基于計(jì)算機(jī)視覺和近紅外光譜技術(shù)的魚新鮮度檢測方法研究.pdf

1、魚類產(chǎn)品營養(yǎng)豐富，是人類攝取蛋白質(zhì)的主要來源之一。但魚類產(chǎn)品極易發(fā)生腐敗，新鮮度是評價(jià)其品質(zhì)好壞的一個(gè)重要指標(biāo)。傳統(tǒng)的新鮮度檢測法主要有感官評定法、物理檢測法、化學(xué)檢測法以及微生物法等。感官評定法雖比較方便、直觀，但主觀性強(qiáng)，評定結(jié)果無法量化;理化和微生物法存在著檢測過程繁瑣，耗時(shí)，成本高且對樣本具有破壞性等缺點(diǎn)。本研究嘗試?yán)糜?jì)算機(jī)視覺和近紅外光譜技術(shù)對魚的新鮮度進(jìn)行檢測，以便探索出一種能夠無損、快速、準(zhǔn)確檢測魚新鮮度的方法。

2、　　 研究的主要內(nèi)容如下:
　　 (1)設(shè)計(jì)一套適用于魚新鮮度檢測的計(jì)算機(jī)視覺硬件系統(tǒng)。針對魚體表水分含量高而產(chǎn)生強(qiáng)反射現(xiàn)象，將光源箱設(shè)計(jì)成拱形，實(shí)現(xiàn)箱內(nèi)均勻漫反射照明;為更好地拍攝魚鰓圖像，設(shè)計(jì)楔形載物臺，以增大魚鰓成像面積，并采用LED臺燈作為副光源，對魚鰓進(jìn)行補(bǔ)光，增強(qiáng)鰓內(nèi)部照明。
　　 (2)開發(fā)魚圖像分割算法，探索了魚體、魚眼、魚鰓等感興趣區(qū)域的分割方法。在分割魚眼感興趣區(qū)域時(shí)，為降低分割難度，先將魚眼圖像劃

3、分在一小范圍圓形區(qū)域內(nèi)，在此區(qū)域內(nèi)利用局部動態(tài)閾值分割法進(jìn)行分割，并結(jié)合最小二乘擬合圓法擬合得到魚眼區(qū)域;在分割魚鰓時(shí)，通過研究找到G-(a-S')組合通道圖作為魚鰓感興趣區(qū)域的分割圖像，以增大魚鰓與其周圍區(qū)域圖像的對比度，提高魚鰓分割方法魯棒性。
　　 (3)采用從魚體、魚眼和魚鰓感興趣區(qū)域提取到的顏色特征值對魚新鮮度品質(zhì)進(jìn)行檢測。利用各檢測部位顏色特征值建立偏最小二乘判別分析模型對魚新鮮度等級進(jìn)行評判，發(fā)現(xiàn)各部位顏色特征值所

4、建模型對魚的新鮮度等級均有一定的預(yù)測能力，其中基于體表顏色特征值的模型預(yù)測效果最好，測試集樣本的判別正確率為81.67％;將所有檢測部位顏色特征值融臺起來建立偏最小二乘判別分析模型時(shí)，訓(xùn)練集樣本的新鮮度等級正確判別率達(dá)到96.67％，測試集的為88.33％，比基于單一檢測部位顏色特征值的預(yù)測效果要好很多。且利用融合后顏色特征值建立了揮發(fā)性鹽基氮的偏最小二乘回歸模型，訓(xùn)練集樣本的模型預(yù)測值與化學(xué)測量值的相關(guān)系數(shù)能夠達(dá)到0.88，交互驗(yàn)證均

5、方根誤差為11.30，測試集的相關(guān)系數(shù)達(dá)到0.87，預(yù)測均方根誤差為12.00。表明魚在儲存過程中，外表圖像變化信息與魚TVB-N含量之間存在良好的相關(guān)性?？梢岳猛庥^圖像信息對內(nèi)部化學(xué)指標(biāo)TVB-N含量進(jìn)行預(yù)測。
　　 (4)采集魚體表的近紅外光譜信息，用多元散射校正法對光譜預(yù)處理后，建立魚新鮮度等級的支持向量機(jī)評判模型，訓(xùn)練集樣本的正確判別率達(dá)到94.17％，測試集的為85.00％，說明利用近紅外光譜信息能夠?qū)︳~的新鮮度等級

6、做出正確判別。且利用近紅外光譜建立了TVB-N的PLS定量分析模型，訓(xùn)練集相關(guān)系數(shù)(Rc)和交互驗(yàn)證均方根誤差(RMSECV)分別為0.83、13.25，測試集的相關(guān)系數(shù)(Rp)和預(yù)測均方根誤差(RMSEP)分別為0.82、13.71;而利用si-PLS法建模時(shí)，訓(xùn)練集相關(guān)系數(shù)提高到0.91，RMSECV將至9.98，測試集樣本的Rp和RMSEP為0.90、10.44。說明si-PLS模型更簡潔，預(yù)測精度更高。
　　 (5)利用

7、計(jì)算機(jī)視覺和近紅外光譜融合技術(shù)來識別魚的新鮮度。單一檢測手段檢測信息不全，識別精度不高，研究將圖像和近紅外光譜兩種信息融合起來對魚的新鮮度進(jìn)行判別。選取圖像信息的前10個(gè)主成分和近紅外光譜信息的前9個(gè)主成分在特征層進(jìn)行融合，建立BP-ANN融合判別模型，訓(xùn)練集樣本正確判別率達(dá)到了96.67％，測試集的達(dá)到93.33％。
　　 研究結(jié)果表明:利用計(jì)算機(jī)視覺和近紅外光譜技術(shù)對魚的新鮮度檢測是可行的，將這兩種技術(shù)融合起來對魚的新鮮度進(jìn)