基于自動(dòng)閾值分割的水產(chǎn)品寄生蟲紫外熒光成像檢測(cè)方法
【專利摘要】本發(fā)明公開了一種基于自動(dòng)閾值分割的水產(chǎn)品寄生蟲紫外熒光成像檢測(cè)方法，包括以下步驟：首先，通過紫外光對(duì)水產(chǎn)品進(jìn)行照射，獲取水產(chǎn)品的紫外熒光圖像；其次，對(duì)水產(chǎn)品紫外熒光圖像進(jìn)行預(yù)處理，然后用一維自動(dòng)閾值分割技術(shù)把水產(chǎn)品和其周圍環(huán)境背景分割開來；再次，把水產(chǎn)品自身區(qū)域當(dāng)作背景，把寄生蟲當(dāng)作目標(biāo)，將得到的水產(chǎn)品區(qū)域的圖像，進(jìn)行二維自動(dòng)閾值分割將兩者分開；最后，從水產(chǎn)品紫外熒光圖像中分離出寄生蟲圖像。本發(fā)明的算法簡(jiǎn)單快速，工作量小、一致性好、效率高、準(zhǔn)確性好，同時(shí)降低了勞動(dòng)力成本，特別適用于大規(guī)模水產(chǎn)品加工生產(chǎn)實(shí)踐的需求。
【專利說明】基于自動(dòng)閾值分割的水產(chǎn)品寄生蟲紫外熒光成像檢測(cè)方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種水產(chǎn)品寄生蟲檢測(cè)方法，屬于水產(chǎn)品質(zhì)量無損檢測(cè)【技術(shù)領(lǐng)域】。

【背景技術(shù)】
[0002] 水產(chǎn)品生產(chǎn)加工過程中寄生蟲等危害因素的檢測(cè)與識(shí)別是提高水產(chǎn)品加工質(zhì)量 安全的關(guān)鍵環(huán)節(jié)。異尖線蟲（anisakidlarvae)屬于線蟲動(dòng)物門（Nematode)尾感器綱 (Phasmida)蛔目（Ascaridida)，是一種廣泛分布于海洋動(dòng)物體內(nèi)具有較大危害的寄生蟲， 嚴(yán)重影響著水產(chǎn)品的食用安全性，其潛在危害已引起世界各國廣泛關(guān)注。
[0003] 目前，異尖線蟲的檢測(cè)方法主要包括物理學(xué)方法（燭光法、電磁波法、超聲波法 等）、生物學(xué)方法（基因鑒定、酶聯(lián)免疫法等、酶解消化法）等。水產(chǎn)品加工企業(yè)主要采用燭 光法（紫外燈燭光法、日光燈燭光法）對(duì)水產(chǎn)加工品中的寄生蟲進(jìn)行在線篩選檢測(cè)，該方法 操作簡(jiǎn)單，但是漏檢率高，在準(zhǔn)確度和靈敏度上不易達(dá)到國際標(biāo)準(zhǔn)，且耗費(fèi)大量勞動(dòng)力。生 物學(xué)方法雖然檢測(cè)率較高，但是屬于破壞性檢測(cè)范疇，且耗費(fèi)大量時(shí)間和人工成本，難以滿 足工廠在線檢測(cè)的要求。
[0004] 而水產(chǎn)品異雜物無損檢測(cè)技術(shù)正以全面、動(dòng)態(tài)、非破壞性等優(yōu)點(diǎn)成為國際海洋水 產(chǎn)品質(zhì)量安全領(lǐng)域的前沿?zé)狳c(diǎn)?；诔上窦夹g(shù)的無損檢測(cè)方法，如近紅外檢測(cè)、超聲波成 像、可見光檢測(cè)、X射線成像、高光譜成像、CT成像、磁共振成像技術(shù)（MRI)、紫外線技術(shù)等， 正在用于嘗試解決一系列無損檢測(cè)問題。然而，現(xiàn)有成像技術(shù)在寄生蟲無損檢測(cè)中的應(yīng)用 比較有限，科學(xué)研宄也仍然處于實(shí)驗(yàn)室研宄階段，傳統(tǒng)無損檢測(cè)方法或工作量大，或檢測(cè)成 功率低，無法滿足水產(chǎn)品加工過程中寄生蟲快速檢測(cè)的需求，檢測(cè)結(jié)果受人為主觀因素影 響大，具有隨意性，一致性差，還沒有廣泛應(yīng)用于工廠實(shí)踐。事實(shí)上，異尖線蟲的紫外熒光性 質(zhì)早在1970年即被Pippy等人報(bào)道。此后，眾多研宄人員對(duì)寄生蟲的紫外熒光性質(zhì)進(jìn)行了 研宄，然而基于紫外熒光的寄生蟲檢測(cè)方法僅僅停留在利用該性質(zhì)的直接觀察。
[0005] 由于水產(chǎn)品本身與寄生蟲的紫外熒光成像特性之間存在明顯差異，可以利用基于 灰度閾值的分割方法對(duì)水產(chǎn)品紫外熒光圖像進(jìn)行無損檢測(cè)。傳統(tǒng)的基于固定閾值的圖像分 割方法特別適用于目標(biāo)和背景占據(jù)不同灰度級(jí)范圍的圖像，具有實(shí)現(xiàn)簡(jiǎn)單、計(jì)算量小、運(yùn)算 效率高等特點(diǎn)。然而，在實(shí)際水產(chǎn)品加工過程中，由于水產(chǎn)品拍攝環(huán)境、成像設(shè)備、紫外光照 強(qiáng)度、生產(chǎn)線材質(zhì)、拍攝條件等的不同，基于固定閾值的圖像分割方法往往較難獲取具有一 致性和統(tǒng)一性的標(biāo)準(zhǔn)檢測(cè)效果，可能導(dǎo)致檢測(cè)結(jié)果性能不穩(wěn)定，水產(chǎn)品寄生蟲判別準(zhǔn)確率 降低。


【發(fā)明內(nèi)容】

[0006] 針對(duì)上述問題，本發(fā)明的目的是借助紫外熒光成像技術(shù)，提供一種基于自動(dòng)閾值 分割技術(shù)的快速、高效、準(zhǔn)確、智能的水產(chǎn)品寄生蟲無損檢測(cè)方法，以適應(yīng)大規(guī)模水產(chǎn)品加 工生產(chǎn)實(shí)踐的需求，降低勞動(dòng)力成本，實(shí)現(xiàn)在線檢測(cè)水產(chǎn)品危害因子的目的。
[0007] 本發(fā)明將紫外光源設(shè)置于暗箱內(nèi)，安裝在暗箱頂部，將水產(chǎn)品樣品放置于載物托 盤中央?yún)^(qū)域，通過紫外光照射激發(fā)產(chǎn)生熒光，利用圖像采集設(shè)備獲取水產(chǎn)品紫外熒光圖像， 并傳輸至圖像分析處理系統(tǒng)進(jìn)行處理。
[0008] 本發(fā)明通過以下具體步驟實(shí)現(xiàn)：
[0009] (1)樣品采集：采集水產(chǎn)品樣品共K批次，每批次包含H個(gè)樣品；
[0010] (2)圖像獲?。和ㄟ^紫外光源照射水產(chǎn)樣品激發(fā)產(chǎn)生熒光，拍攝獲取水產(chǎn)品紫外 熒光圖像I;
[0011] (3)預(yù)處理：對(duì)水產(chǎn)品紫外熒光采集圖像I進(jìn)行灰度變換、平滑降噪、背景消除、數(shù) 學(xué)形態(tài)學(xué)變換等圖像處理；
[0012] (4) 一維閾值分割處理：在水產(chǎn)品紫外熒光灰度化圖像J中，以水產(chǎn)品本身區(qū)域?yàn)?目標(biāo)，以周圍環(huán)境區(qū)域?yàn)楸尘埃谝痪S閾值分割算法自動(dòng)分割水產(chǎn)品自身與環(huán)境背景區(qū) 域：
[0013] a)水產(chǎn)品紫外熒光圖像灰度化后，設(shè)其像素灰度級(jí)為L(zhǎng)，總灰度頻數(shù)為M*N，灰度 L-I L-I 值i的頻數(shù)為￥M二，則灰度值i出現(xiàn)的概率為Pi=ni/N，= 1，由此建立 i=0 i二O 水產(chǎn)品圖像的灰度直方圖；
[0014] b)假設(shè)存在一維分割閾值T(1 <T〈L)，將紫外焚光灰度化圖像J分為兩部分： 環(huán)境背景區(qū)域Ab和水產(chǎn)品區(qū)域Af，分別計(jì)算環(huán)境背景Ab和水產(chǎn)品自身區(qū)域Af的灰度均值 ub(T)、yf⑴和對(duì)應(yīng)方差σ^Γ)、σ)(7_)，并設(shè)整幅圖像的灰度均值為只，水產(chǎn)品和環(huán)境 背景區(qū)域Af、Ab的類間距平方為0^,(7)，類內(nèi)距方差為dCD;
[0015] c)基于最大類間距準(zhǔn)則，求解水產(chǎn)品和環(huán)境背景區(qū)域Af、Ab的分割閾值TΛ Cf);基于最小類內(nèi)方差準(zhǔn)則，求解水產(chǎn)品和環(huán)境背景區(qū)域Af、Ab的分割閾 值r;，=ggda):由此，同時(shí)滿足最大類間距和最小類內(nèi)距的閾值即為最優(yōu) 閾值T%根據(jù)f即可得到水產(chǎn)品自身Af和環(huán)境背景Ab的分割圖像；
[0016] (5)二維閾值分割處理：在水產(chǎn)品自身灰度圖像區(qū)域中，以被激發(fā)焚光的寄生蟲 為目標(biāo)，以其他水產(chǎn)品肉質(zhì)作為背景，基于二維閾值分割算法自動(dòng)分割水產(chǎn)品肉質(zhì)與寄生 蟲區(qū)域；
[0017] a)在魚片自身的紫外熒光灰度圖像區(qū)域中，以圖像坐標(biāo)（x，y)為中心取鄰域內(nèi)像 素點(diǎn)的平均灰度值構(gòu)建鄰域平滑圖像，設(shè)像素灰度級(jí)為L(zhǎng)，總灰度頻數(shù)為M' *N'，像素點(diǎn) 灰度值i和鄰域平均灰度值j組成的二元組（i，j)出現(xiàn)的頻數(shù)為Iiij，則其對(duì)應(yīng)的聯(lián)合概率 密度戈

【權(quán)利要求】
1. 一種基于自動(dòng)閾值分割的水產(chǎn)品寄生蟲紫外熒光成像檢測(cè)方法，其特征在于它包括 以下步驟： (1) 利用紫外光源照射水產(chǎn)品激發(fā)產(chǎn)生熒光，由圖像采集設(shè)備拍攝水產(chǎn)品紫外熒光圖 像； (2) 對(duì)水產(chǎn)品紫外熒光采集圖像進(jìn)行灰度變換、平滑降噪、背景消除、數(shù)學(xué)形態(tài)學(xué)變換 等圖像處理； (3) 以水產(chǎn)品為目標(biāo)，以周圍環(huán)境為背景，基于一維閾值分割處理算法，在最大類間距 準(zhǔn)則和最小類內(nèi)距準(zhǔn)則下，自動(dòng)分割水產(chǎn)品自身區(qū)域與環(huán)境背景區(qū)域； (4) 以寄生蟲為目標(biāo)，以水產(chǎn)品肉質(zhì)為背景，基于二維閾值分割處理算法，由水產(chǎn)品自 身紫外熒光灰度圖像和其鄰域平滑圖像共同確定二維分割閾值對(duì)，以類間距方差和類內(nèi)離 散測(cè)度構(gòu)建分割識(shí)別函數(shù)，自動(dòng)分割水產(chǎn)品肉質(zhì)和寄生蟲區(qū)域，從而實(shí)現(xiàn)對(duì)水產(chǎn)品寄生蟲 的檢測(cè)。
2. 根據(jù)權(quán)利要求1所述的檢測(cè)方法，其特征在于：紫外熒光圖像的獲取是利用暗箱頂 部安裝的紫外光源對(duì)水產(chǎn)品照射激發(fā)產(chǎn)生熒光，利用圖像采集設(shè)備在暗箱內(nèi)的固定機(jī)位拍 攝和存儲(chǔ)水產(chǎn)品紫外熒光圖像，并同步傳輸至圖像分析處理系統(tǒng)進(jìn)行預(yù)處理。
3. 根據(jù)權(quán)利要求1所述的檢測(cè)方法，其特征在于所述一維閾值分割處理算法，通過以 下約束條件自動(dòng)選取最優(yōu)分割閾值T% (1)最大類間距準(zhǔn)則：由水產(chǎn)品和環(huán)境背景區(qū)域類間距平方4(7)求解分割閾值7；'
其中％、％分別為魚片自身紫外熒光灰度化圖像區(qū)域像素灰度值i和鄰域平滑圖像灰 度值」_一維直方圖分布比例七142，142分別為由像素灰度值1和鄰域平均灰度值」計(jì) 算的水產(chǎn)品和寄生蟲區(qū)域?qū)?yīng)比例，yyi2、yp、h_2分別為由像素灰度值i和鄰域平均 灰度值j計(jì)算的水產(chǎn)品和寄生蟲區(qū)域均值，i，j= 〇, 1，…，L-l; (3)閾值分割識(shí)別函數(shù)：通過魚片自身紫外熒光灰度化圖像區(qū)域和其鄰域平滑圖像， 分別構(gòu)建水產(chǎn)品與寄生蟲區(qū)域分割函數(shù)并取最大值，
【文檔編號(hào)】G06T7/00GK104484876SQ201410741684
【公開日】2015年4月1日 申請(qǐng)日期:2014年12月5日 優(yōu)先權(quán)日:2014年12月5日
【發(fā)明者】年睿, 曹立民, 林洪, 王昊, 楊賢林, 史叢叢, 陳美美 申請(qǐng)人:中國海洋大學(xué)