一種畜肉細菌總數無損檢測方法
2023-09-17 09:43:05 4
專利名稱：一種畜肉細菌總數無損檢測方法
技術領域：
本發明屬於農畜產品無損檢測領域，涉及一種畜肉細菌總數無損檢測方法，更具
體地，涉及一種牛肉細菌總數無損檢測方法。
背景技術：
牛肉是主要肉類產品之一，具有高蛋白質、低脂肪、維生素及礦物質含量豐富、含
有人們所需要的一切必需胺基酸等特點，是一種營養價值較高的保健型肉食品，深受國際
國內市場的青睞。隨著人們膳食結構的不斷變化及對健康的日益關注，牛肉品質安全受到
了前所未有的重視，優質、高檔牛肉供不應求。食品衛生與人的健康關係極為密切。食品中
的微生物是人類許多疾病發生的根源之一。在微生物汙染中，細菌性汙染是涉及面最廣、影
響最大、問題最多的一種汙染。由此引出了食品微生物的檢測，通過食品微生物的檢測，可
以判斷食品加工環境及食品衛生情況，能夠對食品被細菌汙染的程度及腐敗程度做出正確
的評價，為各項管理工作提供科學依據，防止人類、動物食品中毒。細菌總數是食品檢疫中
最重要的指標之一，它能反映肉產品的腐敗程度，作為新鮮度的參考指標之一，比揮發性鹽
基氮可靠性更高，目前傳統的培養計數法，需要48小時才能得出準確的結果，已越來越不
能滿足如今日益快速的生活節奏。因此，需要建立現代的微生物快速檢測方法。 高光譜圖像能夠同時提供大量不間斷的光頻譜和空間信息，因此可以獲得比傳統
光譜分析技術更精確的分析結果。Bosoon Park等人利用高光譜成像技術成功檢測出家禽
胴體表面排洩物的汙染，準確率可達到96%以上。Peng和Lu基於空間分辨高光譜漫反射
成像技術對水果和蔬菜的光學特性進行了研究，證明了該方法是檢測水果和蔬菜的品質參
數的有效工具。喬軍等人利用高光譜成像技術成功的對牛肉的大理石紋、滴水損失率、顏色
等指標進行了預測，但是，基於高光譜成像的食用肉內部品質安全的無損檢測研究在我國
尚未開展。
發明內容
( — )要解決的技術問題 針對背景技術中所提到的問題，本發明利用高光譜成像技術，探求食用肉的光學特性，以牛肉這一重要食用肉為對象，探索食用肉的可見光和紅外線光(VIS/NIR)的散射和吸收特徵參數；找出牛肉細菌總數與光學信號的特徵的內在關聯並建立預測評估數學模型，以開發快速、無損的牛肉微生物腐敗的檢測方法。
( 二 )技術方案 為達到上述目的，本發明的技術方案提供一種畜肉細菌總數無損檢測方法，其特徵在於，包括以下步驟 Sl、獲取待測畜肉樣品的高光譜散射圖像； S2、根據國標GB/T 4789. 2-2003檢測待測畜肉樣品的菌落總數即為細菌總數測量值；
S3、使用洛倫茲分布函數擬合待測樣品表面高光譜散射圖像在各個波長處的散射 曲線，得到洛倫茲參數及參數的乘積值，來表徵待測畜肉樣品表面在各個波長處的散射特 徵； S4、使用多元線性回歸法求出各波長處待測畜肉樣品特徵參數與細菌總數測量值 間的相關性及預測誤差； S5、比較分析對應於不同波長處的待測畜肉樣品特徵參數與細菌總數測量值間的 相關性，使用逐步回歸方法求出用於預測待測畜肉樣品細菌總數的最佳波長和波長數；
S6、利用已求出的最佳波長建立待測畜肉樣品細菌總數的預測評估模型，與細菌 總數測量值對比來預測待測畜肉樣品的細菌總數。 其中，所述步驟S1中的高光譜散射圖像是通過在待測畜肉樣品表面選取不同位
置的掃描線，對每條掃描線掃描多次，之後對獲取的掃描圖像取平均值獲得。 其中，所述步驟S3中建立的洛倫茲分布函數為
/ 一 ,.
乂W — i , z / L 其中，I:代表反射強度(即CCD灰度值)；X:代表散射曲線離中心點的距離，單位 是mm ;a :代表散射曲線在掃描線中心點的峰值；b :代表a/2位置處散射曲線離中心點的距
離，單位是mm ;Wi :波長範圍在400 1100nm內的某一波長，i = 1，2， ，N，N為總的波長數。 其中，所述步驟S4中建立的多元線性回歸數學模型為
F = /。 +》/,J Wi
/ = 1 其中，F是檢測參數值；f。和&是回歸方程係數；i = 1，2. . . ， m， m是所建模型中 優選波長數目；X代表洛倫茲分布函數擬合曲線的a、 b或aXb ;Wi為選擇的優化波長。
其中，在建立預測評估模型時，隨機選取待測畜肉樣品的3/4，用於預測模型的建 立；剩餘的1/4樣品作為驗證組，用於評價模型預測效果。
(三)有益效果 上述技術方案具有如下優點通過分析待測牛肉樣品的高光譜圖像特徵，將洛倫 茲函數用於擬合牛肉的高光譜散射曲線，利用擬合得到的洛倫茲參數a、 b和aXb，採用逐 步回歸法選擇最優波長組合建立牛肉的特徵光譜與細菌總數之間的定標模型，比較三個參 數的模型預測結果，結果證實基於參數aXb的多元線性回歸(MLR)預測模型效果最好。可 見，利用可見-近紅外光譜波長範圍內的光作為點光源照射牛肉樣品，分析其在表面形成 的散射光信息，可以作為畜肉細菌總數的無損檢測方法；將本發明進行必要修正，也可以作 為一種新的方法應用於畜肉水分、蛋白質、脂肪含量等內部成分的無損檢測領域中。
圖1是本發明畜肉細菌總數無損檢測方法中獲取待測牛畜肉樣品表面高光譜圖 像的成像系統結構組成示意圖； 圖2是本發明畜肉細菌總數無損檢測方法中待測牛肉樣品表面高光譜散射圖像；
圖3是本發明畜肉細菌總數無損檢測方法中利用洛倫茲函數在756nm波長處的曲
4線擬合圖； 圖4是本發明畜肉細菌總數無損檢測方法中洛倫茲參數a、 b和aXb與牛肉細菌總數的相關係數分布圖； 圖5a是本發明畜肉細菌總數無損檢測方法中基於洛倫茲參數a的模型校正結
果；
果；
果；
果；
果；
圖5b是本發明畜肉細菌總數無損檢測方法中基於洛倫茲參數a的模型預測結圖6a是本發明畜肉細菌總數無損檢測方法中基於洛倫茲參數b的模型校正結圖6b是本發明畜肉細菌總數無損檢測方法中基於洛倫茲參數b的模型預測結圖7a是本發明畜肉細菌總數無損檢測方法中基於洛倫茲參數aXb的模型校正結圖7b是本發明畜肉細菌總數無損檢測方法中基於洛倫茲參數aXb的模型預測結 其中，1 :光源系統；2 :光纖；3 :第一透鏡；4 :高光譜攝製儀；5 :CCD數位照相機；6 :相機控制系統；7 :計算機；8 :第二透鏡；9 :待測樣品。
具體實施例方式
下面結合附圖和實施例，對本發明的具體實施方式
作進一步詳細描述。以下實施例用於說明本發明，但不用來限制本發明的範圍。 本發明畜肉細菌總數無損檢測方法中，使用高光譜成像系統來獲取待測牛肉樣品表面的高光譜圖像，所述高光譜成像系統包括
—個高性能的背後照明式CCD數位照相機； 高光譜攝製儀(其覆蓋波長為400 1100nm，光譜解析度為2. 8nm)，用於攝製光譜圖像； 第一透鏡，用於將光源系統發出的光線準直；
第二透鏡，用於會聚待測畜肉樣品表面反射的光線； 200W滷鎢燈及帶有反饋控制器的光源供給系統，為圖像採集裝置提供足夠的光照強度； 樣本載物臺及其調節機構； 計算機，用於圖像數據顯示及處理。 在使用高光譜成像系統獲取待測牛肉樣品表面的高光譜圖像，並檢測其細菌總數時，需要進行如下操作 1)試驗開始前，選取合適的牛肉樣品，用無菌刀切割成8cmX4cmX3. 5cm的小塊，
隨後用保鮮袋密封貯藏於冰箱中，貯藏溫度為8°C ; 2)將整個高光譜成像系統安置在一個封閉的光屏蔽艙內，以防外部光幹擾；
3)將待測牛肉樣品置於光屏蔽艙內圖像採集裝置的下方； 4)調製光源供給系統，使在圖像採集裝置的正下方的待測樣品上形成足夠的光照強度的區域； 5)開啟高光譜攝製儀和CCD相機，採集待測牛肉樣品的圖像數據，為提高圖像的 信噪比，對原始圖像1040 X 1376作2 X 2binning處理，處理後圖像降為520 X 688像素，每 個樣本表面平行選取4個不同位置的掃描線，每個掃描線掃描四次，每次獲取一張圖像，每 個樣本共掃描16次，獲取16個掃描圖像，然後取16個圖像的平均圖像作為該樣本的最終 圖像，相機控制器將圖像數據傳輸給計算機，利用Matlab軟體處理圖像數據；
6)牛肉樣品在採集完光譜圖像後立即根據國標GB/T4789. 2-2003檢測得到的菌 落總數即為細菌總數測量值； 7)使用洛倫茲函數(Lorentzian distribution function)，從高光譜圖像中抽取 圖像特徵並建立牛肉散射曲線的數學模型，每一條散射曲線包含了該波長的光對被測物的 反映，即被測物組織成分的光學特性，描述樣品間組織成分差異的特徵參數，用多元線性回 歸法求出各波長特徵參數與被測值間的相關性及預測誤差； 8)比較分析對應於不同波長的相關性，用逐步回歸法求出用於預測被測值的最佳 波長和波長數，利用已求出的波長可進一步建立被測值的預測評估模型，然後與細菌總數 測量值的標準參照值對比來預測牛肉的細菌總數。 本發明提供的牛肉細菌總數無損檢測的高光譜成像系統及檢測方法，採用洛倫茲 參數作為光譜數據建立多元線性回歸模型。下面結合附圖予以說明。 圖1所示為獲取待測牛畜肉樣品表面高光譜圖像的成像系統結構組成示意圖。圖 中CCD數位照相機5、高光譜攝製儀4和第二透鏡8組成圖像採集裝置、200W鎢滷素燈及帶 有反饋控制器的光源供給系統1、光纖2和第一透鏡3組成光照裝置，提供滿足圖像所需光 照強度，使在圖像採集裝置的正下方的待測牛肉樣品9上形成足夠的光照強度的區域；相 機控制系統6連接在CCD數位照相機5和計算機7之間。整個系統安置在一個封閉的光屏 蔽艙內，以防外部光幹擾。軟體用Matlab設計。 圖2是使用圖l所示系統從某一牛肉樣品採集的高光譜圖像。圖中縱軸為光譜軸， 橫軸是空間軸，圖像的灰度值代表反射強度。每個高光譜圖像包含大量牛肉品質相關信息。 圖像垂直線代表掃描線上對應點的光譜反射圖像。使用原創的圖像處理方法及數學算法， 從高光譜圖像中抽取圖像特徵並建立數學模型，來預測牛肉的個質量安全參數。使用洛倫 茲函數來計算每一個散射圖像的輪廓參數 Aw = ， ， z 、2 其中，I代表反射強度(CCD灰度值)；x代表散射曲線離中心點的距離，單位是mm; a代表散射曲線在掃描線中心點的峰值；b代表a/2位置處散射曲線離中心點的距離，單位 是mm ;下標Wi代表波長，範圍是400-1100nm， i = 1， 2， 3， . . . ， N， N為總的波長數。
牛肉樣本在每個波長上均有一條散射曲線，利用洛倫茲函數對該曲線進行擬合， 則每條曲線均可得到2個洛倫茲參數，即a和b。通過擬合得到的a和b，以及該參數的乘 積aXb作為每個樣本的光譜參數，參與牛肉細菌總數的預測。圖3為一個牛肉樣本在波長 756nm處擬合得到的洛倫茲曲線與原散射曲線圖，從圖中可以看出，兩參數洛倫茲函數能夠 很好的擬合出牛肉樣本的空間散射曲線。 高光譜圖像表徵投向牛肉的光子被牛肉吸收、散射後剩餘的部分，在牛肉內部漫散射後通過樣品表面向外部反射的強度和分布狀態。從高光譜圖像中抽取圖像特徵並建立牛肉散射曲線的數學模型，每一條散射曲線包含了該波長的光對被測物的反映，即被測物組織成分的光學特性，描述樣品間組織成分差異的特徵參數，用多元線性回歸法求出各波長特徵參數與被測值間的相關性及預測誤差；比較分析對應於不同波長的相關性，用逐步回歸法求出用於預測被測值的最佳波長和波長數，利用已求出的波長可進一步建立被測值的預測評估模型。 牛肉質量和安全指標的預測，依據從各樣品的高光譜圖像求取的光學散射和吸收的特徵參數，利用逐步回歸法和多元線性回歸建立線性預測模型；關於建模過程，共29個牛肉樣品，首先使用隨機選取的3/4的樣品(即21個)作為校正集建立校正模型，然後再用剩餘的1/4的樣品(即8個)作為檢驗集去驗證模型的預測精度，通過相關性和誤差分析，確定最佳的模型用於描述肉質特性與高光譜圖像特徵的關係。 通過所建立的高光譜成像系統，可以獲得牛肉的高光譜圖像，如圖2、圖3所示，採用洛倫茲參數擬合得到的洛倫茲參數a和b，以及該參數的乘積aXb作為光譜數據，利用逐步回歸法選取最佳波長組合，建立多元線性預測模型，用檢驗集樣本去驗證模型效果，即可對牛肉的品質做出判斷。 圖4為參數a、b和aXb與牛肉細菌總數之間的簡單相關分析圖，即分析每一波長處a、 b和aXb與細菌總數的相關性。從圖中可以看出，在560-980nm範圍內，光譜反射與牛肉細菌總數的相關性有較大的變化。在560-800nm範圍內，光譜反射與牛肉細菌總數正相關，而在820-980nm範圍內，反射強度與細菌總數負相關，a和aXb與細菌總數的相關性優於b與細菌總數的相關性。 對560-980nm範圍內的洛倫茲參數a、 b和aXb，用逐步回歸法選擇最優波長，用於建立多元線性回歸模型。對於參數a選出的最佳波長組合為592， 596， 602， 659， 803和825nm，模型的校正和預測結果分別如圖5a和圖5b所示；對於參數b選出的最佳波長組合為596， 838， 905和913nm，模型的校正和預測結果分別如圖6a和圖6b所示；對於參數aXb選出的最佳波長組合為596，822，838，841，889和900nm，模型的校正和預測結果分別如圖7a和圖7b所示； 研究結果表明，將洛倫茲函數用於擬合牛肉的高光譜散射曲線，利用擬合得到的洛倫茲參數a、b和aXb建立定標模型。選用可見-近紅外區(560-980nm)作為建模譜區，分別採用逐步回歸和多元線性回歸法(MLR)建立牛肉的特徵光譜與細菌總數之間的定標模型。基於洛倫茲參數a、b和aXb的MLR預測模型的相關係數r2分別為0. 91、0. 69、0. 96，其中基於參數aXb的預測模型效果最好，可見，利用可見_近紅外光譜波長範圍內的光作為點光源照射牛肉樣品，分析其在表面形成的散射光信息，可以作為畜肉細菌總數的無損檢測方法；將本發明進行必要修正，也可以作為一種新的方法應用於畜肉水分、蛋白質、脂肪含量等內部成分的無損檢測領域中。 以上所述僅是本發明的優選實施方式，應當指出，對於本技術領域的普通技術人員來說，在不脫離本發明技術原理的前提下，還可以做出若干改進和替換，這些改進和替換也應視為本發明的保護範圍。
權利要求
一種畜肉細菌總數無損檢測方法，其特徵在於，包括以下步驟S1、獲取待測畜肉樣品的高光譜散射圖像；S2、根據國標GB/T 4789.2-2003檢測待測畜肉樣品的菌落總數即為細菌總數測量值；S3、使用洛倫茲分布函數擬合待測樣品表面高光譜散射圖像在各個波長處的散射曲線，得到洛倫茲參數及參數的乘積值，來表徵待測畜肉樣品表面在各個波長處的散射特徵；S4、使用多元線性回歸法求出各波長處待測畜肉樣品特徵參數與細菌總數測量值間的相關性及預測誤差；S5、比較分析對應於不同波長處的待測畜肉樣品特徵參數與細菌總數測量值間的相關性，使用逐步回歸方法求出用於預測待測畜肉樣品細菌總數的最佳波長和波長數；S6、利用已求出的最佳波長建立待測畜肉樣品細菌總數的預測評估模型，與細菌總數測量值對比來預測待測畜肉樣品的細菌總數。
2. 如權利要求1所述的畜肉細菌總數無損檢測方法，其特徵在於，所述步驟S1中的 高光譜散射圖像是通過在待測畜肉樣品表面選取不同位置的掃描線，對每條掃描線掃描多 次，之後對獲取的掃描圖像取平均值獲得。
3. 如權利要求1所述的畜肉細菌總數無損檢測方法，其特徵在於，所述步驟S3中建立 的洛倫茲分布函數為其中，I :代表反射強度(即CCD灰度值)；X:代表散射曲線離中心點的距離，單位是mm; a:代表散射曲線在掃描線中心點的峰值；b :代表a/2位置處散射曲線離中心點的距離，單 位是mm;Wi :波長範圍在400 1100nm內的某一波長，i = 1，2， . . . ，N， N為總的波長數。
4. 如權利要求1所述的畜肉細菌總數無損檢測方法，其特徵在於，所述步驟S4中建立 的多元線性回歸數學模型為 formula see original document page 2其中，F是檢測參數值；f。和fi是回歸方程係數；i = 1，2... ， m， m是所建模型中優選 波長數目；X代表洛倫茲分布函數擬合曲線的a、b或aXb值；Wi為選擇的優化波長。
5. 如權利要求1所述的畜肉細菌總數無損檢測方法，其特徵在於，在建立預測評估模 型時，隨機選取待測畜肉樣品的3/4作為校正組，用於模型的建立，剩餘的1/4作為驗證組， 用於模型預測結果的檢驗，比較相關性和誤差分析，確定出最佳的預測評估模型。
全文摘要
本發明公開了一種畜肉細菌總數無損檢測方法，利用高光譜成像系統獲取待測畜肉樣品的高光譜散射圖像，採用洛倫茲函數擬合散射特徵得到洛倫茲參數以及該參數的乘積作為光譜數據，利用逐步回歸法選取最佳波長組合，使用最佳波長處的洛倫茲參數建立多元線性預測模型，使用預測模型可對畜肉細菌總數做出判斷。本發明快速、無損，利用可見-近紅外光譜波長範圍內(400～1100nm)的光作為點光源照射畜肉樣品，分析其表面的散射光譜信息，可以作為畜肉細菌總數的無損檢測方法；將本發明進行必要修正，也可以作為一種新的方法應用於畜肉水分、蛋白質、脂肪含量等內部成分的無損檢測領域中。
文檔編號G01N21/35GK101776597SQ20101003451
公開日2010年7月14日 申請日期2010年1月19日 優先權日2010年1月19日
發明者吳建虎, 張靜, 彭彥昆, 王偉, 黃慧 申請人:中國農業大學