专利名称：基于多光谱图像纹理特征的检测牛肉嫩度的装置及其方法
技术领域：
本发明涉及一种基于多光谱图像纹理特征的检测牛肉嫩度的装置及其方法，属于农产品加工与检测研究领域。
背景技术：
肉类质量在全球已成为日益增长的研究课题。牛肉的品质是决定消费者购买意向和市场价格的主要因素，在牛肉的生产和流通过程中进行牛肉品质的及时检测和监控，对保障牛肉食品安全、促进牛肉生产及合理消费，具有十分重要的作用及意义。在肉类产业，对肉质量指标的量化一直是重要的研究课题。从竞争激烈的肉类工业的角度来说，持续向消费者供应质量等级优异的肉类产品是广大肉类企业赖以生存的基本要素。影响肉类质量的主要指标有:颜色、嫩度、纹理、风味、含水量以及多汁性，其中牛肉的嫩度是决定牛肉质量的最主要因素。目前，牛肉嫩度的检测方法主要有感观评定法和剪切力测定法，前者是通过人工评尝方式决定肉的嫩度，后者则根据牛肉的WBSF值来决定牛肉的嫩度。人工评尝是一种主观的评定方法，评定人员需经过专门的培训，评定过程耗时、耗力，评定结果主观性强、重复性差；剪切力测定的方法所得出的结果尽管客观、准确，但其过程繁琐、复杂，检测效率低下，根本无法满足牛肉品质的现场检测和在线检测要求。因此，有必要对牛肉品质检测方法和技术进行深入研究，以期开发一种高效、快速的牛肉品质检测技术，实现对牛肉品质的无损在线检测。机器视觉，融合了计算机、信息及数字图象处理等现代技术，不仅可以代替人类的部分视觉活动，而且具有比人类视觉更敏锐的辨别力，观测到人类视觉所不及的细节，获得更多的视觉信息。通过区域分割、数字运算等技术手段，可以利用机器视觉对观测对象的主要特征进行定量分析。将机器视觉技术应用于农产品加工与检测领域，在以美国、日本为代表的发达国家己经比较普遍，理论水平与实践能力都要明显强于我国。机器视觉，融合了计算机、信息及数字图象处理等现代技术，不仅可以代替人类的部分视觉活动，而且具有比人类视觉更敏锐的辨别力，观测到人类视觉所不及的细节，从而获得更多的视觉信息。通过识别(Pattern recognition)、分割(Image segmentation)及二值化(Threshholding)等数字图像处理方法，机器视觉可以用来对观测对象的主要特征进行定量分析与描述，这在农业和食品质量检测方面，已有大量的研究及应用报道。牛肉图像的纹理特征在分析中起着十分重要的作用。通过使用计算机视觉技术，从不同嫩度等级的牛肉图像中提取出来的纹理特征参数可以将牛肉纤维的尺寸、排列等显著影响牛肉质地和嫩度的指标准确的反映出来。计算机视觉技术的检测准确性比人工判定高，同时测定数据客观稳定，非常适用于牛肉嫩度的自动分级。
发明内容
本发明所要解决的技术问题是提供一种基于多光谱图像纹理特征的牛肉嫩度检测方法，为客观检测牛肉嫩度指标提供科学的决策依据，这有助于在线检测牛肉质量与实现牛肉自动分级系统。为解决上述技术问题，本发明的主要技术内容如下:—种基于多光谱图像纹理特征的检测牛肉嫩度的装置，包括灯箱、光照系统、拍摄系统、载物台和计算机；所述载物台安装在灯箱的底部，所述拍摄系统包括CCD数码照相机、多光谱滤波器以及相机支架，所述CCD数码照相机固定在相机支架上，安装在灯箱顶部，所述CCD数码照相机与其镜头的中间加载多光谱滤波器，所述镜头对准载物台台面的中心，所述计算机与CCD数码照相机相连，用于处理存储采集到的多光谱图像，所述光照系统包括日光灯照组件和卤素灯光源组件，所述日光灯照组件安装在载物台底部，用于模拟自然光；所述卤素灯光源组件安装在灯箱顶部两侧，用于辅助光源。上述载物台是活动安装在灯箱底部，可自由取出。上述日光灯照组件包括两个50W的日光灯管。上述两个50W的日光灯管分别安装在载物台底部两侧。上述灯箱顶部两侧开设两个圆形孔，用于卤素灯光源组件插入。上述多光谱滤波器包括4个不同波段的滤波片，分别是440nm，550nm, 710nm，810nm。一种基于多光谱图像纹理特征的检测牛肉嫩度的方法，包括以下步骤:(I)、利用基于多光谱图像纹理特征的检测牛肉嫩度的装置，取得黑色背景的牛肉样本多光谱图像；(2)、进行图像分割与图像处理，得到信息完整的牛肉各波段的肌肉区域图像；(3)、利用灰度共生矩阵，二维快速傅立叶变换，Gabor小波变换的三种纹理特征提取方法，提取出图像217个纹理特征参数；(4)、建立逐步回归与支持向量机嫩度预测模型，分别对嫩，老牛肉进行模型建立与模型检验，而后进行模型结果比较。上述步骤(2)中图像分割和图像处理包括以下步骤:(a)、将图像转化到灰度；(b)、将四个波段的牛肉多光谱图像进行像素读取；(C)、通过对感兴趣区域(ROI)像素的定位与分割，得到不同波段下的多光谱图像肌肉感兴趣区域图像；上述步骤(3)中灰度共生矩阵法提取了四个方向88个纹理特征，所述特征的详细表述与计算公式如下:设f (x, y)为一幅二维数字图象，其大小为MXN，灰度级别为0_n，其灰度共生矩阵为 P(i，j);Fl 能量:(式一)其中1、j分别表示矩阵中的横与列；F2 熵:-H , /HO')iog(/</,./)) (式二)其中1、j分别表示矩阵中的横与列；
F3相异点:
权利要求
1.一种基于多光谱图像纹理特征的检测牛肉嫩度的装置，其特征在于:包括灯箱、光照系统、拍摄系统、载物台和计算机；所述载物台安装在灯箱的底部，所述拍摄系统包括CCD数码照相机、多光谱滤波器以及相机支架，所述CCD数码照相机固定在相机支架上，安装在灯箱顶部，所述CCD数码照相机与其镜头的中间加载多光谱滤波器，所述镜头对准载物台台面的中心，所述计算机与CCD数码照相机相连，用于处理存储采集到的多光谱图像，所述光照系统包括日光灯照组件和卤素灯光源组件，所述日光灯照组件安装在载物台底部，用于模拟自然光；所述卤素灯光源组件安装在灯箱顶部两侧，用于辅助光源。
2.根据权利要求1所述的基于多光谱图像纹理特征的检测牛肉嫩度的装置，其特征在于:所述载物台是活动安装在灯箱底部，可自由取出。
3.根据权利要求1所述的基于多光谱图像纹理特征的检测牛肉嫩度的装置，其特征在于:所述日光灯照组件包括两个50W的日光灯管。
4.根据权利要求1、3任一权利要求所述的基于多光谱图像纹理特征的检测牛肉嫩度的装置，其特征在于:所述两个50W的日光灯管分别安装在载物台底部两侧。
5.根据权利要求1所述的基于多光谱图像纹理特征的检测牛肉嫩度的装置，其特征在于:所述灯箱顶部两侧开设两个圆形孔，用于卤素灯光源组件插入。
6.根据权利要求1所述的基于多光谱图像纹理特征的检测牛肉嫩度的装置，其特征在于:所述多光谱滤波器包括4个不同波段的滤波片，分别是440nm,550nm,710nm,810nm。
7.一种基于多光谱图像纹理特征的检测牛肉嫩度的方法，其特征在于包括以下步骤: (1)、利用基于多光谱图像纹理特征的检测牛肉嫩度的装置，取得黑色背景的牛肉样本多光谱图像； (2)、进行多光谱图片的谱段分割，得到感兴趣区域(ROI)的牛肉肌肉部位； (3)、利用灰度共生矩阵，二维快速傅立叶变换，Gabor小波变换的三种纹理特征提取方法，提取出图像217个纹理特征参数； (4)、建立逐步回归与支持向量机嫩度预测模型，分别对嫩，老牛肉进行模型建立与模型检验，而后进行模型结果比较。
8.根据权利要求7所述的基于多光谱图像纹理特征的检测牛肉嫩度的方法其特征在于:所述步骤(2)中多光谱图像谱段分割和图像处理包括以下步骤: (8a)、将四个波段的牛肉多光谱图像进行像素读取； (Sb)、通过对感兴趣区域像素的定位与分割，得到不同波段下的多光谱图像肌肉感兴趣区域图像。
9.根据权利要求7所述的基于多光谱图像纹理特征的检测牛肉嫩度的方法其特征在于:所述步骤(3)中灰度共生矩阵法提取了四个方向88个纹理特征，所述特征的详细表述与计算公式如下: 设f(x，y)为一幅二维数字图象，其大小为MXN，灰度级别为0-n，其灰度共生矩阵为p(i, j); Fl能量: Σ i Σ jP(i, j)2 (式一) 其中1、j分别表不矩阵中的横与列； F2熵:-EiE jp(i, j) log(p(i, j)) (式二)其中1、j分别表不矩阵中的横与列；F3相异点:Σ i Σ j-nkp (i, j)，| 1-j | = η (式三)其中，1、j分别表示矩阵中的横与列，k=l和i古j ；n为灰度级；F4对比度:
10.根据权利要求7所述的基于多光谱图像纹理特征的检测牛肉嫩度的方法其特征在于:所述步骤(3)中二维快速傅立叶变换法提取了 81个二维傅立叶频域特征， 一幅MXN图像的函数f(x，y) 二维离散傅里叶变换如下所示，χ和y是离散实变量，u和V为离散频率变量；
11.根据权利要求7所述的基于多光谱图像纹理特征的检测牛肉嫩度的方法其特征在于:所述步骤(3)中Gabor小波变换法提取了 48个纹理特征，其具体实现方式如下所示: (11a)、Gabor滤波器的设计 Gabor小波的非正交意味着在滤波的图像中存在着冗余信息,为了减少冗余，中心频率范围为U1和Uh，k表示方向数，s表示尺度数，在多分辨分解中，设计的策略就是确保多通道滤波；由下面的公式计算，并分别用a，σ u，σ v来表示通道滤波:
12.根据权利要求7所述的基于多光谱图像纹理特征的检测牛肉嫩度的方法其特征在于:所述步骤(4)中的逐步回归预测模型的具体实现步骤如下: (12a)、根据牛肉实际嫩度检测值对牛肉样本进行标签分类，分为预测集和测试集； (12b)、根据预测集样本的217个纹理特征值建立逐步回归模型； (12c)、将测试集样本代入建好的逐步回归预测模型； (12d)、将逐步回归预测模型结果与实际测试嫩度结果进行比较，得出预测准确率。
13.根据权利要求7所述的基于多光谱图像纹理特征的检测牛肉嫩度的方法其特征在于:所述步骤(4)中的支持向量机预测模型的具体实现步骤如下: (13a)、根据牛肉实际嫩度检测值对牛肉样本进行标签分类，分为预测集和测试集； (13b)、根据预测集样本的217个纹理特征值建立支持向量机模型； (13c)、选取支持向量机惩罚系数与核函数参数； (13d)、将测试集样本代入建好的支持向量机预测模型； (13e)、将支持向量机预测模型结果与实际测试嫩度结果进行比较，得出预测准确率。
全文摘要
本发明涉及一种基于多光谱图像纹理特征的检测牛肉嫩度的装置,包括灯箱、光照系统、拍摄系统、载物台和计算机；载物台安装在灯箱的底部，拍摄系统包括CCD数码照相机、多光谱滤波器以及相机支架，CCD数码照相机固定在相机支架上，安装在灯箱顶部，CCD数码照相机的镜头的下部加载多光谱滤波器，对准载物台台面的中心，计算机与CCD数码照相机相连，用于处理存储采集到的多光谱图像，光照系统包括日光灯照组件和卤素灯光源组件，日光灯照组件安装在载物台底部，用于模拟自然光；卤素灯光源组件安装在灯箱顶部两侧，用于辅助光源。本发明通过多光谱牛肉嫩度预测方法可以对牛肉样本进行有效的在线嫩度预测，并为以后牛肉在线质量检测系统打下基础。
文档编号G06K9/62GK103149163SQ20131004730
公开日2013年6月12日 申请日期2013年2月5日 优先权日2013年2月5日
发明者陈坤杰, 孙鑫 申请人:南京农业大学