详情

原文传递一种基于多光谱图像技术检测中华绒螯蟹熟化程度的方法

专利名称：	一种基于多光谱图像技术检测中华绒螯蟹熟化程度的方法
摘要：	本发明属于无损检测技术领域，具体涉及一种基于多光谱图像技术检测中华绒螯蟹熟化程度的方法；具体步骤为：采集中华绒螯蟹在蒸制过程中的全波段光谱信息，筛选表征蛋白质和脂质熟化程度的特征波长，和多光谱相机组构建多光谱信息采集系统和熟化程度在线监测系统；采集中华绒螯蟹在蒸制过程中特征波长下的光谱图像，并进行校正，进一步划分感兴趣区域；然后提取感兴趣区域的光谱图像数据和颜色信息；融合步骤四中提取的光谱图像数据和颜色信息，建立判别模型；本发明使用光谱图像对中华绒螯蟹的熟化程度进行判断，利用光谱数据与图像数据代替传统的人眼观察，具有准确、高效、无损、实时的优点；解决了人工判断主观性强、准确性差的缺陷。
专利类型：	发明专利
国家地区组织代码：	江苏;32
申请人：	江苏大学
发明人：	王睿远;石海军;黄晓玮;李志华;邹小波;石吉勇;史永强
专利状态：	有效
申请日期：	2019-02-26T00:00:00+0800
发布日期：	2019-06-14T00:00:00+0800
申请号：	CN201910141468.5
公开号：	CN109883966A
分类号：	G01N21/31(2006.01);G;G01;G01N;G01N21
申请人地址：	212013 江苏省镇江市京口区学府路301号
主权项：	1.一种基于多光谱图像技术检测中华绒螯蟹熟化程度的方法，其特征在于，具体步骤如下：步骤一：采集中华绒螯蟹在蒸制过程中的全波段光谱信息，筛选表征蛋白质和脂质熟化程度的特征波长，根据特征波长和多光谱相机组建成多光谱信息采集系统；然后以多光谱信息采集系统进一步构建熟化程度在线监测系统；步骤二：利用步骤一构建的多光谱信息采集系统采集中华绒螯蟹在蒸制过程中特征波长下的光谱图像，并对采集的光谱图像进行校正；步骤三：对步骤二中校正后的光谱图像进一步划分感兴趣区域；步骤四：提取步骤三划分的感兴趣区域的光谱图像数据和颜色信息；步骤五：融合步骤四中提取的光谱图像数据和颜色信息，建立判别模型。 2.根据权利要求1所述的基于多光谱图像技术检测中华绒螯蟹熟化程度的方法，其特征在于，步骤一所述筛选表征蛋白质和脂质熟化程度的特征波长的方法包括遗传算法和蚁群优化算法。 3.根据权利要求1所述的基于多光谱图像技术检测中华绒螯蟹熟化程度的方法，其特征在于，步骤一所述构建熟化程度在线监测系统的方法为：将多光谱信息采集系统组建于蒸锅内侧，多光谱信息采集系统外部加装玻璃挡板，接入冷风系统，去除玻璃挡板上的雾气；同时使用暗通道去雾算法，进行算法去雾，保障图像成像质量，构建熟化程度在线监测系统。 4.根据权利要求1所述的基于多光谱图像技术检测中华绒螯蟹熟化程度的方法，其特征在于，步骤一所述特征波长为：490nm、606nm、646nm、730nm、763nm、780nm、827nm、935nm和990nm。 5.根据权利要求1所述的基于多光谱图像技术检测中华绒螯蟹熟化程度的方法，其特征在于，步骤二所述校正的方法是通过采集白板标定图像进行图像校正。 6.根据权利要求1所述的基于多光谱图像技术检测中华绒螯蟹熟化程度的方法，其特征在于，步骤三所述划分感兴趣区域的具体步骤为：使用自动阈值分割实现对中华绒螯蟹的光谱图像与背景分离，再获取中华绒螯蟹壳区域中心坐标和中华绒螯蟹图像的中轴线，以中心坐标为中心，中轴线为对称轴生成100×100至300×300像素大小的矩形为感兴趣区域。 7.根据权利要求1所述的基于多光谱图像技术检测中华绒螯蟹熟化程度的方法，其特征在于，步骤四所述提取光谱图像数据的方法为：提取检测时感兴趣区域中每个像素点在步骤一筛选的特征波长下的反射强度，将同一波长感兴趣区域中的反射强度平均值作为一个输入变量，根据步骤一筛选的特征波长的数量，共得到9个光谱数据的输入变量。 8.根据权利要求1所述的基于多光谱图像技术检测中华绒螯蟹熟化程度的方法，其特征在于，步骤四所述提取颜色信息的方法为：首先提取蒸制过程中感兴趣区域L、a、b的平均值，设置蒸制前感兴趣区域L、a、b的平均值为L0、a0、b0，检测时感兴趣区域L、a、b的平均值为L1、a1、b1，将色差值ΔL、Δa、Δb作为颜色信息的输入值。 9.根据权利要求1所述的基于多光谱图像技术检测中华绒螯蟹熟化程度的方法，其特征在于，步骤五所述的融合方法，具体是指将步骤四中得到的光谱图像数据与颜色信息通过归一化方法融合为一个数值矩阵；所述归一化方法为min-max标准化方法，归一化处理后特征向量的值分布在区间[0，1]内。 10.根据权利要求1所述的基于多光谱图像技术检测中华绒螯蟹熟化程度的方法，其特征在于，步骤五所述建立判别模型是利用光谱图像数据和颜色信息融合与归一化后的数据，分别代入偏最小二乘法判别分析、K-近邻算法、随机森林算法或人工神经网络模型数学模型中，得到基于融合特征光谱图像数据与颜色信息的分类模型。
所属类别：	发明专利