專利名稱：基于多光譜圖像紋理特征的檢測牛肉嫩度的裝置及其方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種基于多光譜圖像紋理特征的檢測牛肉嫩度的裝置及其方法，屬于農(nóng)產(chǎn)品加工與檢測研究領(lǐng)域。
背景技術(shù)：
肉類質(zhì)量在全球已成為日益增長的研究課題。牛肉的品質(zhì)是決定消費者購買意向和市場價格的主要因素，在牛肉的生產(chǎn)和流通過程中進行牛肉品質(zhì)的及時檢測和監(jiān)控，對保障牛肉食品安全、促進牛肉生產(chǎn)及合理消費，具有十分重要的作用及意義。在肉類產(chǎn)業(yè)，對肉質(zhì)量指標的量化一直是重要的研究課題。從競爭激烈的肉類工業(yè)的角度來說，持續(xù)向消費者供應質(zhì)量等級優(yōu)異的肉類產(chǎn)品是廣大肉類企業(yè)賴以生存的基本要素。影響肉類質(zhì)量的主要指標有:顏色、嫩度、紋理、風味、含水量以及多汁性，其中牛肉的嫩度是決定牛肉質(zhì)量的最主要因素。目前，牛肉嫩度的檢測方法主要有感觀評定法和剪切力測定法，前者是通過人工評嘗方式?jīng)Q定肉的嫩度，后者則根據(jù)牛肉的WBSF值來決定牛肉的嫩度。人工評嘗是一種主觀的評定方法，評定人員需經(jīng)過專門的培訓，評定過程耗時、耗力，評定結(jié)果主觀性強、重復性差；剪切力測定的方法所得出的結(jié)果盡管客觀、準確，但其過程繁瑣、復雜，檢測效率低下，根本無法滿足牛肉品質(zhì)的現(xiàn)場檢測和在線檢測要求。因此，有必要對牛肉品質(zhì)檢測方法和技術(shù)進行深入研究，以期開發(fā)一種高效、快速的牛肉品質(zhì)檢測技術(shù)，實現(xiàn)對牛肉品質(zhì)的無損在線檢測。機器視覺，融合了計算機、信息及數(shù)字圖象處理等現(xiàn)代技術(shù)，不僅可以代替人類的部分視覺活動，而且具有比人類視覺更敏銳的辨別力，觀測到人類視覺所不及的細節(jié)，獲得更多的視覺信息。通過區(qū)域分割、數(shù)字運算等技術(shù)手段，可以利用機器視覺對觀測對象的主要特征進行定量分析。將機器視覺技術(shù)應用于農(nóng)產(chǎn)品加工與檢測領(lǐng)域，在以美國、日本為代表的發(fā)達國家己經(jīng)比較普遍，理論水平與實踐能力都要明顯強于我國。機器視覺，融合了計算機、信息及數(shù)字圖象處理等現(xiàn)代技術(shù)，不僅可以代替人類的部分視覺活動，而且具有比人類視覺更敏銳的辨別力，觀測到人類視覺所不及的細節(jié)，從而獲得更多的視覺信息。通過識別(Pattern recognition)、分割(Image segmentation)及二值化(Threshholding)等數(shù)字圖像處理方法，機器視覺可以用來對觀測對象的主要特征進行定量分析與描述，這在農(nóng)業(yè)和食品質(zhì)量檢測方面，已有大量的研究及應用報道。牛肉圖像的紋理特征在分析中起著十分重要的作用。通過使用計算機視覺技術(shù)，從不同嫩度等級的牛肉圖像中提取出來的紋理特征參數(shù)可以將牛肉纖維的尺寸、排列等顯著影響牛肉質(zhì)地和嫩度的指標準確的反映出來。計算機視覺技術(shù)的檢測準確性比人工判定高，同時測定數(shù)據(jù)客觀穩(wěn)定，非常適用于牛肉嫩度的自動分級。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問題是提供一種基于多光譜圖像紋理特征的牛肉嫩度檢測方法，為客觀檢測牛肉嫩度指標提供科學的決策依據(jù)，這有助于在線檢測牛肉質(zhì)量與實現(xiàn)牛肉自動分級系統(tǒng)。為解決上述技術(shù)問題，本發(fā)明的主要技術(shù)內(nèi)容如下:—種基于多光譜圖像紋理特征的檢測牛肉嫩度的裝置，包括燈箱、光照系統(tǒng)、拍攝系統(tǒng)、載物臺和計算機；所述載物臺安裝在燈箱的底部，所述拍攝系統(tǒng)包括CCD數(shù)碼照相機、多光譜濾波器以及相機支架，所述CCD數(shù)碼照相機固定在相機支架上，安裝在燈箱頂部，所述CCD數(shù)碼照相機與其鏡頭的中間加載多光譜濾波器，所述鏡頭對準載物臺臺面的中心，所述計算機與CCD數(shù)碼照相機相連，用于處理存儲采集到的多光譜圖像，所述光照系統(tǒng)包括日光燈照組件和鹵素燈光源組件，所述日光燈照組件安裝在載物臺底部，用于模擬自然光；所述鹵素燈光源組件安裝在燈箱頂部兩側(cè)，用于輔助光源。上述載物臺是活動安裝在燈箱底部，可自由取出。上述日光燈照組件包括兩個50W的日光燈管。上述兩個50W的日光燈管分別安裝在載物臺底部兩側(cè)。上述燈箱頂部兩側(cè)開設(shè)兩個圓形孔，用于鹵素燈光源組件插入。上述多光譜濾波器包括4個不同波段的濾波片，分別是440nm，550nm, 710nm，810nm。一種基于多光譜圖像紋理特征的檢測牛肉嫩度的方法，包括以下步驟:(I)、利用基于多光譜圖像紋理特征的檢測牛肉嫩度的裝置，取得黑色背景的牛肉樣本多光譜圖像；(2)、進行圖像分割與圖像處理，得到信息完整的牛肉各波段的肌肉區(qū)域圖像；(3)、利用灰度共生矩陣，二維快速傅立葉變換，Gabor小波變換的三種紋理特征提取方法，提取出圖像217個紋理特征參數(shù)；(4)、建立逐步回歸與支持向量機嫩度預測模型，分別對嫩，老牛肉進行模型建立與模型檢驗，而后進行模型結(jié)果比較。上述步驟(2)中圖像分割和圖像處理包括以下步驟:(a)、將圖像轉(zhuǎn)化到灰度；(b)、將四個波段的牛肉多光譜圖像進行像素讀取；(C)、通過對感興趣區(qū)域(ROI)像素的定位與分割，得到不同波段下的多光譜圖像肌肉感興趣區(qū)域圖像；上述步驟(3)中灰度共生矩陣法提取了四個方向88個紋理特征，所述特征的詳細表述與計算公式如下:設(shè)f (x, y)為一幅二維數(shù)字圖象，其大小為MXN，灰度級別為0_n，其灰度共生矩陣為 P(i，j);Fl 能量:(式一)其中1、j分別表示矩陣中的橫與列；F2 熵:-H , /HO')iog(/</,./)) (式二)其中1、j分別表示矩陣中的橫與列；
F3相異點:
權(quán)利要求
1.一種基于多光譜圖像紋理特征的檢測牛肉嫩度的裝置，其特征在于:包括燈箱、光照系統(tǒng)、拍攝系統(tǒng)、載物臺和計算機；所述載物臺安裝在燈箱的底部，所述拍攝系統(tǒng)包括CCD數(shù)碼照相機、多光譜濾波器以及相機支架，所述CCD數(shù)碼照相機固定在相機支架上，安裝在燈箱頂部，所述CCD數(shù)碼照相機與其鏡頭的中間加載多光譜濾波器，所述鏡頭對準載物臺臺面的中心，所述計算機與CCD數(shù)碼照相機相連，用于處理存儲采集到的多光譜圖像，所述光照系統(tǒng)包括日光燈照組件和鹵素燈光源組件，所述日光燈照組件安裝在載物臺底部，用于模擬自然光；所述鹵素燈光源組件安裝在燈箱頂部兩側(cè)，用于輔助光源。
2.根據(jù)權(quán)利要求1所述的基于多光譜圖像紋理特征的檢測牛肉嫩度的裝置，其特征在于:所述載物臺是活動安裝在燈箱底部，可自由取出。
3.根據(jù)權(quán)利要求1所述的基于多光譜圖像紋理特征的檢測牛肉嫩度的裝置，其特征在于:所述日光燈照組件包括兩個50W的日光燈管。
4.根據(jù)權(quán)利要求1、3任一權(quán)利要求所述的基于多光譜圖像紋理特征的檢測牛肉嫩度的裝置，其特征在于:所述兩個50W的日光燈管分別安裝在載物臺底部兩側(cè)。
5.根據(jù)權(quán)利要求1所述的基于多光譜圖像紋理特征的檢測牛肉嫩度的裝置，其特征在于:所述燈箱頂部兩側(cè)開設(shè)兩個圓形孔，用于鹵素燈光源組件插入。
6.根據(jù)權(quán)利要求1所述的基于多光譜圖像紋理特征的檢測牛肉嫩度的裝置，其特征在于:所述多光譜濾波器包括4個不同波段的濾波片，分別是440nm,550nm,710nm,810nm。
7.一種基于多光譜圖像紋理特征的檢測牛肉嫩度的方法，其特征在于包括以下步驟: (1)、利用基于多光譜圖像紋理特征的檢測牛肉嫩度的裝置，取得黑色背景的牛肉樣本多光譜圖像； (2)、進行多光譜圖片的譜段分割，得到感興趣區(qū)域(ROI)的牛肉肌肉部位； (3)、利用灰度共生矩陣，二維快速傅立葉變換，Gabor小波變換的三種紋理特征提取方法，提取出圖像217個紋理特征參數(shù)； (4)、建立逐步回歸與支持向量機嫩度預測模型，分別對嫩，老牛肉進行模型建立與模型檢驗，而后進行模型結(jié)果比較。
8.根據(jù)權(quán)利要求7所述的基于多光譜圖像紋理特征的檢測牛肉嫩度的方法其特征在于:所述步驟(2)中多光譜圖像譜段分割和圖像處理包括以下步驟: (8a)、將四個波段的牛肉多光譜圖像進行像素讀?。? (Sb)、通過對感興趣區(qū)域像素的定位與分割，得到不同波段下的多光譜圖像肌肉感興趣區(qū)域圖像。
9.根據(jù)權(quán)利要求7所述的基于多光譜圖像紋理特征的檢測牛肉嫩度的方法其特征在于:所述步驟(3)中灰度共生矩陣法提取了四個方向88個紋理特征，所述特征的詳細表述與計算公式如下: 設(shè)f(x，y)為一幅二維數(shù)字圖象，其大小為MXN，灰度級別為0-n，其灰度共生矩陣為p(i, j); Fl能量: Σ i Σ jP(i, j)2 (式一) 其中1、j分別表不矩陣中的橫與列； F2熵:-EiE jp(i, j) log(p(i, j)) (式二)其中1、j分別表不矩陣中的橫與列；F3相異點:Σ i Σ j-nkp (i, j)，| 1-j | = η (式三)其中，1、j分別表示矩陣中的橫與列，k=l和i古j ；n為灰度級；F4對比度:
10.根據(jù)權(quán)利要求7所述的基于多光譜圖像紋理特征的檢測牛肉嫩度的方法其特征在于:所述步驟(3)中二維快速傅立葉變換法提取了 81個二維傅立葉頻域特征， 一幅MXN圖像的函數(shù)f(x，y) 二維離散傅里葉變換如下所示，χ和y是離散實變量，u和V為離散頻率變量；
11.根據(jù)權(quán)利要求7所述的基于多光譜圖像紋理特征的檢測牛肉嫩度的方法其特征在于:所述步驟(3)中Gabor小波變換法提取了 48個紋理特征，其具體實現(xiàn)方式如下所示: (11a)、Gabor濾波器的設(shè)計 Gabor小波的非正交意味著在濾波的圖像中存在著冗余信息,為了減少冗余，中心頻率范圍為U1和Uh，k表示方向數(shù)，s表示尺度數(shù)，在多分辨分解中，設(shè)計的策略就是確保多通道濾波；由下面的公式計算，并分別用a，σ u，σ v來表示通道濾波:
12.根據(jù)權(quán)利要求7所述的基于多光譜圖像紋理特征的檢測牛肉嫩度的方法其特征在于:所述步驟(4)中的逐步回歸預測模型的具體實現(xiàn)步驟如下: (12a)、根據(jù)牛肉實際嫩度檢測值對牛肉樣本進行標簽分類，分為預測集和測試集； (12b)、根據(jù)預測集樣本的217個紋理特征值建立逐步回歸模型； (12c)、將測試集樣本代入建好的逐步回歸預測模型； (12d)、將逐步回歸預測模型結(jié)果與實際測試嫩度結(jié)果進行比較，得出預測準確率。
13.根據(jù)權(quán)利要求7所述的基于多光譜圖像紋理特征的檢測牛肉嫩度的方法其特征在于:所述步驟(4)中的支持向量機預測模型的具體實現(xiàn)步驟如下: (13a)、根據(jù)牛肉實際嫩度檢測值對牛肉樣本進行標簽分類，分為預測集和測試集； (13b)、根據(jù)預測集樣本的217個紋理特征值建立支持向量機模型； (13c)、選取支持向量機懲罰系數(shù)與核函數(shù)參數(shù)； (13d)、將測試集樣本代入建好的支持向量機預測模型； (13e)、將支持向量機預測模型結(jié)果與實際測試嫩度結(jié)果進行比較，得出預測準確率。
全文摘要
本發(fā)明涉及一種基于多光譜圖像紋理特征的檢測牛肉嫩度的裝置,包括燈箱、光照系統(tǒng)、拍攝系統(tǒng)、載物臺和計算機；載物臺安裝在燈箱的底部，拍攝系統(tǒng)包括CCD數(shù)碼照相機、多光譜濾波器以及相機支架，CCD數(shù)碼照相機固定在相機支架上，安裝在燈箱頂部，CCD數(shù)碼照相機的鏡頭的下部加載多光譜濾波器，對準載物臺臺面的中心，計算機與CCD數(shù)碼照相機相連，用于處理存儲采集到的多光譜圖像，光照系統(tǒng)包括日光燈照組件和鹵素燈光源組件，日光燈照組件安裝在載物臺底部，用于模擬自然光；鹵素燈光源組件安裝在燈箱頂部兩側(cè)，用于輔助光源。本發(fā)明通過多光譜牛肉嫩度預測方法可以對牛肉樣本進行有效的在線嫩度預測，并為以后牛肉在線質(zhì)量檢測系統(tǒng)打下基礎(chǔ)。
文檔編號G06K9/62GK103149163SQ20131004730
公開日2013年6月12日 申請日期2013年2月5日 優(yōu)先權(quán)日2013年2月5日
發(fā)明者陳坤杰, 孫鑫 申請人:南京農(nóng)業(yè)大學