专利名称：一种基于近红外光谱及显微脂肪细胞数据融合的猪肉新鲜度无损检测技术的制作方法
技术领域：
本发明涉及一种检测系统，尤其涉及一种肉类质量检测系统及方法。
背景技术：
近年来，公共卫生突发事件严重威胁国民健康，因此，卫生检验，尤其是对猪肉、羊 肉、牛肉等肉类的质量检测引起了高度重视。目前，肉类质量的检测技术有感官检测、微生 物检测及理化检测等。感官检测依赖检测人员的感官来判断肉的新鲜程度，因此，对检测人 员能力要求较高，必须是经过系统培训和长期实践的人才能胜任，且受主观因素影响较多， 检测人员的个体感官差异直接影响检测结果的准确性。微生物检测和理化检测需要依赖一 系列化学装置来完成，过程复杂、检测时间长、设备昂贵，不能快速进行现场实时检测。
发明内容
鉴于现有技术中存在的上述问题，本发明的主要目的在于解决现有技术的缺陷， 提供一种可快速、准确检测肉类质量且结构、过程简单的肉类质量检测系统及方法。一种肉类质量检测系统，所述肉类质量检测系统包括一图像采集�？椋杉蝗饫嘌返闹咀橹枷瘢灰煌枷翊砟？椋崛∷鲋咀橹枷裰性残位蛲衷残伪呓缫曰袢∫荒勘晖� 像；—脂肪细胞数测量�？椋卸ㄔ谒瞿勘晖枷竦ノ幻婊刑崛〉脑残位蛲衷残伪� 界是否为脂肪细胞的边界，并统计被判定为脂肪细胞的边界的圆形或椭圆形边界的数量， 该数量为所述肉类样品脂肪组织单位面积中的脂肪细胞数；一光谱分析�？椋馕鏊鋈饫嘌返慕焱夤馄滓曰袢∷鋈饫嘌返慕峁棺� 成数据；及一数据融合处理�？椋运鋈饫嘌分咀橹ノ幻婊械闹鞠赴退� 肉类样品的结构组成数据进行融合处理以得到一实际输出值，所述实际输出值表征所述肉 类样品的质量。一种肉类质量检测方法，包括以下步骤采集步骤采集一肉类样品的脂肪组织图像；边界提取步骤提取所述脂肪组织图像中圆形或椭圆形边界以获取一目标图像；脂肪细胞数测量步骤判定在所述目标图像单位面积中作为脂肪细胞的边界的圆 形或椭圆形边界，并统计被判定为脂肪细胞的边界的圆形或椭圆形边界的数量，该数量为 所述肉类样品脂肪组织单位面积中的脂肪细胞数；光谱分析步骤通过解析所述肉类样品的近红外光谱来获取所述肉类样品的结构 组成数据；以及数据融合步骤将所述肉类样品脂肪组织单位面积中的脂肪细胞数以及所述肉类样品的结构组成数据代入一预设的运算法则中进行融合运算，以输出一实际输出值，所述 实际输出值用以表征所述肉类样品的质量。 所述肉类质量检测系统及方法通过采集所述样品的脂肪组织图像并对图像进行 处理并从所述图像中提取圆形或椭圆形边界，通过在提取的圆形或椭圆形边界中判定脂肪 细胞边界并统计在单位面积中的脂肪细胞边界的数量以得到样品脂肪组织单位面积中的 脂肪细胞数，且通过解析所述样品的近红外光谱以获取所述肉类样品的结构组成数据，最 后对所述脂肪组织单位面积中的脂肪细胞数及所述肉类样品的结构组成数据进行数据融 合处理来输出表征待检测肉质量的数据，可快速、准确检测肉类质量，且检测结构和过程简
图1为本发明肉类质量检测系统较佳实施方式的方框图。图2A-2B分别为转换为HSI模型后的脂肪组织图像和增强对比度后HSI模型的脂 肪组织图像。图3A-3D分别为样品在腐败0小时、3小时、6小时、9小时时所得到的目标图像。图4为图1中的神经网络单元的结构示意图。图5为本发明肉类质量检测方法较佳实施方式的流程图。图6为图1中的脂肪细胞数测量�？榛袢≈咀橹ノ幻婊械闹鞠赴牧� 程图。图7为图1中的神经网络单元根据所述样品的第一、第二特征值获取表征待检测 肉质量的数据的流程图。
具体实施例方式下面将结合附图及具体实施例对本发明作进一步说明。请参考图1至图4，本发明肉类质量检测系统1的较佳实施方式包括一图像采集模 块10、一图像处理模块20、一脂肪细胞数测量�？�30、一光谱分析�？�40、及一数据融合处 理�？�50。所述图像处理�？�20包括一图像转换单元22、一图像增强单元24及一边界提 取单元26。所述图像采集�？�10包括一 CCD (Charge-coupled Device,电荷耦合元件)显微 镜，用于采集待检测肉样品的脂肪组织图像，所述脂肪组织包括大量密集的脂肪细胞。具体 操作时，可用消毒的手术刀在待检测肉的脂肪组织中提取长2厘米、宽1厘米、厚2毫米的 样品，将提取的样品放置在载玻片上，再将载玻片放置在所述C⑶显微镜的载物台上，调整 载物台的位置，并对所述CCD显微镜设置一合适的放大系数，如100倍，由所述CCD显微镜 对样品进行拍摄，以得到所述脂肪组织的RGB (红色通道、绿色通道、蓝色通道)图像。所述图像转换单元22将所述脂肪组织图像由RGB模型转换为HSI (Hue、 Saturation, Intensity，色相、色饱和度、亮度)模型，所述HSI模型的图像通过色相值、色 饱和度值和亮度值来描述图像，转换为HSI模型后的脂肪组织图像如图2A所示。将图像由 RGB模型转换为HSI模型通过以下公式实现
I = ^(R + G + B)(1)S = I-…+ ^ +召)[min(凡G,召)](2)
权利要求
一种肉类质量检测系统，所述肉类质量检测系统包括一图像采集�？椋杉蝗饫嘌返闹咀橹枷瘢灰煌枷翊砟？椋崛∷鲋咀橹枷裰性残位蛲衷残伪呓缫曰袢∫荒勘晖枷瘢灰恢鞠赴饬磕？椋卸ㄔ谒瞿勘晖枷竦ノ幻婊刑崛〉脑残位蛲衷残伪呓缡欠裎鞠赴谋呓纾⑼臣票慌卸ㄎ鞠赴谋呓绲脑残位蛲衷残伪呓绲氖浚檬课鋈饫嘌分咀橹ノ幻婊械闹鞠赴灰还馄追治瞿？椋馕鏊鋈饫嘌返慕焱夤馄滓曰袢∷鋈饫嘌返慕峁棺槌墒荩患耙皇萑诤洗砟？椋运鋈饫嘌分咀橹ノ幻婊械闹鞠赴退鋈饫嘌返慕峁棺槌墒萁腥诤洗硪缘玫揭皇导适涑鲋担鍪导适涑鲋当碚魉鋈饫嘌返闹柿�。
2.如权利要求1所述的肉类质量检测系统，其特征在于，所述图像处理�？榘� 一图像转换单元，用于将所述脂肪组织图像由RGB模型转换为由色相值、色饱和度值和亮度值来描述图像的HSI模型；一图像增强单元，用于增强所述HSI模型的脂肪组织图像的对比度；及 一边界提取单元，用于提取增强对比度之后的所述HSI模型的脂肪组织图像中的圆形 或椭圆形边界，以得到所述目标图像。
3.如权利要求2所述的肉类质量检测系统，其特征在于，所述脂肪细胞数测量�？榘ㄒ恢本恫饬康ピ饬磕勘晖枷竦ノ幻婊械耐衷残魏驮残伪呓绲闹本叮渲型衷残� 边界的直径包括其长轴直径和短轴直径；一运算单元，将测量的直径按照大小顺序排列，并计算最大直径与最小直径之间的比 值；及一判断单元，根据计算所得的比值和一预设值之间的大小关系判定所述目标图像单位 面积中作为脂肪细胞边界的圆形或椭圆形边界。
4.如权利要求1所述的肉类质量检测系统，其特征在于，所述光谱分析�？榘ㄒ徽� 射所述肉类样品的近红外光源及一解析所述肉类样品近红外光谱的检测单元。
5.如权利要求4所述的肉类质量检测系统，其特征在于，所述光谱分析�？榛拱ㄒ� 照射所述肉类样品的中红外光源，所述检测单元通过解析所述肉类样品的中红外光谱得到 所述肉类样品的各组成成分的含量数据，所述数据融合处理�？槎运鎏卣髦堤崛∧？榛� 取的比值、所述红外光谱分析�？榛袢〉娜饫嘌返慕峁棺槌墒莺透髯槌沙煞值暮渴� 据进行融合处理以得到所述实际输出值。
6.一种肉类质量检测方法，包括以下步骤 采集步骤采集一肉类样品的脂肪组织图像；边界提取步骤提取所述脂肪组织图像中圆形或椭圆形边界以获取一目标图像； 脂肪细胞数测量步骤判定在所述目标图像单位面积中作为脂肪细胞的边界的圆形或 椭圆形边界，并统计被判定为脂肪细胞的边界的圆形或椭圆形边界的数量，该数量为所述 肉类样品脂肪组织单位面积中的脂肪细胞数；光谱分析步骤通过解析所述肉类样品的近红外光谱来获取所述肉类样品的结构组成数据；以及数据融合步骤将所述肉类样品脂肪组织单位面积中的脂肪细胞数以及所述肉类样品 的结构组成数据代入一预设的运算法则中进行融合运算，以输出一实际输出值，所述实际 输出值用以表征所述肉类样品的质量。
7.如权利要求7所述的肉类质量检测方法，其特征在于，所述边界提取步骤包括将所述脂肪组织图像由RGB模型转换为由色相值、色饱和度值、亮度值来描述图像的 HSI模型；利用直方图均衡变换法对所述HSI模型的脂肪组织图像进行增强图像对比度的处理； 通过拉普拉斯算子增强所述HSI模型的脂肪组织图像中的边界； 通过霍夫变换法提取所述HSI模型的脂肪组织图像中的圆形或椭圆形边界；及 对所提取的圆形或椭圆形边界进行自动分割以获得所述目标图像。
8.如权利要求6所述的肉类质量检测方法，其特征在于，所述脂肪细胞数测量步骤包括测量所述目标图像单位面积中的椭圆形和圆形边界的直径，其中椭圆形边界的直径包 括其长轴直径和短轴直径；将测得的直径按照大小顺序排列，并计算最大直径与最小直径之间的比值； 判断计算所得的比值是否小于或等于一预设值，如果所述比值小于或等于所述预设 值，则判定所述目标图像单位面积中的椭圆形和圆形边界均为脂肪细胞的边界，如果所述 最大直径与最小直径之间的比值大于所述预设值，则忽略最大直径计算次大直径与最小直 径之间的比值，或忽略最小直径计算最大直径与次小直径之间的比值，直至计算得到的比 值小于或等于所述预设值时，判定除忽略的直径所对应的圆形或椭圆形边界外，其他圆形 或椭圆形边界均为脂肪细胞的边界；及统计被判定为脂肪细胞的边界的圆形或椭圆形边界的数量，该数量等于所述样品脂肪 组织单位面积中的脂肪细胞数。
9.如权利要求6所述的肉类质量检测方法，其特征在于，所述光谱分析步骤通过计算 所述肉类样品对两不同波长的近红外光的吸光度差来分析所述肉类样品的结构组成数据。
10.如权利要求6所述的肉类质量检测方法，其特征在于，所述数据融合步骤包括 通过一网络神经单元的输入层接收所述脂肪细胞数以及所述肉类样品的结构组成数据；将所述脂肪细胞数以及所述肉类样品的结构组成数据代入一预设的运算法则中进行 融合运算，以得到一实际输出值；找到与接收的数据最接近的训练样本，并运算对应该训练样本的期望输出值和所述实 际输出值之间的误差值，所述训练样本包括一脂肪细胞数量数据和对应的样品结构组成数 据，各期望输出值是将对应的训练样本中的数据代入所述预设运算法则中计算出的值，代 表不同样本的质量；判断所述实际输出值与所述期望输出值之间的误差值是否在一允许的误差范围内； 如果所述实际输出值与所述期望输出值之间的误差值在所述允许的误差范围内，由所 述神经网络单元的一输出层输出所述实际输出值；以及如果所述实际输出值与所述期望输出值之间的误差值不在所述允许的误差范围内，改变所述预设运算法则的权值，并重新将所述脂肪细胞数及所述肉类样品的结构组成数据代 入所述预设的运算法则中进行融合运算，直至计算得到的实际输出值与所述期望输出值之 间的误差值在所述允许的误差范围内，再由所述输出层输出符合条件的实际输出值。
全文摘要
一种肉类质量检测系统，包括一图像采集�？椋杉蝗饫嘌返闹咀橹枷瘢灰煌枷翊砟？椋崛≈咀橹枷裰性残位蛲衷残伪呓缫曰袢∫荒勘晖枷瘢灰恢鞠赴饬磕？椋谂卸勘晖枷竦ノ幻婊械闹鞠赴谋呓纾⑼臣浦鞠赴呓绲氖浚檬课鲋咀橹ノ幻婊械闹鞠赴灰还馄追治瞿？椋馕鲅返慕焱夤馄滓曰袢⊙返慕峁棺槌墒荩患耙皇萑诤洗砟？椋灾鞠赴脱返慕峁棺槌墒萁腥诤洗硪缘玫揭皇导适涑鲋担鍪导适涑鲋当碚魉鋈饫嘌返闹柿�。本发明还提供一种肉类质量检测方法，所述肉类质量检测系统及方法可快速、准确检测肉类质量，且结构和检测过程简单。
文档编号G01N21/35GK101936894SQ201010259900
公开日2011年1月5日 申请日期2010年8月23日 优先权日2010年8月23日
发明者于瑞雪, 郭培源, 郭歌, 陈天华 申请人:北京工商大学
专业数控铣床产品供应商
20年生产经验，实力工厂，精工品质，质量有保障
