CN106841052A - 一种快速检测食用肉类新鲜度的方法和系统 - Google Patents

Abstract

本发明提供一种快速检测食用肉类新鲜度的方法，包括步骤：S1启动光源和微型高光谱传感器，获取待检测食用肉类样品的原始高光谱数据；S2对采集的高光谱数据进行预处理，所述预处理包括降噪处理、反射率计算、特征增强处理中的一种或多种；S3对经预处理的高光谱数据进行特征空间变换，得到待检测肉类特征空间中，相对于第i波段的高光谱特征值；S4在变换的特征空间中选取特定波长下对应的特征值，构建新鲜度判别指数，用于鉴别未知肉类样品的新鲜度水平。本发明提出的方法，通过对多日不同条件下肉类的光谱数据的处理和分析，得出可信度高的新鲜度指数，可以快捷地判断样品新鲜度。

Description

一种快速检测食用肉类新鲜度的方法和系统

技术领域

本发明属于检测领域，具体涉及一种利用材料的光学性质检测肉类新鲜度的方法。

背景技术

冷鲜肉类是大众消费的主要食品之一，新鲜度是肉类质量的直接反映，其状况切实关系着消费者的食用安全和健康。然而现阶段消费市场上还没有关于冷鲜肉类新鲜度明确的划分标识，其品质良莠不齐。常用的肉类新鲜度检测方法包括感官检测、理化检测、微生物检测，以及近年来发展迅速地基于近红外光谱技术的检测方法。感官检测是消费市场中应用最为广泛的新鲜度鉴别手段，消费者通过看颜色、闻气味、捏手感等物理途径，定性地判断肉类的新鲜度。然而这种方法极大依赖于观察者的生活经验，不但主观性较强，且容易受到外界因素的影响，如：光线、环境等，从而造成错误判断。理化和微生物检测方法通过对肉类采样，在实验室内进行化学反应，从而测定表征新鲜度水平的化学指标，判断其新鲜度等级。这种方法能够定量准确的判断肉类新鲜度，但其过程繁复、周期较长、效率不高，难以投入消费市场中应用，且在大范围内进行新鲜度检测时，需要使用大量的化学药剂，对环境造成一定程度的伤害。

近年来，随着光谱技术的快速发展，一种基于近红外光谱分析的无损检测方法被应用于肉类新鲜度的检测，并取得了较好的实验效果。这种方法通过获取肉类样本的光谱反射曲线，并对其内部物质含量进行建模，定量的分析肉类新鲜度等级。虽然该方法具备快速、无损、实时等优势，但现阶段还局限在实验室内进行，需要价格昂贵的光谱测量系统支撑，成本较高，且后期需要具备专业知识的相关人员通过复杂的计算机算法对数据进行分析建模。以上都限制了该新型无损检测技术广泛投入消费市场中应用。因此，如何充分利用光谱检测技术的优势，同时节约装置成本，优化分析算法，降低技术门槛，切实投入消费市场中应用是目前亟待解决的关键问题。

发明内容

针对现有技术存在的不足之处，本发明的目的是基于高光谱技术提出一种快速检测食用肉类新鲜度的方法，以解决当前技术算法复杂，仪器价格昂贵，只局限于实验室内对肉类新鲜度进行鉴别，无法投入消费市场应用的问题。

本发明的第二个目的是提出一种快速检测食用肉类新鲜度的系统，

实现本发明目的的技术方案为：

一种快速检测食用肉类新鲜度的方法，包括步骤：

S1启动光源和微型高光谱传感器，获取待检测食用肉类样品的原始高光谱数据；

S2对采集的高光谱数据进行预处理，所述预处理包括降噪处理、反射率计算、特征增强处理中的一种或多种；

S3对经预处理的高光谱数据进行特征空间变换，得到待检测肉类特征空间中，相对于第i波段的高光谱特征值；

S4在变换的特征空间中选取特定波长下对应的特征值，构建新鲜度判别指数，用于鉴别未知肉类样品的新鲜度水平；

其中，步骤S1中，所述光源为卤素灯；所述高光谱传感器光谱覆盖范围是600-900nm，光谱分辨率优于5nm，信噪比优于500：1；所述食用肉类为富含肌红蛋白的红肉。

其中，步骤S2中，所述降噪处理采用邻域均值滤波器取出随机噪声，处理的公式为

式(1)中，R_i为平滑后中心波长处的反射值，N为邻域窗口中总计的波段数，Ω为邻域集合。

其中，所述待检测的食用肉类为富含肌红蛋白的红肉，邻域窗口中总计的波段数N为3或5。

其中，步骤S3中，所述特征空间变换采用一阶微分变换，变换的公式为：

式(2)中D_i为一阶微分空间第i波段对应的特征值，R_i、R_i+1分别为原始光谱空间第i、i+1波段反射率，b_i、b_i+1为两波段所对应波长。

其中，步骤S4中，所述新鲜度判别指数F的计算公式为：

其中N为选取的特定波长范围内总计的波段个数；i为该波长区间内波长的序号；Di为波长范围内各波段所对应的特征值。

其中，步骤S4中，在波长750±5nm范围内选取特征值。

所述的方法，还包括步骤：

S5根据实际需求进行阈值设定，对新鲜度判别指数F进行等级划分，判别待检测食用肉类样品的新鲜度等级。在应用于消费市场时，依照普通用户的日常需求，可设定2个阈值，将新鲜度等级划分为新鲜、次新鲜和不新鲜三级；在应用于质检部门检测时，依照相关尺度标准，可设定多阈值，细化新鲜度等级。

本发明还提出一种快速检测食用肉类新鲜度的系统，其包括光源模块、光谱数据获取模块、光谱数据分析模块、肉类新鲜度检测模块、结果显示模块。

所述光源模块包括微型卤素灯源，

所述光谱数据获取模块包括微型高光谱传感器；

所述肉类新鲜度检测模块为根据权利要求1～8任一项所述的方法设定的新鲜度判别模型，用以检测待测肉类样品的新鲜程度；

所述结果显示模块接收将云端数据处理中心处理分析获取的结果，进行显示；

所述光源模块、光谱数据获取模块、结果显示模块集成在检测终端中，所述光谱数据分析模块、肉类新鲜度检测模块设置在云数据处理中心，所述检测终端和云数据处理中心为通讯连接。

所述光源为微型卤素灯源，可集成在智能手机中，通过光源发出的光束照射在待测样品上，经由待鉴别样品反射返回智能手机装置内的光谱测量系统。

所述光谱数据获取模块，是指利用集成在智能手机中的微型光谱仪对所述光源照射在待测样品上的反射光进行接收，并将采集到的光谱数据通过智能手机传输到云端数据处理中心单元，同时在智能手机光谱采集界面实时绘制样品光谱曲线。

所述光谱数据分析模块是指云端数据处理中心调用预先设定的光谱数据预处理模型、特征变换模型、新鲜度指数计算模型等对所述肉类原始光谱数据进行处理分析。该模块位于云端数据处理中心单元。

所述肉类新鲜度检测模块是指云端数据处理中心调用预先设定的新鲜度判别模型，检测待测肉类样品的新鲜程度。

所述结果显示模块，是指将云端数据处理中心处理分析获取的结果通过无线网络回传给智能手机，进行显示。

进一步地，所述光源模块、光谱数据获取模块、结果显示模块集成在智能手机中。

与现有技术相比，本发明的优点和有益效果在于：

本发明提出的方法，通过对多日不同条件下肉类的光谱数据的处理和分析，得出可信度高的新鲜度指数，可以快捷地判断样品新鲜度；

基于本发明的光谱数据处理方法，并设计将光谱数据和复杂的数据处理与分析过程传输到云端数据处理中心，最后只将分析结果反馈到智能手机，因此不仅降低了对手机设备计算和存储功能的要求，还大大提高了运算速度；同时，本发明构建了一种具有明确物理意义的、稳定的特征指数来检测食用肉类新鲜度，简化了对全谱段光谱分析的复杂过程，降低了算法复杂度，提高了数据处理效率，可实现快速、有效的肉类新鲜度检测。

本发明通过将微型高光谱传感器和光源集成在智能手机中，降低了传统的实验室光谱检测所需要的仪器成本，同时使得光谱测量设备更加便携，降低了技术门槛，便于普通消费者在日常生活中使用。

本发明基于以上三点，能够实现光谱测量系统、数据分析系统、结果反馈系统“三位一体”，充分利用光谱检测技术的优势，同时节约设备成本，优化分析算法，降低技术门槛，具备投入消费市场广泛应用的潜力。

附图说明

图1为本发明实施例提供的一种快速检测食用肉类新鲜度的方法流程图；

图2为本发明实施例提供的快速检测食用肉类新鲜度的系统结构示意图；

图3为本发明实施例提供的常温下放置不同时间的猪肉样品的光谱曲线；

图4为本发明实施例提供的冷藏下放置不同时间的猪肉样品的光谱曲线；

图5为本发明实施例提供的常温下放置不同时间的猪肉样品特定波长范围内的一阶微分特征曲线；

图6为本发明实施例提供的冷藏下放置不同时间的猪肉样品特定波长范围内的一阶微分特征曲线；

图7为本发明实施例提供的常温及冷藏放置不同时间的猪肉样品新鲜度特征指数随时间变化图；

具体实施方式

以下以具体实施例来进一步说明本发明技术方案。本领域技术人员应当知晓，实施例仅用于说明本发明，不用于限制本发明的范围。

实施例中，便携式光谱仪，PSR-3500便携式地物波谱仪，美国Spectral Evolution公司，光谱覆盖范围是600-900nm。自带的光源为微型卤素灯。

实施例中，如无特别说明，所用技术手段为本领域常规的技术手段。

实施例1：

本实施例检测的样品为猪肉，数据处理的流程如图1。

S1启动光源和微型高光谱传感器，获取待检测食用肉类样品的原始高光谱数据；通过便携式光谱仪获取待鉴别的猪肉样品在预设波段的高光谱反射曲线，光谱范覆盖在400-2500nm。

猪肉样品分别在常温和冷藏条件下放置，在0～96h之间每隔12h进行一次检测，如图3、图4内文字框标记的时间。

S2对光谱曲线进行平滑预处理；本实施例选取N＝5邻域均值滤波器去除随机噪声的影响，具体公式如下：

其中，R_i为平滑后中心波长处的反射值，N为邻域窗口中总计的波段数，Ω为邻域集合。平滑处理后得图3和图4。

图3原图为彩色，在750nm的反射曲线从上向下依次为12h常温、00h常温、24h常温、48h常温、72h常温、96h常温、84h常温、36h常温、60h常温。图4原图为彩色，在750nm的反射曲线从上向下依次为12h冷藏、24h冷藏、36h冷藏、48h冷藏、72h冷藏、60h冷藏、84h冷藏、96h冷藏。图3和图4中的反射率曲线与肉类样品的新鲜度水平不具有明显的特征关系，其原因是由于实验环境的差异所导致，如电压的变化、杂散光的影响等。因此仅仅利用肉类样品的反射率曲线进行新鲜度的相关性分析是不够准确的。

S3对预处理后待鉴别肉类样品的光谱曲线进行特征空间变换，获取所述待鉴别样品的特征曲线；本实施例应用一阶微分变换，并选取特定波长范围内(700-800nm)的光谱曲线进行特征变换，将待鉴别样本的原始光谱空间用式(2)变换为一阶微分特征空间。式(2)中，i为待求波段的编号，bi为待求波段波长，bi+1为相邻波段波长。

如图5、图6所示，分别为常温样品以及冷藏样品特定波长范围内的，经5邻域均值降噪的一阶微分特征曲线。所用降噪方法同步骤S1。图5原图为彩色，在750nm处的微分曲线从上向下依次为96h常温、84h常温、72h常温、60h常温、48h常温、36h常温、24h常温、12h常温、0h常温。图6原图为彩色，在750nm处的微分曲线从上向下依次为96h冷藏、84h冷藏、72h冷藏、60h冷藏、48h冷藏、36h冷藏、24h冷藏、12h冷藏、0h冷藏。经过一阶微分变换，在对应的特征空间中，肉类样品的新鲜度与特征曲线具有良好的相关性。由图5、图6可以看出，随着肉类样品新鲜度的降低，其所富含的肌红蛋白质含量逐渐降低，对应的一阶微分特征曲线在750nm波长处特征值逐渐增大，具有较强的新鲜度分辨能力。因此选择750nm附近的一阶微分光谱特征，作为判别肉类新鲜度等级的指标具有较强的可信度。

S4根据图5、图6特征曲线及对应的特征值，选取特征波段构建肉类新鲜度评价指数；由对光谱曲线和微分曲线的分析可知，750nm附近是肌红蛋白的吸收波长，具有较强的物理意义，对肉类新鲜度的指示稳定、明显。因此选取一阶微分特征空间内750±5nm附近特征值的均值作为鉴别肉类新鲜度的特征标准，按照式(3)构建新鲜度特征指数F。

图7为常温样本及冷藏样本随时间变化，其新鲜度特征指数变化的折线图。

由图7可以看出，新鲜度指数随着时间增加而增大，冷藏样品的新鲜度指数明显小于常温保存的，说明本方法提出的新鲜度指数准确地反映了肉类新鲜程度，且不受温度的影响。

实施例2

本实施例能够应用所述新鲜度评价指数对肉类样品的新鲜度等级进行有效划分。采用阈值分割方法，对常温及冷藏样品设置阈值进行新鲜度等级划分。在应用于消费市场时，确定三个新鲜度等级，设定2个阈值T1，T2作为划分肉类样品新鲜度等级的标准。F<T1时划分为新鲜肉类，T2<F<T1时划分为次新鲜肉类，F>T2时划分为不新鲜肉类。T1和T2的具体值参照有关监管部门的标准而设定。

对待测样品进行检测，得到原始高光谱数据后，按照实施例1步骤S2～S4处理数据，得到新鲜度特征指数F值，判定其属于那一等级。

实施例3

参见图2，一种快速检测食用肉类新鲜度的系统，包括光源模块、光谱数据获取模块、光谱数据分析模块、肉类新鲜度检测模块、结果显示模块。

光源模块包括微型卤素灯，光谱数据获取模块包括微型高光谱传感器，它们均集成在智能手机内。结果显示模块，是指将云端数据处理中心处理分析获取的结果通过无线网络回传给智能手机，进行显示。结果显示模块利用智能手机自带的屏幕。

光谱数据分析模块是指云端数据处理中心调用预先设定的光谱数据预处理模型、特征变换模型、新鲜度指数计算模型等对所述肉类原始光谱数据进行处理分析。该模块位于云端数据处理中心。肉类新鲜度检测模块是指云端数据处理中心调用预先设定的新鲜度判别模型，检测待测肉类样品的新鲜程度。

光谱数据分析模块和肉类新鲜度检测模块均按照实施例1的方法建立。

通过将微型高光谱传感器和光源集成在智能手机中，降低了传统的实验室光谱检测所需要的仪器成本，同时使得光谱测量设备更加便携，降低了技术门槛，便于普通消费者在日常生活中使用。

以上的实施例仅仅是对本发明的具体实施方式进行描述，并非对本发明的范围进行限定，本领域技术人员在现有技术的基础上还可做多种修改和变化，在不脱离本发明设计精神的前提下，本领域普通工程技术人员对本发明的技术方案作出的各种变型和改进，均应落入本发明的权利要求书确定的保护范围内。

Claims (10)

1.一种快速检测食用肉类新鲜度的方法，其特征在于，包括步骤：

S1启动光源和微型高光谱传感器，获取待检测食用肉类样品的原始高光谱数据；

S2对采集的高光谱数据进行预处理，所述预处理包括降噪处理、反射率计算、特征增强处理中的一种或多种；

S3对经预处理的高光谱数据进行特征空间变换，得到待检测肉类特征空间中，相对于第i波段的高光谱特征值；

S4在变换的特征空间中选取特定波长下对应的特征值，构建新鲜度判别指数，用于鉴别未知肉类样品的新鲜度水平。

2.根据权利要求1所述的方法，其特征在于，步骤S1中，所述光源为卤素灯，所述高光谱传感器光谱覆盖范围是600-900nm，光谱分辨率优于5nm，信噪比优于500：1。

3.根据权利要求1所述的方法，其特征在于，步骤S2中，所述降噪处理采用邻域均值滤波器取出随机噪声，处理的公式为

$R_i=\frac{1}{N}\underset{j\&Element;\mathrm{\&Omega;}}{\&Sigma;}{R}_j---\left(1\right)$

式(1)中，R_i为平滑后中心波长处的反射值，N为邻域窗口中总计的波段数，Ω为邻域集合。

4.根据权利要求3所述的方法，其特征在于，所述待检测的食用肉类为富含肌红蛋白的红肉，邻域窗口中总计的波段数N为3或5。

5.根据权利要求1所述的方法，其特征在于，步骤S3中，所述特征空间变换采用一阶微分变换，变换的公式为：

$D_i=\frac{R_{i+1}-R_i}{b_{i+1}-b_i}---\left(2\right)$

式(2)中D_i为一阶微分空间第i波段对应的特征值，R_i、R_i+1分别为原始光谱空间第i、i+1波段反射率，b_i、b_i+1为两波段所对应波长。

6.根据权利要求1所述的方法，其特征在于，步骤S4中，所述新鲜度判别指数F的计算公式为：

$F=\frac{1}{N}\underset{i=1}{\overset{N}{\&Sigma;}}{D}_i---\left(3\right)$

其中N为选取的特定波长范围内总计的波段个数；i为该波长区间内波长的序号；Di为波长范围内各波段所对应的特征值。

7.根据权利要求1所述的方法，其特征在于，步骤S4中，在波长750±5nm范围内选取特征值。

8.根据权利要求1所述的方法，其特征在于，还包括步骤：

S5预设阈值，将新鲜度判别指数F相对于待鉴别肉类新鲜度划分为不同的等级，判定待检测食用肉类样品的新鲜度等级。

9.一种快速检测食用肉类新鲜度的系统，其特征在于，包括光源模块、光谱数据获取模块、光谱数据分析模块、肉类新鲜度检测模块、结果显示模块。

所述光源模块包括微型卤素灯源，

所述光谱数据获取模块包括微型高光谱传感器；

所述肉类新鲜度检测模块为根据权利要求1～8任一项所述的方法设定的新鲜度判别模型，用以检测待测肉类样品的新鲜程度；

所述结果显示模块接收将云端数据处理中心处理分析获取的结果，进行显示；

所述光源模块、光谱数据获取模块、结果显示模块集成在检测终端中，所述光谱数据分析模块、肉类新鲜度检测模块设置在云数据处理中心，所述检测终端和云数据处理中心为通讯连接。

10.根据权利要求9所述的系统，其特征在于，所述光源模块、光谱数据获取模块、结果显示模块集成在智能手机中。