发明名称 基于高光谱的识别新鲜肉、冷却肉和冷冻肉的方法及装置
摘要 本发明公开了基于高光谱的识别新鲜肉、冷却肉和冷冻肉的方法,包括以下步骤:(1)获取肉品样品的0反射率高光谱图像和全反射率高光谱图像,(2)在校正后的高光谱图像上选取肉品样品的感兴趣区域,获取感兴趣区域在特征波长下的光谱反射值;提取高光谱图像的权重系数最高的PC图像,并计算其纹理特征;(3)采用基于Fisher判别式的第一判别分析模型进行判别;(4)采用基于Fisher判别式的第二判别分析模型进行判别。本发明的方法大大提高了分类模型的鲁棒性,使模型分类更加精准。本发明还公开了基于高光谱的识别新鲜肉、冷却肉和冷冻肉的装置,提高了高光谱图像的质量。
申请公布号 CN104897581A 申请公布日期 2015.09.09
申请号 CN201510288555.5 申请日期 2015.05.29
申请人 华南理工大学 发明人 孙大文;马骥;蒲洪彬;曾新安;高文宏;曲佳欢
分类号 G01N21/25(2006.01)I 主分类号 G01N21/25(2006.01)I
代理机构 广州市华学知识产权代理有限公司 44245 代理人 陈文姬
主权项 基于高光谱的识别新鲜肉、冷却肉和冷冻肉的方法,其特征在于,包括以下步骤:(1)对肉品样品进行高光谱扫描,获取0反射率高光谱图像和全反射率高光谱图像,对获取的高光谱图像进行校正;(2)在校正后的0反射率高光谱图像和全反射率高光谱图像上选取肉品样品的感兴趣区域,获取感兴趣区域在特征波长下的光谱反射值;对高光谱图像进行主成分分析得到PC图像,提取权重系数最高的PC图像,并计算权重系数最高的PC图像的纹理特征;所述纹理特征包括0度角的相关性、灰度熵和梯度熵;当肉品样品为猪肉样品时,所述特征波长为552nm、583nm、和673nm;当肉品样品为牛肉样品时,所述特征波长为479nm、601nm和776nm;当肉品样品为羊肉样品时,所述特征波长为549nm、638nm和774nm;(3)采用基于Fisher判别式的第一判别分析模型进行判别:当肉品样品为猪肉样品时,第一判别分析模型如下:Y<sub>0</sub>=0.034R<sub>552</sub>‑0.073R<sub>583</sub>‑0.067R<sub>673</sub>+0.078T<sub>1</sub>‑0.105T<sub>2</sub>+0.066T<sub>3</sub>+47.843Y<sub>1</sub>=0.041R<sub>552</sub>‑0.068R<sub>583</sub>‑0.073R<sub>673</sub>+0.056T<sub>1</sub>‑0.131T<sub>2</sub>+0.097T<sub>3</sub>+35.764其中,R<sub>552</sub>、R<sub>583</sub>、R<sub>673</sub>分别为特征波长552nm、583nm、和673nm下的光谱反射值;T<sub>1</sub>、T<sub>2</sub>、T<sub>3</sub>分别为0度角的相关性、灰度熵和梯度熵;当肉品样品为牛肉样品时,第一判别分析模型如下:Y<sub>0</sub>=0.048R<sub>479</sub>‑0.009R<sub>601</sub>+0.058R<sub>776</sub>+0.042T<sub>1</sub>‑0.064T<sub>2</sub>+0.023T<sub>3</sub>+12.831Y<sub>1</sub>=0.059R<sub>479</sub>‑0.020R<sub>601</sub>+0.065R<sub>776</sub>+0.058T<sub>1</sub>‑0.076T<sub>2</sub>+0.042T<sub>3</sub>+11.864其中,R<sub>479</sub>、R<sub>601</sub>、R<sub>776</sub>分别为特征波长479nm、601nm和776nm下的光谱反射值;T<sub>1</sub>、T<sub>2</sub>、T<sub>3</sub>分别为0度角的相关性、灰度熵和梯度熵;当肉品样品为羊肉样品时,第一判别分析模型如下:Y<sub>0</sub>=0.026R<sub>549</sub>‑0.010R<sub>638</sub>+0.021R<sub>774</sub>+0.099T<sub>1</sub>‑0.045T<sub>2</sub>+0.014T<sub>3</sub>+39.232Y<sub>1</sub>=0.033R<sub>549</sub>‑0.002R<sub>638</sub>+0.011R<sub>774</sub>+0.083T<sub>1</sub>‑0.048T<sub>2</sub>+0.017T<sub>3</sub>+46.698其中,R<sub>549</sub>、R<sub>638</sub>、R<sub>774</sub>分别为特征波长549nm、638nm和774nm下的光谱反射值;T<sub>1</sub>、T<sub>2</sub>、T<sub>3</sub>分别为0度角的相关性、灰度熵和梯度熵;若Y<sub>0</sub>大于Y<sub>1</sub>,则判定肉品样品为新鲜肉;若Y<sub>0</sub>小于Y<sub>1</sub>,则进行步骤(4);(4)采用基于Fisher判别式的第二判别分析模型进行判别:当肉品样品为猪肉样品时,第二判别分析模型如下:Y<sub>0</sub>'=0.021R<sub>552</sub>‑0.054R<sub>583</sub>‑0.023R<sub>673</sub>+0.045T<sub>1</sub>‑0.095T<sub>2</sub>+0.044T<sub>3</sub>+23.698Y<sub>1</sub>'=0.032R<sub>552</sub>‑0.070R<sub>583</sub>‑0.016R<sub>673</sub>+0.038T<sub>1</sub>‑0.087T<sub>2</sub>+0.052T<sub>3</sub>+25.473其中,R<sub>552</sub>、R<sub>583</sub>、R<sub>673</sub>分别为特征波长552nm、583nm、和673nm下的光谱反射值;T<sub>1</sub>、T<sub>2</sub>、T<sub>3</sub>分别为0度角的相关性、灰度熵和梯度熵;当肉品样品为牛肉样品时,第二判别分析模型如下:Y<sub>0</sub>'=0.056R<sub>479</sub>+0.032R<sub>601</sub>+0.013R<sub>776</sub>+0.093T<sub>1</sub>‑0.088T<sub>2</sub>+0.032T<sub>3</sub>+32.569Y<sub>1</sub>'=0.052R<sub>479</sub>+0.044R<sub>601</sub>+0.041R<sub>776</sub>+0.102T<sub>1</sub>‑0.086T<sub>2</sub>+0.029T<sub>3</sub>+33.875其中,R<sub>479</sub>、R<sub>601</sub>、R<sub>776</sub>分别为特征波长479nm、601nm和776nm下的光谱反射值;T<sub>1</sub>、T<sub>2</sub>、T<sub>3</sub>分别为0度角的相关性、灰度熵和梯度熵;当肉品样品为羊肉样品时,第二判别分析模型如下:Y<sub>0</sub>'=‑0.084R<sub>549</sub>‑0.031R<sub>638</sub>+0.063R<sub>774</sub>+0.053T<sub>1</sub>‑0.109T<sub>2</sub>+0.073T<sub>3</sub>+23.642Y<sub>1</sub>'=‑0.087R<sub>549</sub>‑0.028R<sub>638</sub>+0.055R<sub>774</sub>+0.056T<sub>1</sub>‑0.112T<sub>2</sub>+0.068T<sub>3</sub>+17.579其中,R<sub>549</sub>、R<sub>638</sub>、R<sub>774</sub>分别为特征波长549nm、638nm和774nm下的光谱反射值;T<sub>1</sub>、T<sub>2</sub>、T<sub>3</sub>分别为0度角的相关性、灰度熵和梯度熵;若Y<sub>0</sub>'大于Y<sub>1</sub>',则判定肉品样品为冷却肉,否则为冷冻肉。
地址 511458 广东省广州市南沙区环市大道南路25号华工大广州产研院