CN102854148A - 基于多光谱图像技术的生鲜牛肉嫩度检测分级系统 - Google Patents
基于多光谱图像技术的生鲜牛肉嫩度检测分级系统 Download PDFInfo
- Publication number
- CN102854148A CN102854148A CN2012103166353A CN201210316635A CN102854148A CN 102854148 A CN102854148 A CN 102854148A CN 2012103166353 A CN2012103166353 A CN 2012103166353A CN 201210316635 A CN201210316635 A CN 201210316635A CN 102854148 A CN102854148 A CN 102854148A
- Authority
- CN
- China
- Prior art keywords
- led
- light source
- beef
- multispectral
- camera
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 235000015278 beef Nutrition 0.000 title claims abstract description 89
- 238000001514 detection method Methods 0.000 title claims abstract description 39
- 238000005516 engineering process Methods 0.000 claims abstract description 21
- 229910052782 aluminium Inorganic materials 0.000 claims description 13
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 claims description 12
- 238000009434 installation Methods 0.000 claims description 4
- 238000000429 assembly Methods 0.000 claims description 3
- 230000000712 assembly Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 9
- 235000020997 lean meat Nutrition 0.000 abstract description 4
- 239000000284 extract Substances 0.000 abstract description 3
- 230000008676 import Effects 0.000 abstract description 3
- 235000013305 food Nutrition 0.000 abstract description 2
- 230000003595 spectral effect Effects 0.000 description 17
- 238000001444 catalytic combustion detection Methods 0.000 description 16
- 239000011159 matrix material Substances 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 5
- 238000002474 experimental method Methods 0.000 description 4
- 238000005286 illumination Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000000034 method Methods 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- 238000000701 chemical imaging Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 235000013372 meat Nutrition 0.000 description 3
- 241000283690 Bos taurus Species 0.000 description 2
- 108010064719 Oxyhemoglobins Proteins 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000001066 destructive effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 210000003205 muscle Anatomy 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 210000002808 connective tissue Anatomy 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000003307 slaughter Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明属于食品质量检测技术领域，涉及一种基于多光谱图像技术的生鲜牛肉嫩度检测分级系统，在暗箱内，CCD工业相机的镜头对准高度可调载物台台面的中心，2个多光谱光源组件分别通过2个光源固定支架对称置于暗箱的左右侧壁上，多光谱光源组件上的大功率LED阵列有6种波段的LED组成，检测时被测样品置于高度可调载物台的台面上，6种波段的LED依次轮换发光，CCD工业相机采集被测样品的多光谱的图像，经计算机图像处理提取多光谱的瘦肉部位感兴趣区域的牛肉样品反射图像，从而提取牛肉大理石花纹，对牛肉大理石花纹含量进行评价分级和预测牛肉嫩度。本发明适用于分割生鲜牛肉销售、加工、进出口公司，以及质监部门的市场监督。
Description
技术领域
本发明属于食品质量检测技术领域，特别涉及一种基于多光谱图像技术的生鲜牛肉嫩度检测分级系统。
背景技术
改革开放以来，我国肉牛产业蓬勃发展，牛肉产量也逐年增加。近几年，牛的年屠宰量已居世界第一，产肉量也仅次于美国和巴西。但是从国际竞争力角度来看，我国牛肉出口量不到年产量的1%，远远落后于美国、澳大利亚、巴西、日本等牛肉产业强国。其中一个重要原因是，我国牛肉产业的现状是牛肉质量参差不齐，中低档牛肉居多，优质牛肉生产水平远远落后于国际先进水平。因此，建立我国牛肉产品分级标准，提高牛肉产品质量势在必行。为促进我国牛肉产业健康、快速、可持续发展，我国农业部于2003年颁布了牛肉分级标准(NY/T676-2003)，由牛肉质量等级标准和牛肉产量等级标准组成。
但是对于评价牛肉质量等级，通常采用主观的视觉评价，多凭专业人员自身经验而非客观定量判断，导致判断误差大，效率低。随着计算机及相关的数据处理的快速发展，直到20世纪80年代初，一些科学家开始研究将人工智能、机器视觉和图像处理等技术应用于牛肉分级领域，使牛肉自动分级技术逐步取得进展。
目前国内外牛肉分级技术主要集中在三个方面：一方面是基于机器视觉和图像处理技术根据牛胴体的眼肌处大理石花纹含量及肉色进行分级；第二方面 是基于光谱技术对牛肉的品质特征（如嫩度、含水量）进行预测和分级；第三，基于机器视觉和光谱信息融合技术，如利用高光谱成像技术对牛肉嫩度、大理石花纹多指标检测，利用牛肉脂肪和瘦肉在各个波段处反射值比值的最大值来确定用于分割大理石花纹的阈值。但是高光谱成像技术在农产品检测分级方面存在信息量大，处理速度慢、成本过高等问题，限制了其在商业化生产中的应用。
多光谱图像技术的应用于农产品的检测，大大减少了变量信息的输入，可提高检测速度和精度，已得到了较多应用。目前已有的国内专利多应用步进电机切换滤光片的方式得到多色光图像，或者利用多CCD结合滤光片的方式获取多光谱信息，但是存在很多问题。如机械装置的震动影响成像精度，滤光片安装角度的细微差别导致不同波长成像位移，导致空间光谱分辨率低；转轮孔位有限，成像波长范围窄；多孔位转轮速度慢，拍摄时间长；波长精度受限于滤光片规格，不一致容易造成硬件系统不稳定。这些问题不仅增加检测成本并且降低了检测效率，而且不适宜开发便携式多光谱检测仪器或者应用于在线检测。
因此为了降低生鲜牛肉嫩度多光谱检测系统的成本，避免滤光片转换装置带来的不便，需要一种光源波长可变的聚光效果好的牛肉嫩度检测分级系统。
发明内容
本发明的目的为，解决背景技术所述光源波长可变的聚光效果好的牛肉嫩度检测分级系统问题，提供一种基于多光谱图像技术的生鲜牛肉嫩度检测分级系统，其特征在于，图像采集卡10和计算机11置于暗箱1外，在暗箱1内，高度可调载物台4置于暗箱底板的中心部位，检测时被测样品5置于高度可调载物台4的台面上，相机固定支架3固接在暗箱顶板上，CCD工业相机2镜头 向下安装在相机固定支架3上，CCD工业相机2的镜头对准高度可调载物台4台面的中心，2个光源固定支架9对称固接在暗箱1的左右侧壁上，2个多光谱光源组件6互为对称分别安装在左右2个光源固定支架9上，所述多光谱光源组件6 为圆弧形结构，圆弧的圆心在高度可调载物台4台面的中心位置，多光谱光源组件6的中心线与高度可调载物台4台面的中心线之间有夹角，控制电路8的光源供电输出端与多光谱光源组件6上的大功率LED阵列7的电源输入端连接，所述LED即为发光二极管，高度可调载物台4的电控信号输入端与控制电路8的控制信号输出端连接，控制电路8的输入端与计算机11的控制输出端连接，CCD工业相机2的图像信号输出端与图像采集卡10输入端连接，图像采集卡10输出端与计算机11的图像信号输入端连接；
所述多光谱光源组件6由圆弧形的光源底座601、圆弧形的铝制散热片602和大功率LED阵列7组成，铝制散热片602固接在光源底座601的内圆弧面上，大功率LED阵列7安装在铝制散热片602的内圆弧面上，所述大功率LED阵列7由LEDⅠ701、LEDⅡ702、LEDⅢ703、LEDⅣ704、LEDⅤ705和LEDⅥ706组成，LEDⅠ701、LEDⅡ702、LEDⅢ703、LEDⅣ704、LEDⅤ705和LEDⅥ706排列在同一条圆弧线上分别置于铝制散热602的6个LED安装位置；
所述LEDⅠ701为绿光LED，中心波段为530nm；所述LEDⅡ702为黄光LED，中心波段为590nm；所述LEDⅢ703为红光LED，中心波段为630nm；所述LEDⅣ704为近红光LED，中心波段为720nm；所述LEDⅤ705为近红光LED，中心波段为850nm；所述LEDⅥ706为近红光LED，中心波段为940nm；检测使用中，所述6种波段的LED依次轮换发光；
所述多光谱光源组件6的中心线与高度可调载物台4台面的中心线的夹角 范围为30°～45°；
所述相机固定支架3为上下、左右和前后可调的手动三维调节支架；
所述高度可调载物台4为上下可调的电控一维调节架，由计算机11通过控制电路8控制；
所述光源固定支架9为上下和光源组件仰角可调的手动调节支架。
本发明的软件部分包括下位机主程序、数据采集程序、数据存储及处理程序、界面显示程序和串口程序等，主要完成数据的采集和传送，在计算机11上实现对串口传输的数据进行存储、图形显示及牛肉品质建模预测。计算机11通过软件系统可实现多光谱光源组件6的大功率LED阵列7的6种波段的LED轮换发光控制，并同时控制多光谱检测系统的CCD工业相机2采集生鲜牛肉的多光谱图像信息。所述的计算机11通过数据采集程序控制CCD工业相机2对检测对象拍照。一旦控制电路8的开关装置启动LED发光，计算机11收到控制电路8的信号后，即刻触发CCD工业相机2采集图像，即每个样品采集6幅图像。
本发明可采集6个特定波长下的生鲜牛肉样品整体图像，然后通过图像处理和纹理分析，对牛肉的嫩度值和大理石花纹进行预测和评级，实现生鲜牛肉的嫩度无损检测和评级。
本发明的有益效果为，与传统人工感官及通过理化实验评价牛肉品质，人工进行大理石花纹分级相比，该系统能有效提高检测准确率，降低因检测人员疲劳造成的人为误差，减少检测时间，真正实现快速无损品质检测。本发明能广泛应用与分割生鲜牛肉的销售、加工、进出口公司、超市及质监部门的市场监督等，根据市场需求快速检测牛肉嫩度、大理石花纹等级、含水量等重要品质参数，有利于规范牛肉销售市场，保证牛肉产品质量，提高牛肉产品在国际 市场上的竞争力。
附图说明
图1为基于多光谱图像技术的生鲜牛肉嫩度检测分级系统结构示意图；
图2为多光谱光源组件主视图；
图3为本发明采用的6种大功率LED（发光二极管）光谱特性曲线；
图4A为530nm波段LED光源照射下的被测牛肉样品的图像；
图4B为590nm波段LED光源照射下的被测牛肉样品的图像；
图4C为630nm波段LED光源照射下的被测牛肉样品的图像；
图4D为720nm波段LED光源照射下的被测牛肉样品的图像；
图4E为850nm波段LED光源照射下的被测牛肉样品的图像；
图4F为940nm波段LED光源照射下的被测牛肉样品的图像；
图5A为从图4A中的ROI区域内提取的牛肉样品反射图像；
图5B为从图4B中的ROI区域内提取的牛肉样品反射图像；
图5C为从图4C中的ROI区域内提取的牛肉样品反射图像；
图5D为从图4D中的ROI区域内提取的牛肉样品反射图像；
图5E为从图4E中的ROI区域内提取的牛肉样品反射图像；
图5F为从图4F中的ROI区域内提取的牛肉样品反射图像；
图6为本发明对牛肉嫩度检测的实施流程图。
图中，1--暗箱，2--CCD工业相机3--相机固定支架，4--高度可调载物台，5--被测样品，6--多光谱光源组件，7--大功率LED阵列，8--控制电路，9--光源固定支架，10--图像采集卡，11--计算机，201--LEDⅠ光谱曲线，202--LEDⅡ光谱曲线，203--LEDⅢ光谱曲线，204--LEDⅣ光谱曲线，205--LEDⅤ光谱曲线， 206--LEDⅥ光谱曲线，601--光源底座，602--铝制散热片，701--LEDⅠ，702--LEDⅡ，703--LEDⅢ，704--LEDⅣ，705--LEDⅤ，706--LEDⅥ。
具体实施方式
下面结合实施例和附图对本发明作进一步详细描述。
图1为本发明实施例的结构示意图。如图所示，图像采集卡10和计算机11置于暗箱1外，在暗箱1内，高度可调载物台4置于暗箱底板的中心部位，检测时被测样品5置于高度可调载物台4的台面上，相机固定支架3固接在暗箱顶板上，CCD工业相机2镜头向下安装在相机固定支架3上，CCD工业相机2的镜头对准高度可调载物台4台面的中心，2个光源固定支架9对称固接在暗箱1的左右侧壁上，2个多光谱光源组件6互为对称分别安装在左右2个光源固定支架9上，所述多光谱光源组件6 为圆弧形结构，圆弧的圆心在高度可调载物台4台面的中心位置，多光谱光源组件6的中心线与高度可调载物台4台面的中心线之间有45°夹角，控制电路8的光源供电输出端与多光谱光源组件6上的大功率LED阵列7的电源输入端连接，LED即为发光二极管，高度可调载物台4的电控信号输入端与控制电路8的控制信号输出端连接，控制电路8的输入端与计算机11的控制输出端连接，CCD工业相机2的图像信号输出端与图像采集卡10输入端连接，图像采集卡10输出端与计算机11的图像信号输入端连接。相机固定支架3为上下、左右和前后可调的手动三维调节支架。高度可调载物台4为上下可调的电控一维调节架，由计算机11通过控制电路8控制。光源固定支架9为上下和光源组件仰角可调的手动调节支架，光谱光源组件6的中心线与高度可调载物台4台面的中心线的夹角范围为45°。
CCD工业相机2为UNIQ公司UM301型号相机，该相机光谱的响应范围为 400-1100nm。图像采集卡10为Matrox公司的CronosPlus。
如图2所示，多光谱光源组件6由圆弧形的光源底座601、圆弧形的铝制散热片602和大功率LED阵列7组成，铝制散热片602固接在光源底座601的内圆弧面上，大功率LED阵列7安装在铝制散热片602的内圆弧面上。大功率LED阵列7由LEDⅠ701、LEDⅡ702、LEDⅢ703、LEDⅣ704、LEDⅤ705和LEDⅥ706组成，LEDⅠ701、LEDⅡ702、LEDⅢ703、LEDⅣ704、LEDⅤ705和LEDⅥ706自左向右依次排列在同一条圆弧线上分别置于铝制散热602的6个LED安装位置。
大功率LED阵列7所用的各个大功率LED，功率为3W，额定电流为700mA。该大功率LED的中心波段主要分布在可见及近红外区域，包括530nm（绿光）、590nm（黄光）、630nm（红光）以及近红外的720nm、850nm和 940nm波段，半波带宽平均为±15nm。
图3为本发明采用的6种大功率LED光谱特性曲线，各LED光谱特性曲线如图中LEDⅠ光谱曲线201、LEDⅡ光谱曲线202、LEDⅢ光谱曲线203、LEDⅣ光谱曲线204、LEDⅤ光谱曲线205和LEDⅥ光谱曲线206所示，LEDⅠ701为绿光LED，中心波段为530nm； LEDⅡ702为黄光LED，中心波段为590nm； LEDⅢ703为红光LED，中心波段为630nm； LEDⅣ704为近红光LED，中心波段为720nm； LEDⅤ705为近红光LED，中心波段为850nm； LEDⅥ706为近红光LED，中心波段为940nm。检测使用中， 6种波段的LED依次轮换发光。
图4A至图4F和图5A至图5F分别为本实施例对同一牛肉样品测试的多光谱的图像和提取的牛肉样品瘦肉部位感兴趣区域（ROI）反射图像。其中，图4A至图4F分别为530nm（绿光）、590nm（黄光）、630nm（红光）波段以及近 红外的720nm、850nm和 940nm波段的LED光源照射下的被测牛肉样品的图像；图5A至图5F分别为从图4A至图4F中的ROI区域内提取的牛肉样品反射图像，用于之后的纹理特征分析。
本发明的工作过程为：
图6为本发明对牛肉嫩度检测分级的实施流程图，具体操作如下：
步骤300，启动多光谱图像检测系统程序：首先，打开系统电源，将需要检测的对象放入暗箱1中，开启LED牛肉多品质多光谱检测分级系统程序；
步骤310，放置被测样本于载物台：将生鲜牛肉的被测样品5置于高度可调载物台4的台面上，调整到固定高度，使被测样品5表面到CCD工业相机2的镜头距离固定不变；
步骤320，启动LED发光的控制电路；
步骤330， LED阵列光源轮换发光：大功率LED阵列7中的不同波长的LED，按LEDⅠ701、LEDⅡ702、LEDⅢ703、LEDⅣ704、LEDⅤ705、LEDⅥ706顺序轮换发光，依次发光的波段为530nm、590nm、630nm、720nm、850nm、940nm；
步骤340，触发CCD相机采集图像：计算机11接收到控制电路8的返回信号后，触发CCD工业相机2采集图像信号；
步骤350，存储程序存储图像信息：CCD工业相机2通过图像采集卡10将采集到的光谱图像信息传输到计算机11，存储程序存储多光谱图像，每个样品获取6幅图像，如图4A至图4F所示；
步骤360，多光谱图像降噪，中值滤波：计算机11通过图像处理程序首先对获取的多光谱图像进行降噪、中值滤波等预处理；
步骤370，图像分割去背景，提取瘦肉部位感兴趣区域（ROI）的反射图像：然后经阈值分割、二值化步骤去除样品背景，得到样本的图像，由于样品边缘不规则，且样本中存在结缔组织和脂肪，在判别中容易出现误判，于是从样本瘦肉部位提取被测样本图像中的统一尺寸的200×200像素区域作为瘦肉部位感兴趣区域（ROI）的牛肉样品反射图像，如图5A至图5F所示；
步骤380，多光谱的图像特征提取和纹理分析：在选取多光谱的感兴趣区域内，提取被测样本图像的灰度共生矩阵的特征参数，包括能量，熵，均匀性，差异性，对比度及相关性，这些特征参量主要通过描述图像中象素点间灰度级的相关性来反映纹理特征；以检测系统软件程序所提取的特征参数矩阵为输入变量，建立预测模型，预测牛肉嫩度；在大理石花纹含量评价实验中，由于在波长530nm为氧合血红蛋白吸收波段，脂肪与瘦肉反射光谱有最大的比值，故选择单一的530nm牛肉样品反射图像用于提取牛肉大理石花纹；
步骤390，判别牛肉的大理石花纹含量等级；
步骤400，预测牛肉嫩度；
步骤410，检测结果显示：最后将牛肉嫩度和大理石花纹含量等级和预测及判别牛肉嫩度等级的结果显示在检测系统的界面中。
本发明利用多光谱图像技术进行生鲜牛肉嫩度预测和分级处理，主要基于提取图像的灰度共生矩阵中的纹理特征参数进行纹理分析的原理：
灰度共生矩阵是一种通过研究灰度的空间相关特性来描述纹理的常用方法。灰度共生矩阵是对图像上保持一定距离的两像素分别具有某灰度的状况进行统计得到的，反映了关于方向、相邻间隔、变化幅度等综合信息。作为纹理的特征量，往往不是直接应用弧度共生矩阵，而是在灰度共生矩阵的基础上在 提取纹理特征参量，成为二次统计量。
本发明在对多光谱图像进行纹理特征分析时，提取了常用的特征参数来反映牛肉样品的纹理特征。例如能量（∑∑{P2(i,j,d,θ)}），主要反映在某个相对位置的灰度共生矩阵的强度。熵（-∑∑P(I,j)log(P(i,j))），是图像信息量的量度，无纹理时为0，满纹理时为最大，可反映脂肪含量等特征。均匀性（∑∑1/1+(i,j)2）P(i,j,d,θ)}），反映了图像总体上相邻像素间灰度变化幅度，即被测样本的纹理粗细状况。对比度（∑∑(i-j)2P2(i,j,d,θ)），反映了图像的纹理清晰程度，图像越清晰，对比度值越大。式中，i和j分别为两个像素的灰度，δ为两个像素间的位置关系，不同的δ决定了两像素间的距离和方向θ，一般常用0°，45°，90°和135°这四个方向上的位置。
用灰度共生矩阵描述纹理的特征参数还有平均值、方差、惯性等，它们从不同角度对纹理进行分析。对于实际的图像，其纹理往往是很复杂的，需要在实验中根据不同种类及纹理特征的被测样本，选用最有利于纹理特征描述的特征参数进行建模分析。
在实际检测中，利用本发明的多光谱成像检测系统采集牛肉样本的多光谱图像，然后按照国标进行参照值测量。采用偏最小二乘支持向量机建模方法，以检测系统软件程序所提取的特征参数矩阵为输入变量，建立预测模型，预测牛肉嫩度，预测相关系数可达到0.9以上。在大理石花纹含量评价实验中，由于在波长530nm为氧合血红蛋白吸收波段，脂肪与瘦肉反射光谱有最大的比值，故可选择单一的530nm牛肉样品反射图像用于提取牛肉大理石花纹，通过计算牛肉图像有效眼肌面积，提取脂肪密度参数，与大理石花纹标准图谱比照建立判别模型，可对牛肉大理石花纹含量进行评价分级，其准确率能达到90%以上。
本发明还能针对不同品种的被测对象以及不同的被测参数，如检测牛肉含水率、肉色等；选择相应特征波段的光源，实现牛肉多品质参数的快速检测。
本发明适用于分割生鲜牛肉的销售、加工、进出口公司，以及质监部门的市场监督。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。
Claims (6)
1.一种基于多光谱图像技术的生鲜牛肉嫩度检测分级系统，其特征在于，图像采集卡（10）和计算机（11）置于暗箱（1）外，在暗箱（1）内，高度可调载物台（4）置于暗箱底板的中心部位，检测时被测样品（5）置于高度可调载物台（4）的台面上，相机固定支架（3）固接在暗箱顶板上，CCD工业相机（2）镜头向下安装在相机固定支架（3）上，CCD工业相机（2）的镜头对准高度可调载物台（4）台面的中心，2个光源固定支架（9）对称固接在暗箱（1）的左右侧壁上，2个多光谱光源组件（6）互为对称分别安装在左右2个光源固定支架（9）上，所述多光谱光源组件（6） 为圆弧形结构，圆弧的圆心在高度可调载物台（4）台面的中心位置，多光谱光源组件（6）的中心线与高度可调载物台（4）台面的中心线之间有夹角，控制电路（8）的光源供电输出端与多光谱光源组件（6）上的大功率LED阵列（7）的电源输入端连接，所述LED即为发光二极管，高度可调载物台（4）的电控信号输入端与控制电路（8）的控制信号输出端连接，控制电路（8）的输入端与计算机（11）的控制输出端连接，CCD工业相机（2）的图像信号输出端与图像采集卡（10）输入端连接，图像采集卡（10）输出端与计算机（11）的图像信号输入端连接；
所述多光谱光源组件（6）由圆弧形的光源底座（601）、圆弧形的铝制散热片（602）和大功率LED阵列（7）组成，铝制散热片（602）固接在光源底座（601）的内圆弧面上，大功率LED阵列（7）安装在铝制散热片（602）的内圆弧面上，所述大功率LED阵列（7）由LEDⅠ（701）、LEDⅡ（702）、LEDⅢ（703）、LEDⅣ（704）、LEDⅤ（705）和LEDⅥ（706）组成，LEDⅠ（701）、LEDⅡ（702）、LEDⅢ（703）、LEDⅣ（704）、LEDⅤ（705）和LEDⅥ（706）排列在同一条圆弧线上分别置于铝制散热片（602）的6个LED安装位置。
2.根据权利要求1所述的基于多光谱图像技术的生鲜牛肉嫩度检测分级系统，其特征在于，所述LEDⅠ（701）为绿光LED，中心波段为530nm；所述LEDⅡ（702）为黄光LED，中心波段为590nm；所述LEDⅢ（703）为红光LED，中心波段为630nm；所述LEDⅣ（704）为近红光LED，中心波段为720nm；所述LEDⅤ（705）为近红光LED，中心波段为850nm；所述LEDⅥ（706）为近红光LED，中心波段为940nm；检测使用中，所述6种波段的LED依次轮换发光。
3.根据权利要求1所述的基于多光谱图像技术的生鲜牛肉嫩度检测分级系统，其特征在于，所述多光谱光源组件（6）的中心线与高度可调载物台（4）台面的中心线的夹角范围为30°～45°。
4.根据权利要求1所述的基于多光谱图像技术的生鲜牛肉嫩度检测分级系统，其特征在于，所述相机固定支架（3）为上下、左右和前后可调的手动三维调节支架。
5.根据权利要求1所述的基于多光谱图像技术的生鲜牛肉嫩度检测分级系统，其特征在于，所述高度可调载物台（4）为上下可调的电控一维调节架，由计算机（11）通过控制电路（8）控制。
6.根据权利要求1所述的基于多光谱图像技术的生鲜牛肉嫩度检测分级系统，其特征在于，所述光源固定支架（9）为上下和光源组件仰角可调的手动调节支架。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2012103166353A CN102854148A (zh) | 2012-08-30 | 2012-08-30 | 基于多光谱图像技术的生鲜牛肉嫩度检测分级系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2012103166353A CN102854148A (zh) | 2012-08-30 | 2012-08-30 | 基于多光谱图像技术的生鲜牛肉嫩度检测分级系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN102854148A true CN102854148A (zh) | 2013-01-02 |
Family
ID=47400925
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2012103166353A Pending CN102854148A (zh) | 2012-08-30 | 2012-08-30 | 基于多光谱图像技术的生鲜牛肉嫩度检测分级系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102854148A (zh) |
Cited By (31)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103149163A (zh) * | 2013-02-05 | 2013-06-12 | 南京农业大学 | 基于多光谱图像纹理特征的检测牛肉嫩度的装置及其方法 |
| CN103185731A (zh) * | 2013-02-05 | 2013-07-03 | 南京农业大学 | 基于彩色图像纹理特征的检测牛肉嫩度的装置及其方法 |
| CN103344567A (zh) * | 2013-06-25 | 2013-10-09 | 中国农业大学 | 生鲜肉无损检测装置 |
| CN103592031A (zh) * | 2013-11-29 | 2014-02-19 | 中国肉类食品综合研究中心 | 牲畜宰后劣质肉肉色测定装置及劣质肉检测方法 |
| CN103954559A (zh) * | 2014-04-02 | 2014-07-30 | 中国农业大学 | 多波长大功率led点光源装置 |
| CN104089887A (zh) * | 2014-03-31 | 2014-10-08 | 浙江工商大学 | 检测雪花牛肉的装置和方法 |
| CN104089900A (zh) * | 2014-03-31 | 2014-10-08 | 浙江工商大学 | 雪花牛肉检测装置和方法 |
| CN104089904A (zh) * | 2014-03-31 | 2014-10-08 | 浙江工商大学 | 拼接羊肉检测装置和方法 |
| CN104089905A (zh) * | 2014-03-31 | 2014-10-08 | 浙江工商大学 | 拼接牛肉检测装置和方法 |
| CN104089899A (zh) * | 2014-03-31 | 2014-10-08 | 浙江工商大学 | 一种检测雪花牛肉的装置和方法 |
| CN104089903A (zh) * | 2014-03-31 | 2014-10-08 | 浙江工商大学 | 一种雪花牛肉检测装置和方法 |
| CN104132316A (zh) * | 2014-07-23 | 2014-11-05 | 苏州吉视电子科技有限公司 | 一种工业检测用led光源 |
| CN104251829A (zh) * | 2014-03-31 | 2014-12-31 | 浙江工商大学 | 一种拼接羊肉检测装置和方法 |
| CN104251817A (zh) * | 2014-03-31 | 2014-12-31 | 浙江工商大学 | 一种快速检测雪花牛肉的装置和方法 |
| CN104374717A (zh) * | 2014-08-18 | 2015-02-25 | 浙江工商大学 | 一种雪花牛肉检测系统和方法 |
| CN104502350A (zh) * | 2014-12-16 | 2015-04-08 | 公安部交通管理科学研究所 | 机动车号牌序列标识鉴别装置及鉴定方法 |
| CN105092494A (zh) * | 2015-07-17 | 2015-11-25 | 浙江大学 | 一种基于多波段led阵列的谷粒分类方法及系统 |
| CN105806232A (zh) * | 2016-03-23 | 2016-07-27 | 南京航空航天大学 | 一种基于近红外光的猪劈半胴体脂肪/瘦肉厚度无损测量系统 |
| CN105929121A (zh) * | 2016-04-25 | 2016-09-07 | 吉林大学 | 检测牛肉嫩度的咀嚼机器人 |
| CN107421951A (zh) * | 2017-08-29 | 2017-12-01 | 江苏大学 | 一种茶叶加工关键节点的检测方法及装置 |
| CN108593567A (zh) * | 2018-05-02 | 2018-09-28 | 江南大学 | 基于智能手机的食品质量检测方法及系统 |
| CN108628086A (zh) * | 2018-08-29 | 2018-10-09 | 常州天眼星图光电科技有限公司 | 一种人脸三维重建系统及其应用方法 |
| CN110022462A (zh) * | 2019-03-29 | 2019-07-16 | 江西理工大学 | 一种基于多光谱相机的安防监控系统 |
| CN110389134A (zh) * | 2019-07-24 | 2019-10-29 | 国网浙江省电力有限公司电力科学研究院 | 一种多角度图像采集装置及其方法 |
| CN110567962A (zh) * | 2019-10-18 | 2019-12-13 | 南京农业大学 | 一种猪胴体表皮图像采集装置 |
| CN110987826A (zh) * | 2019-12-16 | 2020-04-10 | 江苏大学 | 一种肉类品质检测装置 |
| CN110987824A (zh) * | 2019-12-04 | 2020-04-10 | 中国农业科学院兰州畜牧与兽药研究所 | 一种牛肉样品分析方法 |
| CN113390802A (zh) * | 2021-04-28 | 2021-09-14 | 中国农业科学院农产品加工研究所 | 一种用于肉品品质在线检测的距离调整方法及系统 |
| CN114754694A (zh) * | 2022-06-13 | 2022-07-15 | 新乡职业技术学院 | 一种基于多光谱的材料形变检测设备 |
| CN116391740B (zh) * | 2023-04-11 | 2023-09-19 | 浙江丰隆食品加工有限公司 | 基于智能分级的牛肉加工系统 |
| CN117554318B (zh) * | 2024-01-09 | 2024-03-19 | 北京龙知远科技发展有限公司 | 一种可视化辐照型红外气体浓度检测设备 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060024815A1 (en) * | 2004-07-30 | 2006-02-02 | Allman Steve L | High sensitivity array-based detection system |
| CN101059211A (zh) * | 2007-05-11 | 2007-10-24 | 江苏江旭电子有限公司 | 高亮度led路灯 |
| CN101406885A (zh) * | 2008-11-07 | 2009-04-15 | 浙江大学 | 用于水果自动分级的多色led视觉图像光源系统 |
| US20110090485A1 (en) * | 2009-10-15 | 2011-04-21 | Authentix, Inc. | Document sensor |
| US20110143000A1 (en) * | 2009-12-15 | 2011-06-16 | Peter Depew Fiset | Photonic wine processor |
| CN202045060U (zh) * | 2011-05-09 | 2011-11-23 | 湛江华丽金音影碟有限公司 | 基于uvled抛物柱面扇形阵列的光盘固化光源 |
| CN202165925U (zh) * | 2011-06-30 | 2012-03-14 | 深圳宜美智科技有限公司 | 一种适用于喷锡印刷线路板外观机检的光源装置 |
-
2012
- 2012-08-30 CN CN2012103166353A patent/CN102854148A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060024815A1 (en) * | 2004-07-30 | 2006-02-02 | Allman Steve L | High sensitivity array-based detection system |
| CN101059211A (zh) * | 2007-05-11 | 2007-10-24 | 江苏江旭电子有限公司 | 高亮度led路灯 |
| CN101406885A (zh) * | 2008-11-07 | 2009-04-15 | 浙江大学 | 用于水果自动分级的多色led视觉图像光源系统 |
| US20110090485A1 (en) * | 2009-10-15 | 2011-04-21 | Authentix, Inc. | Document sensor |
| US20110143000A1 (en) * | 2009-12-15 | 2011-06-16 | Peter Depew Fiset | Photonic wine processor |
| CN202045060U (zh) * | 2011-05-09 | 2011-11-23 | 湛江华丽金音影碟有限公司 | 基于uvled抛物柱面扇形阵列的光盘固化光源 |
| CN202165925U (zh) * | 2011-06-30 | 2012-03-14 | 深圳宜美智科技有限公司 | 一种适用于喷锡印刷线路板外观机检的光源装置 |
Non-Patent Citations (2)
| Title |
|---|
| 吴建虎等: "基于高光谱散射技术的牛肉嫩度和颜色的预测研究", 《纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会论文集》, 31 December 2009 (2009-12-31) * |
| 高晓东等: "基于高光谱成像技术的牛肉大理石花纹的评估", 《农产品加工（学刊）》, no. 10, 31 October 2009 (2009-10-31) * |
Cited By (43)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103185731A (zh) * | 2013-02-05 | 2013-07-03 | 南京农业大学 | 基于彩色图像纹理特征的检测牛肉嫩度的装置及其方法 |
| CN103149163A (zh) * | 2013-02-05 | 2013-06-12 | 南京农业大学 | 基于多光谱图像纹理特征的检测牛肉嫩度的装置及其方法 |
| CN103344567B (zh) * | 2013-06-25 | 2016-05-18 | 中国农业大学 | 生鲜肉无损检测装置 |
| CN103344567A (zh) * | 2013-06-25 | 2013-10-09 | 中国农业大学 | 生鲜肉无损检测装置 |
| CN103592031A (zh) * | 2013-11-29 | 2014-02-19 | 中国肉类食品综合研究中心 | 牲畜宰后劣质肉肉色测定装置及劣质肉检测方法 |
| CN104251829A (zh) * | 2014-03-31 | 2014-12-31 | 浙江工商大学 | 一种拼接羊肉检测装置和方法 |
| CN104089887A (zh) * | 2014-03-31 | 2014-10-08 | 浙江工商大学 | 检测雪花牛肉的装置和方法 |
| CN104089904A (zh) * | 2014-03-31 | 2014-10-08 | 浙江工商大学 | 拼接羊肉检测装置和方法 |
| CN104089905A (zh) * | 2014-03-31 | 2014-10-08 | 浙江工商大学 | 拼接牛肉检测装置和方法 |
| CN104089899A (zh) * | 2014-03-31 | 2014-10-08 | 浙江工商大学 | 一种检测雪花牛肉的装置和方法 |
| CN104089903A (zh) * | 2014-03-31 | 2014-10-08 | 浙江工商大学 | 一种雪花牛肉检测装置和方法 |
| CN104089900A (zh) * | 2014-03-31 | 2014-10-08 | 浙江工商大学 | 雪花牛肉检测装置和方法 |
| CN104089903B (zh) * | 2014-03-31 | 2017-01-04 | 浙江工商大学 | 一种雪花牛肉检测装置和方法 |
| CN104251817A (zh) * | 2014-03-31 | 2014-12-31 | 浙江工商大学 | 一种快速检测雪花牛肉的装置和方法 |
| CN104089900B (zh) * | 2014-03-31 | 2017-01-04 | 浙江工商大学 | 雪花牛肉检测装置和方法 |
| CN103954559A (zh) * | 2014-04-02 | 2014-07-30 | 中国农业大学 | 多波长大功率led点光源装置 |
| CN103954559B (zh) * | 2014-04-02 | 2016-07-20 | 中国农业大学 | 多波长大功率led点光源装置 |
| CN104132316A (zh) * | 2014-07-23 | 2014-11-05 | 苏州吉视电子科技有限公司 | 一种工业检测用led光源 |
| US10915006B2 (en) | 2014-07-23 | 2021-02-09 | Gfocus Technologies Co., Ltd. | LED light source for industrial inspection |
| CN104374717A (zh) * | 2014-08-18 | 2015-02-25 | 浙江工商大学 | 一种雪花牛肉检测系统和方法 |
| CN104502350A (zh) * | 2014-12-16 | 2015-04-08 | 公安部交通管理科学研究所 | 机动车号牌序列标识鉴别装置及鉴定方法 |
| CN104502350B (zh) * | 2014-12-16 | 2017-01-25 | 公安部交通管理科学研究所 | 机动车号牌序列标识鉴别装置及鉴定方法 |
| CN105092494A (zh) * | 2015-07-17 | 2015-11-25 | 浙江大学 | 一种基于多波段led阵列的谷粒分类方法及系统 |
| CN105092494B (zh) * | 2015-07-17 | 2018-02-06 | 浙江大学 | 一种基于多波段led阵列的谷粒分类方法及系统 |
| CN105806232A (zh) * | 2016-03-23 | 2016-07-27 | 南京航空航天大学 | 一种基于近红外光的猪劈半胴体脂肪/瘦肉厚度无损测量系统 |
| CN105806232B (zh) * | 2016-03-23 | 2018-10-23 | 南京航空航天大学 | 一种基于近红外光的猪劈半胴体脂肪/瘦肉厚度无损测量系统 |
| CN105929121A (zh) * | 2016-04-25 | 2016-09-07 | 吉林大学 | 检测牛肉嫩度的咀嚼机器人 |
| CN105929121B (zh) * | 2016-04-25 | 2018-07-03 | 吉林大学 | 检测牛肉嫩度的咀嚼机器人 |
| CN107421951A (zh) * | 2017-08-29 | 2017-12-01 | 江苏大学 | 一种茶叶加工关键节点的检测方法及装置 |
| CN108593567A (zh) * | 2018-05-02 | 2018-09-28 | 江南大学 | 基于智能手机的食品质量检测方法及系统 |
| CN108628086A (zh) * | 2018-08-29 | 2018-10-09 | 常州天眼星图光电科技有限公司 | 一种人脸三维重建系统及其应用方法 |
| CN110022462A (zh) * | 2019-03-29 | 2019-07-16 | 江西理工大学 | 一种基于多光谱相机的安防监控系统 |
| CN110389134A (zh) * | 2019-07-24 | 2019-10-29 | 国网浙江省电力有限公司电力科学研究院 | 一种多角度图像采集装置及其方法 |
| CN110567962A (zh) * | 2019-10-18 | 2019-12-13 | 南京农业大学 | 一种猪胴体表皮图像采集装置 |
| CN110987824A (zh) * | 2019-12-04 | 2020-04-10 | 中国农业科学院兰州畜牧与兽药研究所 | 一种牛肉样品分析方法 |
| CN110987826A (zh) * | 2019-12-16 | 2020-04-10 | 江苏大学 | 一种肉类品质检测装置 |
| CN110987826B (zh) * | 2019-12-16 | 2024-05-17 | 江苏大学 | 一种肉类品质检测装置 |
| CN113390802A (zh) * | 2021-04-28 | 2021-09-14 | 中国农业科学院农产品加工研究所 | 一种用于肉品品质在线检测的距离调整方法及系统 |
| CN113390802B (zh) * | 2021-04-28 | 2023-03-14 | 中国农业科学院农产品加工研究所 | 一种用于肉品品质在线检测的距离调整方法及系统 |
| CN114754694A (zh) * | 2022-06-13 | 2022-07-15 | 新乡职业技术学院 | 一种基于多光谱的材料形变检测设备 |
| CN114754694B (zh) * | 2022-06-13 | 2022-09-02 | 新乡职业技术学院 | 一种基于多光谱的材料形变检测设备 |
| CN116391740B (zh) * | 2023-04-11 | 2023-09-19 | 浙江丰隆食品加工有限公司 | 基于智能分级的牛肉加工系统 |
| CN117554318B (zh) * | 2024-01-09 | 2024-03-19 | 北京龙知远科技发展有限公司 | 一种可视化辐照型红外气体浓度检测设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102854148A (zh) | 基于多光谱图像技术的生鲜牛肉嫩度检测分级系统 | |
| CN103091296B (zh) | 基于光谱成像技术的植物健康状况检测方法及其装置 | |
| CN104535588B (zh) | 基于安卓系统的鸡蛋新鲜度无损检测系统及其检测方法 | |
| CN103076288B (zh) | 一种基于计算机视觉的鱼肉自动分级装置和方法 | |
| CN101701906B (zh) | 基于近红外超光谱成像技术的仓储害虫检测方法和装置 | |
| CN104897581B (zh) | 基于高光谱的识别新鲜肉、冷却肉和冷冻肉的方法及装置 | |
| CN111860639B (zh) | 一种量化烤烟烟叶烘烤特性的判定系统及判定方法 | |
| CN103808669B (zh) | 一种基于高光谱成像技术的苹果虫眼快速无损检测方法 | |
| CN106442561A (zh) | 用于检测柑橘表皮缺陷的在线图像采集系统及方法 | |
| CN108613989A (zh) | 一种稻谷不完善粒的检测方法 | |
| CN103149214B (zh) | 水果表面缺陷检测方法 | |
| CN102621077A (zh) | 高光谱反射图像采集系统及基于该系统的玉米种子纯度无损检测方法 | |
| CN111076670B (zh) | 一种苹果内外品质在线无损检测方法 | |
| CN114674759B (zh) | 一种柑橘黄龙病快速检测装置及检测方法 | |
| CN103344567A (zh) | 生鲜肉无损检测装置 | |
| CN104256882A (zh) | 基于计算机视觉的烟丝中再造烟叶比例测定方法 | |
| CN113256575B (zh) | 一种基于结构化高光谱系统的水果缺陷检测方法 | |
| CN109883967A (zh) | 一种基于信息融合的中华绒螯蟹品质等级判别方法 | |
| CN102601063A (zh) | 一种竹片自动识别分级方法 | |
| CN207516257U (zh) | 一种基于机器视觉的小麦籽粒图像采集平台 | |
| CN210465246U (zh) | 小麦感染赤霉病等级及病粒率高光谱无损检测装置的光谱采集装置 | |
| CN110243805B (zh) | 基于拉曼高光谱成像技术的鱼刺检测方法 | |
| CN203178188U (zh) | 一种基于光谱成像技术的植物健康状况检测装置 | |
| CN103185609A (zh) | 一种西红柿分级的图像检测方法 | |
| CN100376888C (zh) | 牛肉胴体质量的计算机视觉检测分级方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130102 |