[发明专利]基于广式腊肠高光谱图像的瘦肉与肥肉自适应分离的方法

说明书

基于广式腊肠高光谱图像的瘦肉与肥肉自适应分离的方法，本发明涉及腊肠品质无损检测技术领域，本发明提供了一种基于腊肠近红外高光谱图像的瘦肉与肥肉分布检测方法，解决了对于腊肉中肥肉与瘦肉混合后、无法简单有效的区分两者、难以计算腊肠中瘦肉和肥肉各自所占的比例的问题。通过高光谱图像进行腊肠检测能快速有效的获取样本信息，做到实时检测判断。与现有技术相比，本发明的有益效果为：本发明实现了基于广式腊肠高光谱图像的瘦肉与肥肉自适应分离的方法，不需要通过化学方法进行测定，大大简化了操作步骤，缩短了检测时间，同时K‑means自适应的分割也避免了由于人工主观因素带来的测量结果不准确等后果。

技术领域

本发明涉及腊肠品质无损检测技术领域，尤其涉及一种基于腊肠近红外高光谱图像的瘦肉与肥肉分布检测方法。

背景技术

腊肠(Sausage)俗称香肠，是指以肉类为原料，切绞成丁，配以辅料，灌入动物肠衣经发酵、成熟干制成的中国特色肉制品，是中国肉类制品中品种最多的一大类产品。

按2005年10月1日起实施新的《腌腊肉制品卫生标准》，将广式腊肠分为优级、一级和二级。目前，广式腊肠的品质鉴定和分级主要采用经验性感官评价方法为主，即采用取样方法，由有经验的腊肠技师用肉眼直接观察肠体色泽及形态，样品蒸10-15分钟，品尝风味进行鉴别，感官评价的弊端是鉴别结果很大程度上受鉴定技师的经验、身体状况、嗅觉灵敏度等人为因素的影响，客观性不够，何况香味和口感只是广式腊肠品质的两个方面。香肠品质检测与分级应该是一个多指标综合评价的过程，应综合腊肠的形状、色泽、味道以及腊肠的内部营养成份等各项指标。显然，传统的以感官评价为主的分级方法不能适应香肠品质检测的要求。实验室仪器分析方法具有检测精度高、可靠性好等特点，但检测速度慢、操作复杂、检测成本高，难以在生产现场进行实时检测。以电子鼻、光谱和机器视觉为代表的检测技术具有快速、无损、低成本等优点，在农产品食品品质检测上具有很好的应用前景。

高光谱成像技术融合了传统的成像技术和光谱技术的优点，获取的高光谱图像具有“图谱合一”的特点，即同时含有图像信息和光谱信息。图像信息可以用来检测外部品质，而光谱信息则可以用来检测内部品质和安全性。高光谱图像是一系列光波波长处的光学图像，比多光谱图像的光谱分辨率更高，通常可达2—3nm，其测量光谱范围可在紫外、可见光和近红外区域。高光谱数据是三维图像块，其中二维代表的是图像像素信息(以坐标X和Y表示)，第三维是波长信息(以表示)，分辨率为X×Y像素的图像检测器阵列在n个波长处获得的样品图像块是X×Y×n的三维阵列。

发明内容

本发明提供了一种基于腊肠近红外高光谱图像的瘦肉与肥肉分布检测方法，解决了对于腊肉中肥肉与瘦肉混合后、无法简单有效的区分两者、难以计算腊肠中瘦肉和肥肉各自所占的比例的问题。通过高光谱图像进行腊肠检测能快速有效的获取样本信息，做到实时检测判断。

一种基于广式腊肠高光谱图像的瘦肉与肥肉自适应分离的方法，其特征在于，包括以下步骤：

(1)采用高光谱仪，获取广式腊肠样本在肠衣包裹下无损条件的近红外波段高光谱原始信息；

(2)对步骤(1)中获得的高光谱原始信息进行高斯平滑预处理得到预处理mapping图，腊肠与棕色背景间通过阈值分割得到初步的腊肠ROI(region of interest)区域；

(3)以步骤(2)中的包含了腊肠样本的ROI区域的每个样本点作为判断单位，以各点的近红外高光谱值作为特征，采用K-means聚类算法，距离选用欧氏距离，聚类数为二分类，建立广式腊肠基于高光谱特征的瘦肉肥肉判别模型；

(4)通过步骤(2)和步骤(3)的处理将整个腊肠区域根据高光谱信息一分为二，所划分样本点数量多的一类是腊肠的瘦肉部分，反之是肥肉部分，且通过K-means算法得到了两类各自的聚类中心。根据特征空间中样本点到两聚类中心的距离只比确定到各自类别的隶属度。