食品綜合品質無損檢測方法與裝置的製作方法

2023-09-16 20:00:25

專利名稱：食品綜合品質無損檢測方法與裝置的製作方法
技術領域：
本發明涉及一種食品綜合品質無損檢測方法與裝置。
技術背景隨著人們生活水平的提高，對食品的需求已逐漸從數量向質量轉變。傳統 的食品品質檢測主要採用人工感觀評定和常規化學分析方法。人工感觀評定需 要經過訓練的人員進行評價，評價結果具有一定主觀性；常規化學分析方法檢 測周期長，步驟繁瑣，檢測結果依賴於檢測人員的技術水平。機器視覺技術用各種成像系統代替人眼作為輸入敏感手段，由計算機來代 替大腦完成處理和解釋。自70年代初期在遙感圖像分析和生物醫學圖像分析等 方面的研究取得成效後，機器視覺技術開始在各領域得到應用。隨著圖像處理 技術的專業化、計算機硬體成本的下降和運行速度的提高，機器視覺在食品品 質檢測中的研究逐步深入，成像系統由傳統的可見光圖像拓展到紫外圖像、紅 外熱圖像、軟X射線圖像、超聲波圖像等，利用機器視覺可以對食品的外觀和 某些內部特徵進行檢測。光譜分析也是一種對食品品質進行快速無損檢測的有 效方法，它利用食品對光的吸收、散射、反射和透射等特性分析其品質，包括 紫外、可見、近紅外、中紅外等光譜範圍，利用光譜檢測技術可以對食品的內 在品質和營養等指標進行快速檢測。基於機器視覺和光譜分析的檢測技術具有快速無損、主觀人為影響小等優 點，近年來國內外研究者開展了大量的相關工作，但多是單獨利用圖像信息或 用光譜信息對食品的外部、內在品質或僅某個品質指標進行檢測分級，未見分 別利用機器視覺和光譜分析技術採集相關信息再進行融合處理的食品綜合品質 無損檢測研究。 發明內容本發明的目的是提供一種食品綜合品質無損檢測方法與裝置，對食品外部 和內在品質分別利用機器視覺和光譜分析技術採集相關信息再進行融合處理， 能對食品綜合品質進行快速無損檢測。本發明採用的技術方案如下一、 一種食品綜合品質無損檢測方法分別利用機器視覺和光譜儀同時採集樣品外部和內部品質信息進行數據融合處理，對樣品綜合品質進行檢測，其具體步驟如下1) 建立食品品質分析模型和分類評級專家系統根據檢測對象的品質要求建立分級知識庫；採集樣品圖像信息的和光譜信 息，對獲得的信息進行數據預處理，由預處理的圖像信息提取反映樣品外部品 質的特徵信息，包括顏色、紋理、大小和形狀，由預處理的光譜信息提取反映 樣品內部品質的特徵信息，包括水分、糖類、蛋白質、脂類、pH值；根據檢測標準對樣品進行常規測定評級；將提取的樣品內、外部品質的特徵信息與常規測定評級結果進行關聯分析，建立食品品質分析模型，再結合分級知識庫，建立食品分類評級專家系統；2) 進行食品綜合品質檢測檢測時，圖像採集裝置將樣品的圖像信息採集傳入計算機中，光譜採集裝置將樣品的光譜信息採集傳入計算機中；基於食品品質分析模型對輸入的圖像 信息和光譜信息進行預處理，分別在數據層、特徵層和決策層進行數據融合， 提取特徵值並利用分類評級專家系統對樣品進行評定。所述的採集樣品的圖像信息為紫外螢光圖像、可見光圖像或軟X射線圖像;圖像信息預處理方法包括圖像增強、校正、去噪、銳化和分割；圖像信息特徵 提取包括邊緣檢測、顏色因子和紋理信息。所述的光譜信息為紫外光譜、可見光光譜、近紅外光譜、中紅外光譜或拉 曼光譜，由多通道採集後，在數據層進行融合處理，得到樣本的有效光譜數據。所述的食品品質分析模型和分類評級專家系統，包含食品從原料、半成品 和成品的各個階段質量的評價。所述的光譜信息在數據層的融合方法包括巻積分析、正交分析和獨立分量 分析；樣品品質指標的特徵層融合方法，包括判別式分析、神經網絡和回歸分 析；樣品分類評級的決策層融合方法，包括貝葉斯算法和模糊神經網絡算法。二、 一種食品綜合品質無損檢測方法的裝置包含支架、光譜採集儀、光纖探頭，檢測臺、光源、遮光板、光照箱、攝 像頭和PC機，所述的檢測臺安裝在支架上，光纖探頭固定在檢測臺下部，光纖 探頭與光譜採集儀連接；所述的光照箱固定在檢測臺上，檢測臺兩內側部均布 光源和遮光板，所述的攝像頭固定在光照箱上方；攝像頭和光譜採集儀分別與 PC機連接。本發明的有益效果是l.本食品綜合品質無損檢測方法與裝置分別利用機器視覺技術和光譜分析技術，對獲得的圖像信息和光譜信息，利用數據融合技術，將反映食品外部和 內部品質的信息進行融合處理，對反映食品品質的顏色、紋理、大小、形狀、 水分、糖類、蛋白質、脂類和pH值等指標進行綜合檢測，與建立的分類評級專 家系統結合，進行食品綜合品質的快速無損檢測。2.本食品綜合品質無損檢測方法與裝置，用於食品原料分級、加工過程質量 控制、成品質量檢測等，檢測速度快，分級準確率高。為各類食品的非接觸式 快速檢測和分類評級提供了高效率、高精度和高可靠性的解決方案。


圖1是本發明的總體結構示意圖。圖2是本發明實施例的技術路線示意圖。圖中1、支架，2、光譜採集儀，3、光纖探頭，4、檢測臺，5、光源，6、 遮光板，7、光照箱，8、攝像頭，9、 PC機。
具體實施方式
如圖1所示，本發明包含支架l、光譜採集儀2、光纖探頭3，檢測臺4、 光源5、遮光板6、光照箱7、攝像頭8和PC機9，所述的檢測臺4安裝在支架 l上，光纖探頭3固定在檢測臺4下部，光纖探頭3與光譜採集儀2連接；所述 的光照箱7固定在檢測臺4上，檢測臺4兩內側部均布光源5和遮光板6，所述 的攝像頭8固定在光照箱7上方;攝像頭8和光譜採集儀2分別與PC機9連接。 本實施例中的食品為鮮豬肉。如圖2所示，本發明分別利用機器視覺和光 譜分析技術採集相關信息再進行融合處理，對豬肉綜合品質進行快速無損檢測。 具體實施過程如下根據新鮮豬肉的分級標準，建立鮮豬肉分級的知識庫；採 集鮮豬肉樣品圖像信息的和光譜信息，對獲得的信息進行數據預處理，由預處 理的圖像信息提取反映樣品外部品質的特徵信息，包括顏色、紋理、大小和形 狀，由預處理的光譜信息提取反映樣品內部品質的特徵信息，包括水分、糖類、 蛋白質、脂類、pH值；根據檢測標準對豬肉樣品進行常規測定，包括顏色、紋 理的感官評定和水分、蛋白質、肌內脂肪含量、pH值、嫩度等指標；將提取的 樣品內、外部品質的特徵信息與常規測定評級結果進行關聯分析，建立鮮豬肉 品質分析模型，再結合分級知識庫，建立食品分類評級專家系統。對鮮豬肉樣 品檢測的光譜採集儀為Ocean Optics公司USB4000光譜儀，攝像頭為Pulnix TMC7DSP CCD camera,檢測時，調整光源5和遮光板6，以保證獲得穩定的圖 像信息，將待測樣品放置在檢測臺4上，檢測臺4下部的光纖探頭3採集樣品 的光譜信息，由光譜採集儀2將採集的數據傳入檢測分級PC機9中，檢測臺4上部的光照箱7內的攝像頭8採集樣品的圖像信息，傳入檢測分級PC機9， PC 機9對圖像信息和光譜信息進行預處理和特徵提取，包括對圖像進行濾波去噪、 背景分割、動態補償校正、顏色特徵提取、大小形狀特徵提取、紋理特徵提取 等，對多通道採集的光譜信息進行融合處理，得到樣品的光譜信息，對光譜信 息採用中心化、標準化、 一階或二階導數法等方法對光譜信息進行預處理，將 由圖像信息獲得的反映肌內脂肪含量的紋理特徵、顏色特徵與由光譜信息提取 的肌內脂肪特徵值、顏色特徵值採用獨立分量分析進行融合處理，鮮豬肉產品 品質分類評級專家系統利用樣品的特徵信息，根據肉品品質分析模型，利用回 歸分析方法進行特徵級，利用模糊神經網絡算法在決策級進行融合，判定該樣 品的分類和級別，如色澤、嫩度、肌內脂肪含量、pH值、揮發性鹽基氮含量等 各項指標測評表明該樣品最適於做生鮮肉食用，則評定其為一級生鮮食用肉。最後應說明的是對於不同的檢測對象，需要根據不同食品對光照的要求 調整光源類型和光照方式，以滿足檢測精度的要求。
權利要求
1.一種食品綜合品質無損檢測方法，其特徵在於分別利用機器視覺和光譜儀同時採集樣品外部和內部品質信息進行數據融合處理，對樣品綜合品質進行檢測，其具體步驟如下1)建立食品品質分析模型和分類評級專家系統根據檢測對象的品質要求建立分級知識庫；採集樣品圖像信息的和光譜信息，對獲得的信息進行數據預處理，由預處理的圖像信息提取反映樣品外部品質的特徵信息，包括顏色、紋理、大小和形狀，由預處理的光譜信息提取反映樣品內部品質的特徵信息，包括水分、糖類、蛋白質、脂類、pH值；根據檢測標準對樣品進行常規測定評級；將提取的樣品內、外部品質的特徵信息與常規測定評級結果進行關聯分析，建立食品品質分析模型，再結合分級知識庫，建立食品分類評級專家系統；2)進行食品綜合品質檢測檢測時，圖像採集裝置將樣品的圖像信息採集傳入計算機中，光譜採集裝置將樣品的光譜信息採集傳入計算機中；基於食品品質分析模型對輸入的圖像信息和光譜信息進行預處理，分別在數據層、特徵層和決策層進行數據融合，提取特徵值並利用分類評級專家系統對樣品進行評定。
2. 根據權利要求1所述的一種食品綜合品質無損檢測方法，其特徵在於 所述的採集樣品的圖像信息為紫外螢光圖像、可見光圖像或軟X射線圖像；圖 像信息預處理方法包括圖像增強、校正、去噪、銳化和分割；圖像信息特徵提取包括邊緣檢測、顏色因子和紋理信息。
3. 根據權利要求1所述的一種食品綜合品質無損檢測方法，其特徵在於 所述的光譜信息為紫外光譜、可見光光譜、近紅外光譜、中紅外光譜或拉曼光 譜，由多通道釆集後，在數據層進行融合處理，得到樣本的有效光譜數據。
4. 根據權利要求1所述的一種食品綜合品質無損檢測方法，其特徵在於 所述的食品品質分析模型和分類評級專家系統，包含食品從原料、半成品和成 品的各個階段質量的評價。
5. 根據權利要求1所述的一種食品綜合品質無損檢測方法，其特徵在於 所述的光譜信息在數據層的融合方法包括巻積分析、正交分析和獨立分量分析; 樣品品質指標的特徵層融合方法，包括判別式分析、神經網絡和回歸分析；樣 品分類評級的決策層融合方法，包括貝葉斯算法和模糊神經網絡算法。6.用於權利要求1所述的一種食品綜合品質無損檢測方法的裝置，其特徵在於包含支架(l)、光譜採集儀(2)、光纖探頭(3),檢測臺(4)、光源(5)、遮光板(6)、 光照箱(7)、攝像頭(8)和PC機(9)，所述的檢測臺(4)安裝在支架(1)上，光纖探頭 (3)固定在檢測臺(4)下部，光纖探頭(3)與光譜採集儀(2)連接；所述的光照箱(7) 固定在檢測臺(4)上，檢測臺(4)兩內側部均布光源(5)和遮光板(6)，所述的攝像頭 (8)固定在光照箱(7)上方；攝像頭(8)和光譜採集儀(2)分別與PC機(9)連接。
全文摘要
本發明公開了一種食品綜合品質無損檢測方法與裝置。其通過機器視覺系統採集得到能反映檢測對象顏色、紋理、大小、形狀等特徵的圖像信息，通過光譜檢測系統獲得反映樣品水分、糖類、蛋白質、脂類、pH值等理化指標的光譜信息，對獲得的圖像信息和光譜信息分別在數據層進行預處理，在特徵層或決策層進行信息融合，結合所建立的食品分類評級專家系統，對檢測對象品質進行綜合評價。本發明綜合利用光圖像信息和光譜信息，對食品的外觀和內在品質進行測定，能夠對其綜合品質進行快速、簡便、無損、客觀的檢測，用於食品原料分選、食品加工過程監測、食品等級評定等，以保障食品品質，便於優質優價。
文檔編號G01N33/02GK101251526SQ200810059878
公開日2008年8月27日 申請日期2008年2月26日 優先權日2008年2月26日
發明者應義斌, 廖宜濤, 芳 成 申請人:浙江大學