[发明专利]基于异形比色皿和近红外图像的牛奶成分快速检测方法

说明书

本发明公开了一种基于异形比色皿和近红外图像的牛奶成分快速检测方法，通过异形比色皿将短波近红外光进行色散，并使用摄像头采集散射和色散后的光谱图像。图像的垂直像素代表了不同波长光的光强，通过图像边缘检测提取图像垂直条纹特征作为对应的光谱信息。使用梯度提升决策树算法为每个特征分配决策权重。依据牛奶中的各成分对光的吸收波长不同，通过多个波长的光谱信息来确定各营养成分含量。本发明提出的方法保证了测量的高准确性和高稳定性，同时大大缩短了测量时间，降低了成本，减少了产品的体积和重量，使用的检测样品极少且不污染样品。

技术领域

本发明涉及牛奶成分检测领域，特别是一种基于异形比色皿和近红外图像的牛奶成分快速检测方法。

背景技术

目前，牛奶产品的质量主要依靠生产企业自主检测，并且产品质量的监管难度大。快速便携的牛奶分析方法有助于随时随地对生鲜乳进行检测，不仅帮助养殖户对奶牛个体的健康和饮食进行管理，也为牛奶收购商和质检人员提供了快速抽检工具。

蛋白质和脂肪是乳制品中最重要的营养物质，也是决定乳制品质量的核心指标，直接反映乳制品的质量，这两个成分的检测是乳制品质量检验中首要的工作。凯氏定氮法是通过测定乳制品中氮含量来计算蛋白质含量的方法，是蛋白质检测的常用方法，也是最标准和建立其他检测方法的参照方法。盖勃法是脂肪测定的常用方法，而分析脂肪的参考方法是重量法。这些常用的、传统检测方法需要耗费大量时间，检测一份牛奶样品中的蛋白质和脂肪含量就需要三四个小时甚至几天的时间，不能满足在线、快速和现场等测量的需要。

在牛奶分析方法的研究中，光谱分析技术一直是科研人员的重点研究方向。现有技术中，包括：利用近红外(NIR)光谱和奶粉物理与功能特性，建立了使用偏最小二乘法(PLS)回归的预测模型，来预测各种奶粉样品的细粒径分数、分散性和体积密度；结合牛奶红外(IR)光谱和奶牛基因型预测乳脂组成；使用中红外(MIR)光谱对八种蛋白质进行了定性表征为产品提供质量保证。以及使用MIR检测奶粉掺假问题，识别奶粉中的少量三聚氰胺，和预测牛乳的详细矿物成分，具体包括：利用荧光光谱和它的寿命来区分羊奶粉与牛奶粉的欺诈行为，分析奶粉及其成分；基于荧光技术研究牛奶随时间的降解，准确地预测牛奶的pH值。还有很多研究致力于激光诱导光谱，电分析方法，以及其他新方法和新传感器。

一般来说，牛奶分析方法大多基于化学计量学和光谱测量，使用大型仪器，涉及复杂的操作；通常，这些仪器用于实验室分析，不适合快速现场测量。此外，复杂的仪器结构很昂贵，而且某些仪器需要大剂量的样品，增加了样品的损失。因此，这类仪器将牛奶分析限制在实验室中，其使用不利于牛奶质量的监督。而计算机视觉系统可以作为一种低成本、高效率的食品认证和质量评价方法。摄像机在光电测量中的应用，减少了传统仪器中光学系统、信号放大处理电路、光电检测电路、模数转换电路等的设计，并且只需要一个简单的LED光源驱动电路即可完成检测任务。利用计算机视觉测量蛋白质和脂肪含量的研究很少，而且只执行了分类任务或测量误差较大，与传统的测量方法相差甚远，要具体实现视觉测量系统还有很长的路要走。

发明内容

本发明的目的是提供一种基于异形比色皿和近红外图像的牛奶成分快速检测方法，以解决上述现有技术存在的问题。

为实现上述目的，本发明提供了如下方案：

本发明提供一种基于异形比色皿和近红外图像的牛奶成分快速检测方法，包括以下步骤：

采集光谱图像，使用一个异形比色皿进行色散获得短波近红外光谱,使用数字摄像头采集红外光透过异形比色皿中的待测牛奶后的光谱图像；

划分数据集，对所述光谱图像进行预处理，并将预处理后的所述光谱图像划分为训练集和测试集；

提取特征，基于图像边缘特征和梯度提升决策树构建IDF-GBDT模型，基于图像边缘检测对所述训练集进行卷积，检测垂直边缘，获得垂直条纹，取条纹像素平均值后获得垂直特征；