多光譜肉類新鮮度人工智慧測量方法及系統的製作方法
2023-12-02 06:25:06
專利名稱:多光譜肉類新鮮度人工智慧測量方法及系統的製作方法
技術領域:
本發明涉及利用光學手段來分析材料,尤其是涉及一種多光譜肉類新鮮度人工智慧測量方法及系統。
背景技術:
肉類新鮮度的評測指標很多,傳統的評測方法應該從肉類本身的外觀、氣味、化學成分等各方面進行綜合評定,對評測人員要求很高。現有的檢測技術主要有以下幾種1)揮發性總鹽基氮-TVB-N的測試。無論是採用凱氏定氮法,還是其他定氮方法,都免不了操作煩瑣,測試時間長,且不是無損檢測,很難滿足當前對於大批量樣品快速無損檢測的要求。2)檢測表面肉色來反映新鮮度。這種方法採用一定波長的光照到參考物表面,通過接收器檢測反射回來的光,然後光源發射同樣波長的光照到肉表面,接收器檢測反射回來的光,計算發射吸光度,並將此值採用人工神經網絡建立與肉色標準相應的數學模型,用於檢測肉色,進而推測新鮮程度。但是這種方法檢測的光的波段過於單一,接受得到的光波信息量較少,並且這一方法中的得到的數據不夠直觀且缺乏前期後期處理,易受外界幹擾。
發明內容
本發明的目的在於提供一種多光譜肉類新鮮度人工智慧測量方法及系統,採用機器視覺、圖像處理與人工智慧等技術的結合,快速、無損、準確地評定肉類的新鮮度。
本發明解決其技術問題所採用的技術方案是一、一種多光譜肉類新鮮度人工智慧測量方法,該方法的步驟如下1)通過固定光源的照射,3CCD多光譜攝像機接受肉類反射信息;2)反射信息通過圖像採集卡傳輸到計算機,得到原始的3幅圖像,分別為550nm、650nm、800nm三個波段通道的單色圖像;3)通過小波降噪,降低圖像噪聲,由於近紅外單色圖像的背景與肉類差異較大,可使肉類與背景分離,並且完成邊緣檢測,得到單獨的肉類的圖像信息;4)壓縮圖像,把原有的10*10象素的圖像融合成新的象素集,選取出這一象素集的平均亮度、亮度方差、亮度級差,作為這一象素集的特徵向量;5)選取事先通過檢測揮發性總鹽基氮-TVB-N確定肉類新鮮度的幾個樣本,以這些不同的新鮮度作為輸出,通過以上1)至4)步驟提取的特徵向量作為輸入,通過支持向量機或人工神經網絡的人工智慧方法建立不同類別肉類的資料庫模型;6)拍攝待測肉類的多光譜圖像,通過以上1)至4)步驟提取的特徵向量並作為輸入,以5)步驟建立的模型為判別過程,判斷每一象素集合的肉類新鮮類別;7)以各象素集的新鮮度判斷結果所佔比重綜合判斷,這裡採取無權重的,以最多數目象素集類型確定整塊肉質的新鮮度,並把結果輸出。
二、一種多光譜肉類新鮮度人工智慧測量系統包括可調節參數光源,肉類放置平臺,3CCD多光譜攝像機;圖像採集卡和計算機處理系統及資料庫;可調節參數光源發射特定光束照射於肉類放置平臺上,3CCD多光譜攝像機接收肉品反射光,信號傳輸給圖像採集卡,通過採集卡傳輸到計算機處理系統進行處理。
本發明具有的有益效果是1.功能強大,可實現對肉類新鮮度的快速、準確、非破壞性的診斷。
2.結構簡單,整個測量裝置只由一個3CCD多光譜成像系統、一臺計算機組成。
3.使用方便,只要將測量裝置中的各組成部件按照要求連接起來,就可以進行測量。
4.具有良好的經濟效益。傳統的測量手段在取樣、測定、數據分析等方面需要耗費大量的人力、物力,且效果差。本測量裝置因結構簡單、製作方便,可以快速、準確地測量肉類的多光譜圖像信息,分析得到肉類的新鮮度,從而實現實時、無損檢測肉類新鮮度。
圖1是本發明系統框圖。
圖2是本發明的工作流程圖。
具體實施例方式
如圖1所示,本發明包括可調節參數光源,肉類放置平臺,3CCD多光譜攝像機,圖像採集卡和計算機處理系統及資料庫。可調節參數光源發射特定光束照射於肉類放置平臺上,3CCD多光譜攝像機接收肉品反射光,信號傳輸給圖像採集卡,通過採集卡傳輸到計算機處理系統進行處理。
所述的多光譜攝像機為Duncan公司MS系列3CCD多光譜攝像系統。
所述的圖像採集卡是National Instrument公司PCI 1424或PCI1428。
Duncan公司的MS系列多光譜攝像系統將攝入圖像經過濾,實時分離成綠(550nm),紅(650nm),近紅外(800nm)三個波段通道的單色圖像,通過PCI 1424或1428(National Instrument公司)的圖像採集卡連接到計算機。
如圖1所示,本發明的具體工作流程如下1.統一光源照射在平臺上的肉類,多光譜攝像機拍得反射光,由圖像採集卡採集得到,傳入計算機,得到三副獨立的單色圖,所得圖像經過一系列預處理,通過小波降噪,降低圖像噪聲。由於近紅外單色圖像的背景與肉類差異較大,可使肉類與背景分離,常用於研究對象與背景的隔離,並且完成邊緣檢測,得到單獨的肉類的圖像信息,其中的近紅外波段對邊緣檢測具有較大的區分度。
2.在計算機得到的肉類上的每個象素與一個三維的向量(g,r,NIR)相關聯,其中g、r、NIR分別為綠(550nm)、紅(650nm)、近紅外(800nm)三個通道的單色亮度。通過對圖像信息的進一步提取,進行圖像壓縮,每10*10象素組成一個象素集,選取出這一象素集的平均亮度,亮度方差、亮級級差參數,由於有三幅獨立的圖像,這樣,所得的特徵向量為3*3=9個,作為這一象素集的特徵向量。
3.肉類新鮮度的標定。在評價各種檢驗方法時,多數學者認為揮發性總鹽基氮-TVB-N在肉類的變質過程中,能有規律地反映肉類新鮮度的變化,該項指標已經被納入國家標準,是目前肉類食品新鮮度檢測中最重要的理化指標。按國家標準GB2722,總揮發性鹽基氮含量對應的肉類新鮮度等級如表1。
資料庫中的數據用來建立原始模型,資料庫中的數據是在某特定光強下,拍攝得到的某一具體肉類的圖像,並測量過總鹽基氮值,並且根據不同的肉類新鮮度標準把數據分為新鮮肉、次鮮肉、腐敗肉。把以上得到的9個特徵向量作為輸入,新鮮肉、次鮮肉、腐敗肉的等級作為輸出,運用Support Vector Machine(支持向量機)作為人工智慧的理論,建立已知樣本的人工智慧模型。以上為建立原始模型的資料庫過程。待判斷的樣本則不必通過測量總鹽基氮值來判斷新鮮度,通過上述多光譜攝像機拍攝,通過圖像採集卡輸入計算機,並且獲取象素集的特徵向量之後,把此象素集的特徵向量作為輸入,輸出端為人工智慧判斷的結果,模型為資料庫中某一具體肉類已有的模型,進行歸類判斷,判斷每一個肉類象素集的新鮮度屬性,以各象素集的新鮮度判斷結果所佔數量綜合判斷,這裡採取無權重的,以最多數目象素集類型確定整塊肉質的新鮮度.並把結果輸出.。
表1 肉類新鮮度等級與TVB-N含量的對應關係
權利要求
1.一種多光譜肉類新鮮度人工智慧測量方法,其特徵在於該方法的步驟如下1)通過固定光源的照射,3CCD多光譜攝像機接受肉類反射信息;2)反射信息通過圖像採集卡傳輸到計算機,得到原始的3幅圖像,分別為550nm、650nm、800nm三個波段通道的單色圖像;3)通過小波降噪,降低圖像噪聲,由於近紅外單色圖像的背景與肉類差異較大,可使肉類與背景分離,並且完成邊緣檢測,得到單獨的肉類的圖像信息;4)壓縮圖像,把原有的10*10象素的圖像融合成新的象素集,選取出這一象素集的平均亮度、亮度方差、亮度級差,作為這一象素集的特徵向量;5)選取事先通過檢測揮發性總鹽基氮-TVB-N確定肉類新鮮度的幾個樣本,以這些不同的新鮮度作為輸出,通過以上1)至4)步驟提取的特徵向量作為輸入,通過支持向量機或人工神經網絡的人工智慧方法建立不同類別肉類的資料庫模型;6)拍攝待測肉類的多光譜圖像,通過以上1)至4)步驟提取的特徵向量並作為輸入,以5)步驟建立的模型為判別過程,判斷每一象素集合的肉類新鮮類別;7)以各象素集的新鮮度判斷結果所佔比重綜合判斷,這裡採取無權重的,以最多數目象素集類型確定整塊肉質的新鮮度,並把結果輸出。
2.一種多光譜肉類新鮮度人工智慧測量系統,其特徵在於包括可調節參數光源,肉類放置平臺,3CCD多光譜攝像機;圖像採集卡和計算機處理系統及資料庫;可調節參數光源發射特定光束照射於肉類放置平臺上,3CCD多光譜攝像機接收肉品反射光,信號傳輸給圖像採集卡,通過採集卡傳輸到計算機處理系統進行處理。
3.根據權利要求2所述的一種多光譜肉類新鮮度人工智慧測量系統,其特徵在於所述的多光譜攝像機為Duncan公司MS系列3CCD多光譜攝像系統。
4.根據權利要求2所述的一種多光譜肉類新鮮度人工智慧測量系統,其特徵在於所述的圖像採集卡是National Instrument公司PCI1424或PCI1428。
全文摘要
本發明公開了一種多光譜肉類新鮮度人工智慧測量方法及系統。可調節參數光源發射特定光束照射於肉類放置平臺上,3CCD多光譜攝像機接收肉品反射光,信號傳輸給圖像採集卡,通過採集卡傳輸到計算機處理系統進行處理。通過計算機內肉類資料庫的選擇,選取不同的肉類品種,進行各種預處理。然後提取各種特徵波段,選取象素集作為圖像進一步研究對象,通過人工智慧判斷方法,在已有的模型下進行新鮮肉、次鮮肉、腐敗肉三種不同模式的識別,最後輸出識別結果,顯示於電腦上。本發明採用機器視覺、圖像處理與人工智慧等技術的結合,快速、無損、準確地評定肉類的新鮮度。
文檔編號G01N33/02GK101059424SQ20071006873
公開日2007年10月24日 申請日期2007年5月22日 優先權日2007年5月22日
發明者鮑一丹, 童曉星, 何勇 申請人:浙江大學