CN109490306A - 一种基于色泽和气味数据融合的猪肉新鲜度检测方法 - Google Patents

Abstract

一种基于色泽和气味数据融合的猪肉新鲜度检测方法，主要包括：通过机器视觉采集装置获取猪肉图像信息，采用Otsu算法选取最佳阈值，利用阈值将灰度图像进行图像分割，完成图像的背景分割；根据猪肉颜色与新鲜度的相关特点，利用图像中红色的深浅值对图像进行分层，根据颜色区域比，获取猪肉图像特征信息；采用电子鼻采集系统对猪肉气味信息进行采集、归一化处理，通过主成分分析方法分析猪肉色泽及气味信息，提取判断新鲜度的主成分；采用支持向量机建立猪肉主成分与挥发性盐基氮之间的非线性关系模型，根据挥发性盐基氮的估计值判定猪肉新鲜度级别，完成猪肉新鲜度检测任务。该方法具有较好的精准性和实时性，可以准确、快速、无损地完成检测任务。

Description

一种基于色泽和气味数据融合的猪肉新鲜度检测方法

技术领域

本发明涉及了一种基于色泽和气味数据融合的猪肉新鲜度检测方法，属于图像信息技术、传感器技术和智能信息技术领域。

背景技术

猪肉腐败变质是指在各种微生物的污染作用下，使猪肉发生质的变化，产生大量的硫化物和氨气，最终失去食用价值。变质腐败的猪肉，其营养价值、适口性均发生了变化，甚至含有有毒物质，危害食用者健康。目前，市场肉类产品主要采用感官检验方法为主，结合各种检验仪器的快速检测方法判断其新鲜度，但此类检测方法的检测结果非量化、缺乏精准，需经验丰富和训练有素的相关人员才能完成检测，无法实现高精度的实时检测。

发明内容

为解决上述问题，本发明的目的在于提供一种基于色泽和气味数据融合的猪肉新鲜度检测方法，采用机器视觉以及电子鼻检测系统得到猪肉的色泽及气味信息，通过主成分分析及随机共振方法对新鲜度信息进行定性定量分析，提取其中的主成分，利用支持向量机检测猪肉的挥发性盐基氮含量，从而准确、快速、无损地完成检测任务。

解决上述问题所采用的技术方案，包括以下步骤：

E.通过机器视觉采集装置获取猪肉图像信息，采用Otsu算法选取最佳阈值，利用阈值将灰度图像进行图像分割，完成图像的背景分割；

F.根据猪肉颜色与新鲜度的相关特点，利用图像中红色的深浅值对图像进行分层，根据颜色区域比，获取猪肉图像特征信息；

G.采用电子鼻采集系统对猪肉气味信息进行采集、归一化处理，通过主成分分析方法分析猪肉色泽及气味信息，提取判断新鲜度的主成分；

H.采用支持向量机建立猪肉主成分与挥发性盐基氮之间的非线性关系模型，根据挥发性盐基氮的估计值判定猪肉新鲜度级别，完成猪肉新鲜度检测任务。

本发明的有益效果是：

在复杂性强且检测内容多样的猪肉新鲜度检测任务中，本发明采用机器视觉以及电子鼻检测系统得到猪肉的色泽及气味信息，通过主成分分析及随机共振方法对新鲜度信息进行定性定量分析，提取其中的主成分，利用支持向量机检测猪肉的挥发性盐基氮含量，从而完成检测任务，产生准确、快速、无损的有益效果。

附图说明

图1为一种基于色泽和气味数据融合的猪肉新鲜度检测方法的整体流程图；

图2为猪肉新鲜度检测装置示意图；

图3为RGB颜色空间模型。

具体实施方式

参照图1，本发明所述的方法包括以下步骤：

A.通过机器视觉采集装置获取猪肉图像信息，采用Otsu算法选取最佳阈值，利用阈值将灰度图像进行图像分割，完成图像的背景分割；

利用图2中的机器视觉采集装置获取猪肉的原始图像信息，假设图像为f，图像灰度级为L，其中灰度值为g的像素个数为n_i，图像的总像素数目为N，则各灰度值出现的概率为：

设阈值T将图像划分为背景及目标两类区域，背景区域A包括灰度为1～T的像素，目标区域B包括灰度为T+1～L的像素，则区域A和区域B的概率分别为：

平均灰度分别为：

则区域A与B的灰度方差为：

其中v(k)＝v_A表示区域A的概率，u表示整体图像的平均灰度值，u(k)＝u_A表示区域A的平均灰度，按最大类间方差准则，从1～L之间改变阈值T的大小，并计算方差σ²，使得σ²取得最大值的T作为区域分割的最佳阈值，利用该阈值进行灰度图像的二值化处理，即完成背景分割；

B.根据猪肉颜色与新鲜度的相关特点，利用图像中红色的深浅值对图像进行分层，根据颜色区域比，获取猪肉图像特征信息；

(3)由于猪肉红色变化与新鲜度相关，在RGB颜色空间中按照红色的深浅值对图像进行分层；

将RGB颜色模型建立在笛卡尔积坐标系中，生成RGB颜色空间模型：在RGB颜色空间中，取靠近坐标点(0，255，0)的一个立方体，将其中所包含的颜色作为目标颜色，其余的颜色作为背景颜色，根据相应的判定标准：

对彩色空间中的红色区域进行图像分割，其中μ表示图像分层阈值，R、G、B分别为图像在RGB颜色空间中的红、绿、蓝成分所占分量；

(4)根据分层图像中颜色分层区域的像素点与图像像素点总数的比值，计算图像的颜色区域比R：

其中，M表示步骤A中所得目标图像的像素点总数，m表示根据步骤B-(1)的颜色分割所得颜色分层区域的像素点个数；在实际的颜色检测过程中设置颜色区域比阈值T_R，根据该阈值将猪肉进行分类，将邻近分类阈值T_R的信息作为特征信息；

C.采用电子鼻采集系统对猪肉气味信息进行采集、归一化处理，通过主成分分析方法分析猪肉色泽及气味信息，提取判断新鲜度的主成分；

(3)在猪肉腐败过程中，主要产生一定量的硫化氢气体和氨气，采用由两种传感器组成的电子鼻传感器阵列对猪肉的挥发性气体成分进行采集，根据气体的浓度判断猪肉新鲜度变化，因此两种气体的浓度作为猪肉新鲜度检测的特征信息，利用电子鼻传感器阵列采集到的猪肉原始特征信息值较大，首先对其进行归一化处理：

其中，s表示原始特征信息，表示归一化后的特征信息值，s_max和s_min分别为特征信息的最大值和最小值；

(4)采用主成分分析对猪肉新鲜度检测数据进行定性分析；

①假设通过电子鼻采集系统和机器视觉采集系统获得的猪肉特征数为n，利用算式(a)对初始特征值进行归一化处理，构成n维随机矢量X＝{x_x，x₂，…，x_m}^T，令每个变量的均值为0，方差为1，得到特征信息的协方差C_x：

C_x＝E[(X-E[X])(X-E[X]^T)]

计算协方差矩阵U：

U＝E[XX^T]

根据协方差矩阵U，计算其特征值γ及对应的特征向量Y：

UY_i＝γ_iY_i i＝1，2，...，n

假设特征值γ₁≥γ₂≥…≥γ_n，则

h_i＝Y_i ^TX i＝1，2，...，n

表示输入的特征信息对特征向量的投影，即表示X的第i个主成分，利用特征向量矩阵Y将输入的n维随机矢量X变换为特征空间向量H，H中的分量h_i为输入X的第i个主成分；

②根据向量X的协方差矩阵的对角线元素u_ii以及主成分对应的前G个特征值γ_i(i＝1，2，...，G)计算各成分的贡献率：

根据各个特征值贡献率确定主成分个数，假设前m个主成分的贡献率之和超过90％，则可以认为前m个主成分可以代替猪肉新鲜度的特征信息，完成猪肉新鲜度的定性分析；

D.采用支持向量机建立猪肉主成分与挥发性盐基氮之间的非线性关系模型，根据挥发性盐基氮的估计值判定猪肉新鲜度级别，完成猪肉新鲜度检测任务。

(3)对于猪肉检测标准，国家采用挥发性盐基氮含量大小来衡量猪肉新鲜度，猪肉新鲜度等级与挥发性盐基氮含量的对应关系如表1所示：

表1挥发性盐基氮含量与新鲜度等级的对应关系

挥发性盐基氮含量	猪肉新鲜度等级
		15mg/100g	A级(新鲜肉)
15～30mg/100g	B级(次鲜肉)
		＞30mg/100g	C级(变质肉)

(4)采用支持向量机进行猪肉新鲜度智能检测时，本方法选择硫化氢、氨气、色泽和挥发性盐基氮含量作为评价指标，将提取的主成分作为支持向量机的输入，挥发性盐基氮含量作为期望输出，支持向量机通过一个非线性函数F(x)，利用径向基函数J(x，x′)将输入的样本数据映射到一个高维线性特征空间：

其中，x_i表示支持向量机的样本因子，x为预报因子，τ表示核参数；

构造回归估计函数，建立非线性关系模型：

其中，λ，λ^*(0≤λ≤z，0≤λ^*≤z)为拉格朗日乘子，l为训练样本个数，z为惩罚因子，k表示偏置量，通过学习训练得到最优模型参数：惩罚因子参数，核参数，偏置量；利用该模型得到相应的挥发性盐基氮含量Z，根据Z值与表1的比较，确定猪肉新鲜度等级，完成猪肉新鲜度检测任务。

综上所述，便实现了一种基于色泽和气味数据融合的猪肉新鲜度检测方法。在复杂性强且检测内容多样的猪肉新鲜度检测任务中，本发明采用机器视觉以及电子鼻检测系统得到猪肉的色泽及气味信息，通过主成分分析及随机共振方法对新鲜度信息进行定性定量分析，提取其中的主成分，利用支持向量机检测猪肉的挥发性盐基氮含量，从而完成检测任务，产生准确、快速、无损的有益效果。

Claims (5)

1.一种基于色泽和气味数据融合的猪肉新鲜度检测方法，其特征在于，包括：

A.通过机器视觉采集装置获取猪肉图像信息，采用0tsu算法选取最佳阈值，利用阈值将灰度图像进行图像分割，完成图像的背景分割；

B.根据猪肉颜色与新鲜度的相关特点，利用图像中红色的深浅值对图像进行分层，根据颜色区域比，获取猪肉图像特征信息；

C.采用电子鼻采集系统对猪肉气味信息进行采集、归一化处理，通过主成分分析方法分析猪肉色泽及气味信息，提取判断新鲜度的主成分；

D.采用支持向量机建立猪肉主成分与挥发性盐基氮之间的非线性关系模型，根据挥发性盐基氮的估计值判定猪肉新鲜度级别，完成猪肉新鲜度检测任务。

2.如权利要求1所述的基于色泽和气味数据融合的猪肉新鲜度检测方法，其特征在于，所述步骤A包括：

获取猪肉的原始图像信息，假设图像为f，图像灰度级为L，其中灰度值为g的像素个数为n_i，图像的总像素数目为N，则各灰度值出现的概率为：

设阈值T将图像划分为背景及目标两类区域，背景区域A包括灰度为1～T的像素，目标区域B包括灰度为T+1～L的像素，则区域A和区域B的概率分别为：

平均灰度分别为：

则区域A与B的灰度方差为：

其中v(k)＝v_A表示区域A的概率，u表示整体图像的平均灰度值，u(k)＝u_A表示区域A的平均灰度，按最大类间方差准则，从1～L之间改变阈值T的大小，并计算方差σ²，使得σ²取得最大值的T作为区域分割的最佳阈值，利用该阈值进行灰度图像的二值化处理，即完成背景分割。

3.如权利要求2所述的基于色泽和气味数据融合的猪肉新鲜度检测方法，其特征在于，所述步骤B包括：

(1)由于猪肉红色变化与新鲜度相关，在RGB颜色空间中按照红色的深浅值对图像进行分层；

将RGB颜色模型建立在笛卡尔积坐标系中，生成RGB颜色空间模型：

在RGB颜色空间中，取靠近坐标点(0，255，0)的一个立方体，将其中所包含的颜色作为目标颜色，其余的颜色作为背景颜色，根据相应的判定标准：

对彩色空间中的红色区域进行图像分割，其中μ表示图像分层阈值，R、G、B分别为图像在RGB颜色空间中的红、绿、蓝成分所占分量；

(2)根据分层图像中颜色分层区域的像素点与图像像素点总数的比值，计算图像的颜色区域比R：

其中，M表示步骤A中所得目标图像的像素点总数，m表示根据步骤B-(1)的颜色分割所得颜色分层区域的像素点个数；在实际的颜色检测过程中设置颜色区域比阈值T_R，根据该阈值将猪肉进行分类，将邻近分类阈值T_R的信息作为特征信息。

4.如权利要求3所述的基于色泽和气味数据融合的猪肉新鲜度检测方法，其特征在于，所述步骤C包括：

(1)在猪肉腐败过程中，主要产生一定量的硫化氢气体和氨气，采用由两种传感器组成的电子鼻传感器阵列对猪肉的挥发性气体成分进行采集，根据气体的浓度判断猪肉新鲜度变化，因此两种气体的浓度作为猪肉新鲜度检测的特征信息，利用电子鼻传感器阵列采集到的猪肉原始特征信息值较大，首先对其进行归一化处理：

其中，s表示原始特征信息，表示归一化后的特征信息值，s_max和s_min分别为特征信息的最大值和最小值；

(2)采用主成分分析对猪肉新鲜度检测数据进行定性分析；

①假设通过电子鼻采集系统和机器视觉采集系统获得的猪肉特征数为n，利用算式(a)对初始特征值进行归一化处理，构成n维随机矢量X＝{x₁，x₂，...，x_m}^T，令每个变量的均值为0，方差为1，得到特征信息的协方差C_x：

C_x＝E[(X-E[X])(X-E[X]^T)]

计算协方差矩阵U：

U＝E[XX^T]

根据协方差矩阵U，计算其特征值γ及对应的特征向量Y：

UY_i＝γ_iY_i i＝1，2，...，n

假设特征值γ₁≥γ₂≥…≥γ_n，则

h_i＝Y_i ^TX i＝1，2，...，n

表示输入的特征信息对特征向量的投影，即表示X的第i个主成分，利用特征向量矩阵Y将输入的n维随机矢量X变换为特征空间向量H，H中的分量h_i为输入X的第i个主成分；

②根据向量X的协方差矩阵的对角线元素u_ii以及主成分对应的前G个特征值γ_i(i＝1，2，...，G)计算各成分的贡献率：

根据各个特征值贡献率确定主成分个数，假设前m个主成分的贡献率之和超过90％，则可以认为前m个主成分可以代替猪肉新鲜度的特征信息，完成猪肉新鲜度的定性分析。

5.如权利要求4所述的基于色泽和气味数据融合的猪肉新鲜度检测方法，其特征在于，所述步骤D包括：

(1)对于猪肉检测标准，国家采用挥发性盐基氮含量大小来衡量猪肉新鲜度，猪肉新鲜度等级与挥发性盐基氮含量的对应关系如表1所示：

表1 挥发性盐基氮含量与新鲜度等级的对应关系

挥发性盐基氮含量 猪肉新鲜度等级 15mg/100g A级(新鲜肉) 15～30mg/100g B级(次鲜肉) ＞30mg/100g C级(变质肉)

(2)采用支持向量机进行猪肉新鲜度智能检测时，本方法选择硫化氢、氨气、色泽和挥发性盐基氮含量作为评价指标，将提取的主成分作为支持向量机的输入，挥发性盐基氮含量作为期望输出，支持向量机通过一个非线性函数F(x)，利用径向基函数J(x，x′)将输入的样本数据映射到一个高维线性特征空间：

其中，x_i表示支持向量机的样本因子，x为预报因子，τ表示核参数；构造回归估计函数，建立非线性关系模型：

其中，λ，λ^*(0≤λ≤z，0≤λ^*≤z)为拉格朗日乘子，l为训练样本个数，z为惩罚因子，k表示偏置量，通过学习训练得到最优模型参数：惩罚因子参数，核参数，偏置量；利用该模型得到相应的挥发性盐基氮含量Z，根据Z值与表1的比较，确定猪肉新鲜度等级，完成猪肉新鲜度检测任务。