CN102590213A - 多光谱检测装置及检测方法 - Google Patents

Abstract

本发明涉及光谱检测技术领域，公开了一种用于农畜产品生产的多光谱检测装置及检测方法。本发明一种多光谱检测装置，包括光源、聚光镜头、摄影机、滤光片自动切换装置、遮光罩和防护罩，防护罩位于遮光罩的上方，样品和光源设置在遮光罩内，聚光镜头、摄影机和滤光片自动切换装置设置在防护罩内，摄影机通过聚光镜头安装在滤光片自动切换装置的观察窗的上方，所述观察窗对着样品。本发明通过摄像机获取滤光片中样品的灰度图像，同时采用滤光片自动切换装置切换不同光谱的滤光片，实现对样品进行无接触的在线检测，避免了对样品造成损伤，该检测装置成本较低，检测性能精确、稳定。

Description

多光谱检测装置及检测方法

技术领域

本发明涉及光谱检测技术领域，特别是涉及一种用于农畜产品生产的多光谱检测装置及检测方法。

背景技术

我国牛业品种资源丰富，主要包括以我国五大黄牛(鲁西牛、秦川牛、延边牛、南阳牛、晋南牛)为代表的地方品种和引进的国外优良品种(西门塔尔牛、利木赞牛、皮埃蒙特牛、夏洛来牛等)，其中，我国地方黄牛品种以生产高品质的大理石花纹沉积牛肉而备受消费者喜爱。随着国民生活水平的逐渐提高，我国消费者对于牛肉特别是高档牛肉的需求量与日俱增。据农业部统计，2008年我国牛肉总产量达613.2万吨，比2000年增长19.5％。牛肉产量占全国肉类总产量的8.4％；占世界牛肉总产量的10％，肉牛产量仅次于美国和巴西，位居世界第三位。在国际市场上，我国生产的牛肉主要是以低价取胜，以获取大量的出口，而除此之外我国的牛肉在国际市场上并没有竞争力。这主要是由于我国农畜产品品质及安全检测手段不完善，我国对肉类产品的品质分级、分类的检测设备落后，很多情况下都依靠人工对产品进行简单分级，甚至是不分级，这就造成产品的质量不一，部分优质产品也只能按照普通等级出售，给企业带来巨大的经济损失。

目前，肉类行业使用的牛肉品质的主要评估方法主要有以下：

1、感官评定法，由经过专业训练的人员对样品进行分级评定，这种方法易受评定人员的主管因素的影响；

2、设备评定法，如使用剪切仪测定牛肉的嫩度值，用红外烘干设备检测牛肉的水分含量，但这种评定方法检测比较耗时，且对样品具有破坏性，不适合在线检测；

3、光谱检测技术，作为一种新兴技术，光谱检测技术在各行业中得到了广泛的应用，不会对样品造成破坏，光谱检测技术包括高光谱、红外光谱、荧光光谱、多光谱等。

光谱技术是利用光线在样品内部的吸收、反射及散射特征来实现对样品参数的检测。光线的吸收与样品的化学成分有关，而光线的反射和散射主要由样品的结构特性决定，因此光线的反射特征可以用于测定样品的质地。

目前，主要是采用高光谱技术、红外光谱技术和荧光光谱技术进行检测，但高光谱技术、红外光谱技术、荧光光谱技术所配置的检测仪器的价格动辄几十万，甚至数百万，大大提高了企业的检测成本，不利于企业产品的市场销售。

发明内容

(一)要解决的技术问题

本发明要解决的技术问题是如何提供一种成本较低，检测性能精确、稳定，且对样品不会造成损伤的多光谱检测装置及检测方法。

(二)技术方案

为了解决上述技术问题，本发明提供一种包括光源、聚光镜头、摄影机、滤光片自动切换装置、遮光罩和防护罩；所述防护罩位于遮光罩的上方，所述遮光罩的上表面和防护罩的下表面相对的位置分别开有第一通孔；所述遮光罩的底部与第一通孔相对的位置放置待检测的样品，其顶部固定设有光源；所述滤光片自动切换装置设置在所述防护罩内，所述滤光片自动切换装置包括壳体、安装在壳体内的滤光片转换轮、以及与所述滤光片转换轮相连的驱动单元，所述壳体上开有贯穿壳体上下表面的观察窗，所述观察窗位于所述第一通孔处；所述滤光片转换轮相对于观察窗的位置的环向上设有多个滤光片沉孔，每个滤光片沉孔内设有滤光片；所述聚光镜头安装在观察窗的上方，其另一端与摄像机连接。

其中，所述遮光罩的底部位于样品的一侧设有白参考瓦。

其中，所述滤光片自动切换装置还包括位置检测单元，所述位置检测单元包括两个分别与驱动单元相连的传感器，所述壳体和滤光片转换轮相对的位置分别开有的第二通孔，所述两个传感器分别位于壳体的第二通孔的上下端，将壳体的第二通孔与滤光片转换轮的第二通孔重合时的位置设为初始位置。

其中，所述驱动单元为步进电机，所述驱动单元通过双齿轮结构的传动装置与所述滤光片转换轮连接，所述双齿轮相啮合，其中一个齿轮与滤光片转换轮同轴相连，另一个齿轮与所述驱动单元的转动轴相连。

其中，还包括手柄，所述手柄位于防护罩的外部，所述手柄上设置有启动开关，所述启动开关通过导线与驱动单元相连。

其中，所述摄影机为电荷耦合相机。

其中，所述光源为可发出均匀面光线的石英卤钨灯。

一种上述的多光谱检测装置的检测方法，包括图像获取步骤：打开光源和摄像机，同时通过驱动单元驱动滤光片转换轮转动使得所需的滤光片对准观察窗，由摄像机通过聚光镜头从滤光片中获取样品的灰度图像；转动滤光片转换轮切换滤光片，获取多张不同波段的灰度图像。

其中，所述样品为畜肉样品，所述多光谱检测方法还包括：

图像分割步骤：通过图像分割运算模型将不同波段下的灰度图像两两进行运算，获得分级的样品的灰度图像；运算后所得的灰度图像中各像素点的灰度值设为I_ij，两个不同波段下的灰度图像的灰度值分别设为I_1ij和I_2ij，图像矩阵的行数为i，列数为j，则图像分割运算模型为：I_ij＝I_1ij-I_2ij；

样品的大理石花纹等级判定步骤：根据所述的图像分割运算模型为：I_ij＝I_1ij-I_2ij提取出脂肪颗粒，利用分割后的样品的灰度图像信息可以计算出待测样品中脂肪颗粒的大小、分布均匀性、分布密度等大理石花纹特征变量，从而可得出出样品的大理石花纹等级，样品的大理石花纹等级设为L，根据所述图像分割运算模型中得到的样品灰度值I_ij计算出大理石花纹特征变量的值X_i，回归系数设为b₀和b_i，i＝1，2，......，m，m为所建模型中所选滤光片的数量，则大理石花纹等级的预测运算模型为：

$L=b_0+\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{b}_i{X}_i.$

其中，还包括：

样品相对发射率的换算步骤：在放置样品的一侧设有白参考瓦，通过将白参考瓦的标准灰度值与样品灰度图像中各像素点的灰度值进行比较，换算出各个像素的相对反射率X_ij；样品灰度图像上像素点的灰度值设为G_ij，白参考瓦的标准灰度值设为G₀，图像矩阵的行数为i，列数为j，则每种滤光片的样品相对反射率X_ij的计算公式为：

X_ij＝G_ij/G₀；

样品品质参数的测定步骤：利用多元线性回归模型检测样品的灰度图像中各像素点的品质参数；样品灰度图像中像素点的品质参数值设定为F_ij，回归系数为f₀和f_k，k＝1，2，......，m，m为所建模型中所选滤光片的数量，由所述样品相对反射率的计算公式换算出每种滤光片的样品相对反射率X_kij，则所建立的多元线性回归模型为：

$F_{\mathrm{ij}}=f_0+\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{f}_k{X}_{\mathrm{kij}}.$

(三)有益效果

上述技术方案提供的一种多光谱检测装置和检测方法，通过摄像机获取滤光片中样品的灰度图像，同时采用滤光片自动切换装置切换不同光谱的滤光片，对样品进行无接触的在线检测，避免了对样品造成的损伤，该检测装置成本较低，检测性能精确、稳定。进一步地，滤光片自动切换装置设有位置检测单元，使得滤光片转换轮自动回复到初始位置以正确地切换到所需光谱的滤光片。

附图说明

图1是本发明多光谱检测装置的内部结构示意图；

图2是本发明的滤光片自动切换装置的结构示意图；

图3是本发明的滤光片自动切换装置中的壳体和滤光片转换轮的装配图；

图4是本发明多光谱检测装置的外部结构示意图。

其中，1、光源；1-1、第一支架；2、聚光镜头；3、摄像机；3-1、第二支架；4、滤光片自动切换装置；4-10、壳体；4-11、观察窗；4-12、罩体；4-13、底板；4-20、滤光片转换轮；4-21、滤光片沉孔；4-22、垫片；4-30、驱动单元；4-31、转动轴；4-40、滤光片；4-51、齿轮；4-52、齿轮；4-60、传感器；5、遮光罩；6、防护罩；7、样品；8、白参考瓦；9、手柄；9-1、启动开关。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

如图1、图2和图4，本发明一种多光谱检测装置，包括光源1、聚光镜头2、摄影机3、滤光片自动切换装置4、遮光罩5和防护罩6；防护罩6位于遮光罩5的上方，遮光罩5的上表面和防护罩6的下表面相对的位置分别开有第一通孔；在遮光罩5的底部与第一通孔相对的位置放置待检测的样品7，光源1为发出均匀面光线的石英卤钨灯，通过第一支架1-1安装在遮光罩5内位于该遮光罩5的顶部，该光源1可通过第一支架调整其对样品7的照射角度。滤光片自动切换装置4安装在防护罩6内，该滤光片自动切换装置4包括壳体4-10、安装在壳体4-10内的滤光片转换轮4-20、以及与滤光片转换轮4-20相连的驱动单元4-30，壳体4-10上开有贯穿壳体4-10上下表面的观察窗4-11，该观察窗4-11位于第一通孔处。

其中，如图3，壳体4-10包括罩体4-12和底板4-13，该罩体4-12和底板4-13采用紧固件连接。驱动单元4-30固定安装在壳体4-10的上表面，位于罩体4-12的表面，用于驱动滤光片转换轮4-20进行转动。滤光片转换轮4-20相对于观察窗4-11的位置的环向上设有多个滤光片沉孔4-21，本实施例以六个滤光片沉孔4-21为例，每个滤光片沉孔4-21内设有滤光片4-40，该滤光片4-40通过垫片4-22压紧在滤光片沉孔4-21内，该垫片4-22的一端通过螺钉固定在壳体4-10上位于滤光片沉孔4-21的一侧，该垫片4-22为尼龙垫片。观察窗4-11的形状和尺寸与滤光片4-40相匹配。本实施例采用驱动单元4-30驱动滤光片转换轮4-20进行转动，可调节驱动单元4-30的频率和速度来调节滤光片转换轮4-20的转动角度，进而可根据检测需要自动切换不同光谱的滤光片4-40，实现了滤光片切换的自动化，操作简便，调整速度快。

聚光镜头2安装在观察窗4-11的上方，其另一端与摄像机3连接，该摄像机3通过第二支架3-1安装在防护罩6内，该摄像机3为电荷耦合相机，别称CCD(charge coupled deice)相机。

如图2，本实施例的驱动单元4-30为步进电机，该驱动单元4-30通过双齿轮结构的传动装置与所述滤光片转换轮连接，该双齿轮相啮合，其中一个齿轮4-51与滤光片转换轮4-20同轴相连，另一个齿轮4-52与驱动单元4-30的转动轴4-31相连。

进一步地，为了使滤光片转换轮4-20自动回复初始位置以正确地切换所需光谱的滤光片4-40，本实施例的滤光片自动切换装置4还包括位置检测单元，该位置检测单元包括两个分别与驱动单元4-30相连的传感器4-60，壳体4-10和滤光片转换轮4-20相对的位置分别开有的第二通孔，该两个传感器4-60分别位于壳体4-10的第二通孔的上下端，将壳体4-10的第二通孔与滤光片转换轮的第二通孔重合时的位置设为初始位置，图1和图2中的滤光片转换轮4-20处于初始位置，此时壳体4-10的观察窗4-11与滤光片转换轮4-20其中的一个滤光片沉孔4-21相对，此时该两个传感器4-60产生一个位置信号发射到驱动单元4-30中，驱动单元4-30可识别出该初始位置信号，当驱动单元4-30驱动滤光片转换轮4-20转动一个周期后自动回复到该初始位置时，传感器4-60再一次发射相应的位置信号到驱动单元4-30，使得操作人员识别出滤光片转换轮4-20已经回到初始位置，以正确地切换到所需光谱的滤光片4-40。

为了得到样品7的相对反射率，本实施例在遮光罩5的底部位于样品7的一侧设有白参考瓦8。

本实施例为了方便操作，在防护罩6的外部还设有手柄9，该手柄9上设置有启动开关9-1，该启动开关9-1通过导线与驱动单元4-30相连，通过该启动开关9-1可以实现对滤光片自动切换装置4的启动。

由上述技术方案所提供的一种多光谱检测装置的检测方法，包括图像获取步骤：打开光源1和摄像机3，同时通过驱动单元4-30驱动滤光片转换轮4-20转动使得所需的滤光片4-40对准观察窗4-11，由摄像机3通过聚光镜头2从滤光片4-40中获取样品的灰度图像；转动的滤光片转换轮4-20切换滤光片4-40，以获取多张不同波段的灰度图像。该多光谱检测方法可用于检测多种样品的多种品质参数，以下为该检测方法其中的两种实施方式，该样品7以畜肉样品为例，特别选用牛肉，样品7在屠宰后经过排酸处理，检测的部位为11～14椎骨之间垂直与肌纤维方向的横断面：

实施例一

样品的大理石花纹分级检测：在完成上述的图像获取步骤后，还包括图像分割步骤和样品的大理石花纹等级判定步骤，该检测方法可在分割线上进行在线检测。

图像分割步骤：通过图像分割运算模型将不同波段下的灰度图像两两进行运算，获得分级的样品的灰度图像；运算后所得的灰度图像的像素灰度值I_ij，两个不同波段下图像的灰度值分别设为I_1ij和I_2ij，图像矩阵的行数为i，列数为j，则图像分割运算模型为：I_ij＝I_1ij-I_2ij。

样品的大理石花纹等级判定步骤：利用分割后的样品的灰度图像信息运算出样品的大理石花纹等级，该样品的大理石花纹等级设为L，根据上述的图像分割运算模型提取出脂肪颗粒，利用分割后的样品的灰度图像信息可以计算出待测样品中脂肪颗粒的大小、分布均匀性、分布密度等大理石花纹特征变量，从而可得出出样品的大理石花纹等级X_i，回归系数设为b₀和b_i，i＝1，2，......，m，m为所建模型中所选滤光片的数量，则大理石花纹等级的预测运算模型：

$L=b_0+\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{b}_i{X}_i.$

根据该预测运算模型可得到畜肉样品的脂肪的颗粒大小、分布密度、分布均匀性等大理石花纹等级，根据标准的等级参数表对畜肉样品进行分级。

实施例二

样品嫩度、新鲜度等品质参数的检测：在完成上述的图像获取步骤后，还包括样品相对发射率的换算步骤和样品品质参数测定步骤。

样品相对发射率的换算步骤：在放置样品的一侧设有标准的白参考瓦8，通过将白参考瓦8的标准灰度值与样品的灰度图像中各像素点的灰度值进行比较，换算出各个像素的相对反射率X_ij；样品灰度图像上像素点的灰度值设为G_ij，白参考瓦的标准灰度值设为G₀，图像矩阵的行数为i，列数为j，则每种滤光片的样品相对反射率X_ij的计算公式为：

X_ij＝G_ij/G₀；

样品品质参数的测定步骤：利用多元线性回归模型检测样品的灰度图像中各像素点的品质参数；样品灰度图像中像素点的品质参数值设定为F_ij，回归系数为f₀和f_k，k＝1，2，......，m，m为所建模型中所选滤光片的数量，由上述的样品相对反射率的计算公式换算出每种滤光片所对应的样品灰度图像像素点的相对反射率X_kij，其中，图像矩阵的行数为i，列数为j，则所建立的多元线性回归模型为：

$F_{\mathrm{ij}}=f_0+\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{f}_k{X}_{\mathrm{kij}}.$

根据多元线性回归模型所计算出对应的样品灰度图像中各像素点的品质参数值，如样品的嫩度、新鲜度等品质参数，与相关标准值相比较可以对该品质参数进行分级管理。

本发明实现了对畜肉等样品7的品质参数的在线检测，可以作为屠宰、加工企业的一种有效的检测手段，可提高企业的产品品质检测水平；该检测方法实用性高，检测成本低，可以实现对产品的在线、快速、无损、非接触检测，提高了畜肉产品以品质分级水平，以增强我国的畜肉产品在国际市场上的竞争力。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和替换，这些改进和替换也应视为本发明的保护范围。

Claims (10)

1.一种多光谱检测装置，其特征在于，包括光源、聚光镜头、摄影机、滤光片自动切换装置、遮光罩和防护罩；所述防护罩位于遮光罩的上方，所述遮光罩的上表面和防护罩的下表面相对的位置分别开有第一通孔；所述遮光罩的底部与第一通孔相对的位置放置待检测的样品，其顶部固定设有光源；所述滤光片自动切换装置设置在所述防护罩内，所述滤光片自动切换装置包括壳体、安装在壳体内的滤光片转换轮、以及与所述滤光片转换轮相连的驱动单元，所述壳体上开有贯穿壳体上下表面的观察窗，所述观察窗位于所述第一通孔处；所述滤光片转换轮相对于观察窗的位置的环向上设有多个滤光片沉孔，每个滤光片沉孔内设有滤光片；所述聚光镜头安装在观察窗的上方，其另一端与摄像机连接。

2.如权利要求1所述的多光谱检测装置，其特征在于，所述遮光罩的底部位于样品的一侧设有白参考瓦。

3.如权利要求1所述的多光谱检测装置，其特征在于，所述滤光片自动切换装置还包括位置检测单元，所述位置检测单元包括两个分别与驱动单元相连的传感器，所述壳体和滤光片转换轮相对的位置分别开有的第二通孔，所述两个传感器分别位于壳体的第二通孔的上下端，将壳体的第二通孔与滤光片转换轮的第二通孔重合时的位置设为初始位置。

4.如权利要求1所述的多光谱检测装置，其特征在于，所述驱动单元为步进电机，所述驱动单元通过双齿轮结构的传动装置与所述滤光片转换轮连接，所述双齿轮相啮合，其中一个齿轮与滤光片转换轮同轴相连，另一个齿轮与所述驱动单元的转动轴相连。

5.如权利要求1所述的多光谱检测装置，其特征在于，还包括手柄，所述手柄位于防护罩的外部，所述手柄上设置有启动开关，所述启动开关通过导线与驱动单元相连。

6.如权利要求1所述的多光谱检测装置，其特征在于，所述摄影机为电荷耦合相机。

7.如权利要求1所述的多光谱检测装置，其特征在于，所述光源为可发出均匀面光线的石英卤钨灯。

8.一种如权利要求1-7任一项所述的多光谱检测装置的检测方法，其特征在于，包括图像获取步骤：打开光源和摄像机，同时通过驱动单元驱动滤光片转换轮转动使得所需的滤光片对准观察窗，由摄像机通过聚光镜头从滤光片中获取样品的灰度图像；转动滤光片转换轮切换滤光片，获取多张不同波段的灰度图像。

9.如权利要求8所述的多光谱检测装置的检测方法，其特征在于，所述样品为畜肉样品，所述多光谱检测方法还包括：

图像分割步骤：通过图像分割运算模型将不同波段下的灰度图像两两进行运算，获得分级的样品的灰度图像；运算后所得的灰度图像中各像素点的灰度值设为I_ij，两个不同波段下的灰度图像的灰度值分别设为I_1ij和I_2ij，图像矩阵的行数为i，列数为j，则图像分割运算模型为：I_ij＝I_1ij-I_2ij；

样品的大理石花纹等级判定步骤：根据所述的图像分割运算模型为：I_ij＝I_1ij-I_2ij提取出脂肪颗粒，利用分割后的样品的灰度图像信息可以计算出待测样品中脂肪颗粒的大小、分布均匀性、分布密度等大理石花纹特征变量，从而可得出出样品的大理石花纹等级，样品的大理石花纹等级设为L，根据所述图像分割运算模型中得到的样品灰度值I_ij计算出大理石花纹特征变量的值X_i，回归系数设为b₀和b_i，i＝1，2，......，m，m为所建模型中所选滤光片的数量，则大理石花纹等级的预测运算模型为：

$L=b_0+\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{b}_i{X}_i.$

10.如权利要求8所述的多光谱装置的检测方法，其特征在于，还包括：

样品相对发射率的换算步骤：在放置样品的一侧设有白参考瓦，通过将白参考瓦的标准灰度值与样品灰度图像中各像素点的灰度值进行比较，换算出各个像素的相对反射率X_ij；样品灰度图像上像素点的灰度值设为G_ij，白参考瓦的标准灰度值设为G₀，图像矩阵的行数为i，列数为j，则每种滤光片的样品相对反射率X_ij的计算公式为：

X_ij＝G_ij/G₀；

样品品质参数的测定步骤：利用多元线性回归模型检测样品的灰度图像中各像素点的品质参数；样品灰度图像中像素点的品质参数值设定为F_ij，回归系数为f₀和f_k，k＝1，2，......，m，m为所建模型中所选滤光片的数量，由所述样品相对反射率的计算公式换算出每种滤光片的样品相对反射率X_kij，则所建立的多元线性回归模型为：

$F_{\mathrm{ij}}=f_0+\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{f}_k{X}_{\mathrm{kij}}.$

Images