看，使用近红外技术所测量的牛肉品质的精度存在较大差异，目前还不能真正的应用于牛肉品质在线检测。

开发快速、无损在线检测技术是生产优质安全牛肉的需要。与NIR检测技术不同，高光谱图像不仅包含样品表面光谱信息，而且包含空间信息；高光谱成像是一种新兴的光谱检测技术，它不仅可以检测样品的光谱信息，同时还可以检测其空间信息；光谱信息包含样品物质组成、化学成分的特性，而空间信息可以反应农畜产品的组织结构特性，将这两方面的特性结合可以获得农产品较为全面的信息，因此将高光谱技术应用到农畜产品、食品的品质与安全性检测中，可以得到产品的综合品质信息，具有较大的检测优势。目前，高光谱成像技术已经应用于检测鸡表面粪便污染，皮肤肿瘤检测，水果内部品质、表面污染和瘀伤检测，蔬菜的成熟度和内部品质检测。

光在进入牛肉内部后与组织的相互作用是一个复杂的现象，不仅有吸收，还存在内部的散射。光在内部的吸收与材料的化学成分有关，则光谱技术可用于测量物质的组成成份；而散射主要由材料的结构特性决定，则光的散射特征可用于测量材料的质地(如水果的硬度，肉的嫩度等)，目前已经较好的用于水果的硬度测量，因此，将高光谱技术应用于牛肉的嫩度等品质测量上具有理论可行性和重大的现实意义。

发明内容

本发明的目的是提供一种用于畜肉品质检测的高光谱成像***以及使用其检测畜肉品质参数的方法，实现将高光谱图像技术应用于畜肉嫩度，颜色，pH值等品质参数的快速，非破坏性检测研究。

为达到上述目的，本发明的技术方案提供一种畜肉品质参数检测***，其特征在于，包括：

光源***，发出点光源来照射待测样品表面；

影像光谱仪，其上接有聚光镜头，用于获取待测样品表面反射光谱图像并对其进行散射；

CCD相机，与影像光谱仪连接，将其获取的散射后的光谱图像光信号转换为数字电信号；

数据采集***，与CCD相机连接，采集其转换的数字电信号；

控制计算机，与数据采集***相连，接收其传送的数字电信号并进行处理。

优选地，所述光源***包括石英卤钨灯和稳压电源。

优选地，所述光源***与光纤一端连接，光纤另一端连接有准直镜。

本发明还提供了一种畜肉品质参数检测方法，其特征在于，包括以下步骤：

S1、图像获取：获得待测畜肉样品的表面原始散射图像R_s；

S2、图像拟合：使用三参数洛伦兹分布函数拟合待测样品表面散射图像在各个波长处的散射曲线，使得待测样品表面在各个波长处的散射特征使用洛伦兹分布函数的三参数描述；

S3、最佳波长获取：采用逐步回归方法从洛伦兹分布函数拟合散射曲线中获取能够表征待测样品品质参数的最佳波长及其对应的洛伦兹参数；

S4、样品品质参数检测：使用最佳波长处对应的洛伦兹函数参数建立多元线性回归数学模型，检测待测样品的品质参数。

优选地，所述步骤S1中所获取的待测样品原始散射图像R_s可按照公式R＝R_s-R_b进行校正，其中，R为校正后的散射图像，R_b为检测***工作在暗电流时的黑色图像。

优选地，所述步骤S2中建立的三参数洛伦兹分布函数为：

$I_{w_i}=a_{\mathrm{wi}}+\frac{b_{w_i}}{1+{(x/c_{w_i})}^2}$

其中，I：散射曲线上任一点o的光散射强度；x：点o距离光入射点的散射距离；a：所拟合散射曲线的渐进值；b：散射曲线在x＝0处的峰值；c：散射曲线的半波带宽；w_i：波长范围400～1100nm内的某一波长，i＝1，2，...，N，N为总的波长数。

优选地，所述步骤S4中建立的多元线性回归数学模型为：

$F=f_0+\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{f}_j{X}_{w_j}$

其中，F是检测参数值；f₀和f_i是回归方程系数；j＝1，2...，m，m是所建模型中优选波长数目；X代表三参数洛伦兹分布函数拟合曲线的a、b或c值；w_j为选择的优化波长。

上述技术方案具有如下优点：(1)研究目的以人为本，提高我国肉类产品品质质量；(2)研究手法先进，借助于畜肉高光谱图像的光学散射特征，反映畜肉的品质质量，可以达到快速、无污染检测目的(3)研究结果的实用性，快速无损非接触评估畜肉品质，具有实时在线检测应用的潜力；(4)研究内容的重要性，在食品质量和安全领域，高光谱红外线成像技术在发达国家倍受瞩目，本发明可使我国在该领域与其他发达国家同步接轨。

附图说明

图1是本发明畜肉品质参数检测***的***组成结构图；

图2是本发明实施例中采集的牛肉样品表面一条扫描线的光谱信息；

图3是本发明实施例中牛肉样品高光谱散射图像；

图4是本发明实施例中牛肉样品在三个不同波长处的散射曲线；

图5是本发明实施例中不同嫩度的牛肉样品在波长760nm处的散射曲线；

图6是本发明实施例中牛肉样品高光谱图像散射曲线在760nm波长处的洛伦兹拟合结果；

图7是本发明实施例中牛肉样品高光谱图像散射曲线在400～1100nm范围内所有波长处洛伦兹曲线的拟合相关系数。

其中，1：光源***；2：影像光谱仪；3：CCD相机；4：数据采集***；5：控制计算机；6：光纤；7：准直镜；8：聚光镜头；9：承载升降台；10：样品。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

本发明的目的是提供一种用于畜肉品质参数检测的高光谱成像***，以及使用其检测畜肉品质参数的方法。在本实施例中，使用高光谱成像***，采集新鲜牛肉表面的VIS/NIR(Visible/Near Infrared，可见/近红外)波段高光谱散射图像，从高光谱散射图像中提取牛肉的反射光谱和散射特征，利用散射特征参数，建立检测模型，检测牛肉的品质参数，并按照检测品质参数对牛肉品质分级，实现对牛肉品质的快速无损检测。

本发明设计的畜肉品质参数检测高光谱成像***如图1所示，成像***包括光源***1，影像光谱仪2，CCD相机3，数据采集***4和控制计算机5，影像光谱仪2上接有聚光镜头8，用于获取待测样品10表面反射光谱图像并对其进行散射；CCD相机3与影像光谱仪2连接，将其获取的光谱图像光信号转换为数字电信号；数据采集***4与CCD相机3连接，采集其转换的数字电信号；控制计算机5与数据采集***4相连，接收其传送的数字电信号并进行处理。光源***1包括石英卤钨灯和稳压电源。光源***1与光纤6一端连接，光纤6另一端连接有准直镜7。为了防止外界光的干扰，高光谱***使用密闭箱体与外界隔绝。光谱仪的波段范围是400-1100nm，有30μm长狭缝，光谱分辨率为2.8nm；CCD相机的分辨率为1376×1040；光源输出为直径5mm的点光源。

在牛肉品质参数检测过程中，作为待测样品的牛肉样品取自北京御香苑集团。样品取自育龄在25～36个月，胴体重在280～450kg之间的33头鲁西黄牛。所有黄牛宰杀后，经过48小时解僵，在分割时，在每个胴体左侧11～14椎骨间垂直于肌肉纤维方向切取3～4cm厚的肉块，用保鲜袋包装，置于4～8℃的低温保鲜箱，转运到实验室后，马上测量样品的高光谱反射图像和PH值，然后将样品真空包装，保存在4℃冰箱中成熟至宰后7天，测量颜色和嫩度参数。

当所有样品从冰箱中取出后，在室温中氧化表面30分钟，用高光谱成像***获取所有样品的相对反射光谱图像、高光谱散射图像。

采集样品高光谱图像前，开启影像光谱仪、CCD相机和控制计算机，获取检测***工作在暗电流时的黑色图像R_b；打开检测***的光源***，点光源经光纤和准直镜后照射待测样品，使用影像光谱仪采集待测样品的光谱信息。影像光谱仪一次可采集牛肉样品表面一条扫描线的光谱信息，经计算，该扫描线的尺寸为60mm×180um(长×宽)，如图2所示，该扫描线上的光线经过影像光谱仪后，在被散射成不同波长的光谱的同时又保留了它的原始空间信息，散射后的光信号由与影像光谱仪连接的CCD相机探测器靶面获取，形成二维光谱图像，该图像一维代表空间信息，而另一维代表波长信息，像素灰度值代表反射强度。在每个样品表面平行选取4个不同位置的扫描线，每个扫描线扫描四次，每次获取一张图像，每个样品共扫描16次，获取16个扫描图像，然后取16个图像的平均图像作为该样品的原始散射图像R_s。按照公式R＝R_s-R_b对待测样品散射图像进行校正，其中，R为校正后的待测样品最终散射图像。

图3所示为典型的牛肉样品高光谱散射图像，每个高光谱散射图像由数以百计的散射曲线组成，每条散射曲线分别代表不同波长在样品上的散射状态。

图4所示为一样品在三个不同波长处的散射曲线，这些散射曲线与扫描线的中心点对称，不同波长的散射曲线的状态不同。图5所示为不同嫩度的样品在波长760nm处的散射曲线，可以看出，嫩度不同，散射曲线的峰值和半波带宽也随之变化，嫩度值最大的样品的峰值最大，中等嫩度值的峰值次之，嫩度值最小的样品的峰值最小，散射曲线的变化随着嫩度值的变化有规律的发生变化。为获取散射特征，利用洛伦兹分布函数拟合散射曲线，求取洛伦兹分布函数参数。

使用非线性拟合方法，用三参数的洛伦兹分布函数(LD)拟合各个波长处的散射曲线：

$I_{w_i}=a_{\mathrm{wi}}+\frac{b_{w_i}}{1+{(x/c_{w_i})}^2}$

其中，I：散射曲线上任意一点的光反射强度(CCD灰度值)；x：该点距离光入射点的散射距离(单位mm)；a：拟合散射曲线的渐进值；b：散射曲线在x＝0处的峰值(CCD像素灰度值)；c：散射曲线的半波带宽，mm；w_i：在波长400～1100nm范围内的某一波长，i＝1，2，...，N，N是总的波长数。对每个波长处的散射曲线做LD函数拟合，这样每个波长处的散射曲线可以用LD函数的三个参数描述。各个波长处的三个参数最后可组成“参数光谱”，即参数特征全部体现在光谱图像中。

图6是样品高光谱图像散射曲线在760nm波长处洛伦兹拟合结果。

进行图像洛伦兹分布函数拟合后，进一步能够表征待测样品品质参数的最佳波长及其对应的洛伦兹参数。采用逐步回归方法从洛伦兹分布函数拟合散射曲线中获取能够表征待测样品品质参数的最佳波长及其对应的洛伦兹参数，选择的特征波长及其对应的洛伦兹函数参数如表1所示。

表1

接下来，测量待测样品品质参数的参照值，建立参数检测模型。使用便携式PH值速测仪器(Testo 205PH德国)测量测量样品的PH值，每个样品在不同部位测量6次，取测量平均值该样品的PH值。嫩度测量过程按农业部行业标准-NY/T1180-2006《肉嫩度的测定剪切力测定法》标准进行，使用东北农业大学研制的C-LM3B型数显式肉类嫩度测量仪，每个样品6次重复，均值作为该样品的嫩度参照值，嫩度单位是N。颜色参数的测量使用便携式精密标准色差仪(HP-200，上海汉谱光电科技有限公司)。测量颜色前使用标准白板和黑腔对仪器进行校正，测量时使用D65光源，漫反射模式。每个样品在不同肌肉部位重复测量6次，平均值作为该样品的最终参照值。

结合上述获得的参数与样品的参照值建立多元线性回归方程，检测待测牛肉样品的品质参数。

$F=f_0+\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{f}_j{X}_{w_j}$

其中，F是检测参数值；f₀和f_j是回归方程系数；j＝1，2...，m，m是所建模型中优选波长数目；X代表三参数洛伦兹分布函数拟合曲线的a、b或c值；w_j为选择的优化波长。

图7所示为待测样品高光谱图像散射曲线在400～1100nm范围内所有波长处洛伦兹曲线的拟合相关系数。可以看出，在525nm～1000nm范围内的拟合相关系数大于0.955，525～1000nm范围之外，由于光信号弱，噪声强，散射曲线拟合相关系数均低于0.955。因此，选择525-1000nm作为有效波段范围。

对待测牛肉样品的品质参数检测结果如表2所示：

表2

在LD的三个参数中，参数b对颜色参数L^*和b^*的检测相关系数分别达到了0.92和0.88，对嫩度的检测相关系数为Rcv＝0.87。

参数a对颜色参数a^*的检测相关系数为Rcv＝0.90。对于牛肉PH值的检测结果也即LD检测相关系数，为0.86。

可见，本发明方法可以较好的检测牛肉的品质参数，可以作为牛肉品质分级、检测的有效手段。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和替换，这些改进和替换也应视为本发明的保护范围。

Claims (1)

1.一种畜肉品质参数检测方法，其特征在于，包括以下步骤：

S1、图像获取：获得待测畜肉样品的表面原始散射图像R_s；

S2、图像拟合：使用三参数洛伦兹分布函数拟合待测样品表面散射图像在各个波长处的散射曲线，使得待测样品表面在各个波长处的散射特征使用洛伦兹分布函数的三参数描述；

S3、最佳波长获取：采用逐步回归方法从洛伦兹分布函数拟合散射曲线中获取能够表征待测样品品质参数的最佳波长及其对应的洛伦兹参数；

S4、样品品质参数检测：使用最佳波长处对应的洛伦兹函数参数建立多元线性回归数学模型，检测待测样品的品质参数；

所述步骤S1中所获取的待测样品原始散射图像R_s可按照公式R＝R_s-R_b进行校正，其中，R为校正后的散射图像，R_b为检测***工作在暗电流时的黑色图像；

所述步骤S2中建立的三参数洛伦兹分布函数为：

$I_{w_i}=a_{\mathrm{wi}}+\frac{b_{w_i}}{1+{(x/c_{w_i})}^2}$

其中，I：散射曲线上任一点o的光散射强度；x：点o距离光入射点的散射距离；a：所拟合散射曲线的渐进值；b：散射曲线在x＝0处的峰值；c：散射曲线的半波带宽；w_i：波长范围400～1100nm内的某一波长，i＝1，2，...，N，N为总的波长数；

所述步骤S4中建立的多元线性回归数学模型为：

$F=f_0+\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{f}_j{X}_{w_j}$

其中，F是检测参数值；f₀和f_j是回归方程系数；j＝1，2...，m，m是所建模型中优选波长数目；X代表三参数洛伦兹分布函数拟合曲线的a、b或c值；w_j为选择的优化波长。

Images