亚洲狠狠干,亚洲国产福利精品一区二区,国产八区,激情文学亚洲色图

利用高光譜成像技術(shù)檢測(cè)即食海參新鮮度等級(jí)的方法與流程

文檔序號(hào):11131423閱讀:1064來(lái)源:國(guó)知局
利用高光譜成像技術(shù)檢測(cè)即食海參新鮮度等級(jí)的方法與制造工藝

本發(fā)明涉及一種利用高光譜成像技術(shù)檢測(cè)即食海參新鮮度等級(jí)的方法。



背景技術(shù):

海參中富含氨基酸、酸性黏多糖、膠原蛋白、海參皂苷以及維生素、礦物質(zhì)等,具有特殊的營(yíng)養(yǎng)價(jià)值和保健功能。由于以鮮活海參通過(guò)高壓、短時(shí)加熱等工藝制成的即食海參制品水分和蛋白含量較高,在加工、包裝、貯藏、運(yùn)輸、售賣等環(huán)節(jié)易受酶和微生物的作用腐敗變質(zhì);目前,即食海參新鮮度檢測(cè)主要有感官評(píng)定、微生物和理化測(cè)定等方法,感官評(píng)定直觀、簡(jiǎn)便,易受主觀因素影響,無(wú)法給出定量結(jié)論、存在潛在危險(xiǎn),微生物檢測(cè)主要通過(guò)致腐菌的數(shù)量和致病菌存在與否等方式判別;理化檢測(cè)主要包括測(cè)定揮發(fā)性鹽基氮(TVB-N)、三甲胺、PH值和K值等,微生物和理化分析能夠客觀、準(zhǔn)確反應(yīng)即食海參新鮮程度,但步驟繁瑣、耗時(shí)長(zhǎng),很難將上述方法應(yīng)用于加工過(guò)程的線上檢測(cè),如能尋求一種快速、無(wú)損的即食海參新鮮度檢測(cè)方法,在其自動(dòng)化加工、貯藏品質(zhì)檢驗(yàn)、貨架期預(yù)測(cè)等方面具有重要意義。



技術(shù)實(shí)現(xiàn)要素:

本發(fā)明的目的是提供一種可以快速準(zhǔn)確檢測(cè)即食海參的新鮮度的利用高光譜成像技術(shù)檢測(cè)即食海參新鮮度等級(jí)的方法。

本發(fā)明為實(shí)現(xiàn)上述目的所采用的技術(shù)方案是:一種利用高光譜成像技術(shù)檢測(cè)即食海參新鮮度等級(jí)的方法,包括以下步驟:

A、樣品采集:采集不同產(chǎn)地、不同大小及不同季節(jié)的具有代表性的即食海參樣品;

B、樣品測(cè)量:對(duì)采集的不同新鮮度的即食海參樣品進(jìn)行測(cè)量,獲得揮發(fā)性鹽基氮的數(shù)據(jù);

C、進(jìn)行樣品高光譜光譜分析:對(duì)即食海參樣品進(jìn)行高光譜儀器采集分析,選取海參感興趣區(qū)域得到全波段平均光譜曲線,利用全波段平均光譜曲線的谷點(diǎn)進(jìn)行數(shù)據(jù)降維減少波段,通過(guò)主成分圖像選取最佳特征波段,選擇特征波段下的最佳主成分圖得到權(quán)重系數(shù)圖,其圖中的拐點(diǎn)為最佳波長(zhǎng),同時(shí)得到最佳波長(zhǎng)對(duì)應(yīng)的特征波長(zhǎng)圖像,并將特征波長(zhǎng)圖像做波段比;

D、進(jìn)行樣品高光譜圖像分析:對(duì)特征波長(zhǎng)波段比圖像進(jìn)行去除陰影,去除背景得到海參整體作為感興趣區(qū),通過(guò)灰度共生矩陣、灰度梯度共生矩陣、改進(jìn)的局部模式紋理描述子提取紋理特征;

E、建立模型:將提取的紋理特征作為輸入?yún)?shù),建立與即食海參新鮮度不同新鮮度等級(jí)的的網(wǎng)絡(luò)模型;

F、評(píng)價(jià)模型:根據(jù)網(wǎng)絡(luò)模型,對(duì)待測(cè)定樣品的預(yù)測(cè)新鮮度等級(jí)值與真實(shí)新鮮度等級(jí)值的正確率對(duì)所述模型進(jìn)行評(píng)估。

所述步驟(B)中揮發(fā)性鹽基氮含量測(cè)量采用半微量凱氏定氮法。

所述步驟(C)中高光譜儀器采集采用的參數(shù)為光譜分辨率設(shè)置為2.8nm,曝光時(shí)間設(shè)置為15ms,物距設(shè)置為140mm,光譜采樣點(diǎn)設(shè)置為0.65nm,載物臺(tái)移動(dòng)速度設(shè)置為6mm/s。

所述步驟(C)中數(shù)據(jù)降維采用主成分分析法,權(quán)重系數(shù)圖采用線性組合回歸算法。

所述步驟(D)中去陰影采用波段比算法,去背景采用自適應(yīng)大津法閾值分割掩膜算法。

所述步驟(E)中網(wǎng)絡(luò)模型為粒子群優(yōu)化神經(jīng)網(wǎng)絡(luò)。

本發(fā)明一種利用高光譜成像技術(shù)檢測(cè)即食海參新鮮度等級(jí)的方法,待測(cè)樣品無(wú)需前處理,重復(fù)性好,分析時(shí)間短,對(duì)即食海參無(wú)破壞,在建立好用于預(yù)測(cè)的網(wǎng)絡(luò)模型之后對(duì)所有其他待測(cè)即食海參樣品僅需要測(cè)量紋理特征即可通過(guò)網(wǎng)絡(luò)模型預(yù)測(cè)新鮮度等級(jí),為非侵入式測(cè)量方法,檢測(cè)的數(shù)值準(zhǔn)確、穩(wěn)定,提高了測(cè)量效率,可以滿足生產(chǎn)現(xiàn)場(chǎng)對(duì)樣品的快速分析需求。

附圖說(shuō)明

圖1是本發(fā)明一種利用高光譜成像技術(shù)檢測(cè)即食海參新鮮度等級(jí)的方法采集的不同新鮮度等級(jí)下即食海參感興趣的平均光譜曲線圖。

圖2是本發(fā)明一種利用高光譜成像技術(shù)檢測(cè)即食海參新鮮度等級(jí)的方法的即食海參全波段和5個(gè)子波段下特征值大于1的主成分圖。

圖3是本發(fā)明一種利用高光譜成像技術(shù)檢測(cè)即食海參新鮮度等級(jí)的方法的即食海參最佳波段下的最佳主成分圖對(duì)應(yīng)的權(quán)重系數(shù)圖。

圖4是本發(fā)明一種利用高光譜成像技術(shù)檢測(cè)即食海參新鮮度等級(jí)的方法的即食海參686nm與985nm波段比運(yùn)算后的圖。

圖5是本發(fā)明一種利用高光譜成像技術(shù)檢測(cè)即食海參新鮮度等級(jí)的方法的即食海參波段比圖像進(jìn)行掩膜去背景后的圖。

圖6是本發(fā)明一種利用高光譜成像技術(shù)檢測(cè)即食海參新鮮度等級(jí)的方法的即食海參不同紋理特征參數(shù)下的網(wǎng)絡(luò)模型適應(yīng)度曲線圖。

具體實(shí)施方式

如圖1至圖6所示,利用高光譜成像技術(shù)檢測(cè)即食海參新鮮度等級(jí)的方法,具體實(shí)施步驟如下:A、樣品采集,分不同批次采集不同產(chǎn)地,不同大小,不同季節(jié)的即食海參20只,這樣樣品具有一定代表性和普遍性;B、樣品測(cè)量,揮發(fā)性鹽基氮含量的測(cè)定方法,溫度(25±3℃)下將20只即食海參樣品作為實(shí)驗(yàn)樣本,放入保鮮袋中進(jìn)行編號(hào),置于25℃培養(yǎng)箱中保存、待測(cè),每隔6h取樣本利用半微量凱氏定氮法(GB/T5009.44—2003)測(cè)定樣本的TVB-N含量,每個(gè)樣本連續(xù)測(cè)量4次,測(cè)量結(jié)果如表1所示;C、樣品高光譜光譜分析,對(duì)所述即食海參樣品進(jìn)行高光譜儀器采集分析,高光譜成像系統(tǒng)主要由Image-λ-V10E-LU增強(qiáng)型可見-近紅外高光譜相機(jī)、光譜儀、鹵素?zé)簟㈦娍匾苿?dòng)平臺(tái)構(gòu)成,采集采用的參數(shù)為光譜分辨率設(shè)置為2.8nm,曝光時(shí)間設(shè)置為15ms,物距設(shè)置為140mm,光譜采樣點(diǎn)設(shè)置為0.65nm,為避免圖像中即食海參形狀失真,載物臺(tái)移動(dòng)速度設(shè)置為6mm/s ,如圖1所示,選取海參感興趣區(qū)域得到全波段平均光譜曲線(400-1000nm),利用全波段平均光譜曲線的谷點(diǎn)進(jìn)行數(shù)據(jù)降維得到主成分圖像,表2顯示了各個(gè)波段前6主成分貢獻(xiàn)率,選擇特征值大于1的主成分圖像,如圖2所示,根據(jù)主成分圖像效果選擇最佳波段為686-985nm代替全波段,減少運(yùn)算量,提高效率,如圖3所示,特征波段下的主成分圖得到的權(quán)重系數(shù)圖,其圖中的拐點(diǎn)為最佳波長(zhǎng),本實(shí)施例中所用的軟件為Spectral Image 軟件(Isuzu Optics Corp, Taiwan)和ENVI 5.3(Research System Inc, USA);D、樣品高光譜圖像分析,表3顯示了特征波長(zhǎng)之間的相關(guān)性大小,如圖4所示,相關(guān)性最小的兩個(gè)特征波長(zhǎng)做波段比運(yùn)算得到的圖像,同時(shí)去除了陰影,如圖4所示,對(duì)波段比圖像進(jìn)行自適應(yīng)大津法閾值分割做掩膜運(yùn)算得到的去背景圖像,將去除背景得到即食海參整體作為感興趣區(qū),通過(guò)灰度共生矩陣、灰度梯度共生矩陣、改進(jìn)的局部模式紋理描述子提取紋理特征,選擇最佳特征波長(zhǎng)的相關(guān)性依據(jù)如表3所示;E、建立模型,在所述三種不同方法提取的紋理特征通過(guò)粒子群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)建立與不同新鮮度等級(jí)的網(wǎng)絡(luò)模型,本實(shí)施例中所用的軟件為Matlab 2012b(The MathWorksInc, USA),需要說(shuō)明的是,所述軟件可以為任何粒子群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)建立模型的軟件,不限于本實(shí)施例的舉例;F、評(píng)價(jià)模型,表4顯示了不同模型下的參數(shù)設(shè)置和即食海參新鮮度等級(jí)的預(yù)測(cè)結(jié)果,從表中可以看到灰度梯度共生矩陣紋理網(wǎng)絡(luò)模型的正確率為95%,灰度共生矩陣紋理網(wǎng)絡(luò)模型的正確率為90%,改進(jìn)的局部模式紋理網(wǎng)絡(luò)模型的正確率為80%,說(shuō)明高光譜成像技術(shù)結(jié)合紋理特征建立的網(wǎng)絡(luò)模型可以準(zhǔn)確地預(yù)測(cè)即食海參的新鮮度等級(jí)。

綜上,本發(fā)明利用高光譜成像技術(shù)檢測(cè)即食海參新鮮度等級(jí)的方法,通過(guò)對(duì)回歸模型的驗(yàn)證,可以看出采用本發(fā)明的方法建立的用于預(yù)測(cè)即食海參新鮮度等級(jí)的網(wǎng)絡(luò)模型,無(wú)論是灰度共生矩陣還是灰度梯度共生矩陣和改進(jìn)的局部模式紋理進(jìn)行預(yù)測(cè),都可以準(zhǔn)確地用于預(yù)測(cè)即食海參新鮮度等級(jí),對(duì)待測(cè)即食海參樣品無(wú)破壞,操作簡(jiǎn)便,可提高檢測(cè)速度。

1號(hào)即食海參TVB-N值

表1

前六個(gè)主成分累計(jì)方差貢獻(xiàn)率

表2

波段相關(guān)性

表3

不同模型判別結(jié)果

表4

當(dāng)前第1頁(yè)1 2 3 
網(wǎng)友詢問(wèn)留言 已有0條留言
  • 還沒(méi)有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
1