The invention discloses a method for using two-dimensional hyperspectral image recognition of chicken carcass contamination on the surface, and is characterized in comprising the following steps: 1) to obtain high spectral image; image correction; 2) 3) correlation analysis of dynamic spectrum in different bands between the construction of high spectral correlation spectrum; 4) to detect 41) of pollutants; false color image enhancement; 42) analysis of false color pixel distribution in space; 43) to determine the color segmentation threshold; 5) recognition result visualization. Beneficial effects: the method of high spectral spectrum is extended to two-dimensional spectrum, so as to further improve the spectral resolution of hyperspectral; extraction from 2D to pollutants most sensitive characteristic bands, for the construction of false color image, finally using color segmentation method to identify the pollutants and skin congestion, to achieve rapid and nondestructive detection of double band.
【技术实现步骤摘要】
本专利技术涉及一种利用二维高光谱图像识别鸡胴体表面污染物的方法,属于图像处理
技术介绍
鸡的屠宰加工过程中,鸡胴体表面极易受到破损肠道内粪便污染物的污染。目前,国内对于鸡胴体表面污染物的检测主要采用人工视觉的方法。人工检测无法满足生产效率要求;对一些小尺度和低浓度的污染物,人眼无法识别,造成漏检;另外,人工检测容易产生视觉疲劳,影响检测效果,可信度较低。目前已有的一些利用机器视觉进行污染物识别的技术,主要针对的是胴体表面粪便污染检测,而对于胆汁、血液污染,以及胴体淤血检测鲜有相关报道。已有的研究中,都是对直接取自肠道中的污染物进行检测,而在实际生产中,鸡胴体要经过喷淋冲洗环节,其表面残留污染物大多被水稀释,浓度显著降低,可见度很差,无论人工还是机器视觉都很难检测到。
技术实现思路
为解决现有技术的不足,本专利技术的目的在于提供一种利用二维高光谱图像识别鸡胴体表面污染物的方法,将高光谱一维谱拓展至二维谱提高光谱分辨率,从二维高光谱中提取出对污染物最为敏感的特征波段构建假彩色图像,利用颜色分割法识别污染物以及皮肤淤血,实现双波段的无损快速检测。为了实现上述目标,本专利技术采用如下的技术方案:一种利用二维高光谱图像识别鸡胴体表面污染物的方法,其特征是,包括如下步骤:1)获取高光谱图像:在实验室内室温条件下,将鸡胴体胸腹部向上,放在一个蒙着黑布的托盘上,再将托盘放在高光谱图像系统电动平台上,进行高光谱图像采集;2)校正图像:将获取的高光谱图像进行校正,校正方程其中I为校正后图像;I0是从高光谱图像系统中获取的原始图像;在与获取样本图像相同拍摄条件下,拍摄标 ...
【技术保护点】
一种利用二维高光谱图像识别鸡胴体表面污染物的方法,其特征是,包括如下步骤:1)获取高光谱图像:将鸡胴体胸腹部向上,放在一个蒙着黑布的托盘上,再将托盘放在高光谱图像系统电动平台上,进行高光谱图像采集;2)校正图像:将获取的高光谱图像进行校正,校正方程其中I为校正后图像;I0是从高光谱图像系统中获取的原始图像;在与获取样本图像相同拍摄条件下,拍摄标准白板获得了白色参考图像W;B为在相机镜头关闭状态下拍摄的暗参考图像,用于去除相机传感器暗电流的影响;3)分析动态光谱在不同波段间的相关性,构建高光谱二维相关谱;4)对污染物进行检测;41)进行假彩色图像增强;42)分析假彩色空间中的像素分布;43)确定颜色分割阈值;5)识别结果可视化:将处于R、G、B三个通道阈值限定范围内的像素被标记为识别出的污染区域像素,利用MATLAB获取假彩色图像中被识别像素的坐标,并在识别结果图中标记出来。
【技术特征摘要】
1.一种利用二维高光谱图像识别鸡胴体表面污染物的方法,其特征是,包括如下步骤:1)获取高光谱图像:将鸡胴体胸腹部向上,放在一个蒙着黑布的托盘上,再将托盘放在高光谱图像系统电动平台上,进行高光谱图像采集;2)校正图像:将获取的高光谱图像进行校正,校正方程其中I为校正后图像;I0是从高光谱图像系统中获取的原始图像;在与获取样本图像相同拍摄条件下,拍摄标准白板获得了白色参考图像W;B为在相机镜头关闭状态下拍摄的暗参考图像,用于去除相机传感器暗电流的影响;3)分析动态光谱在不同波段间的相关性,构建高光谱二维相关谱;4)对污染物进行检测;41)进行假彩色图像增强;42)分析假彩色空间中的像素分布;43)确定颜色分割阈值;5)识别结果可视化:将处于R、G、B三个通道阈值限定范围内的像素被标记为识别出的污染区域像素,利用MATLAB获取假彩色图像中被识别像素的坐标,并在识别结果图中标记出来。2.根据权利要求1所述的一种利用二维高光谱图像识别鸡胴体表面污染物的方法,其特征是,所述步骤1)中采集样本整体高光谱信息时,同时获得未加微扰区域的原始光谱信息part0,以及施加了微扰区域的变化光谱信息part1,part2,…,partn。3.根据权利要求1所述的一种利用二维高光谱图像识别鸡胴体表面污染物 的方法,其特征是,所述步骤3)包括如下步骤:31)采用ENVI4.8软件导入并打开校正后的高光谱图像,通过感兴趣区ROI工具手工选取污染ROI、非污染ROI以及背景ROI,构成校正集;其中,污染ROI的选取集中在中心区域,避免边缘区域;非污染ROI采用线状的ROI提取;校正集包括240个污染ROI、30个非污染ROI、以及30个背景ROI;32)将240个污染ROI数据构建成m个污染ROI集合,相当于对洁净鸡胴体施加了m个微扰,其中第j个污染ROI集合,微扰为tj,在λnm波段下的反射率为Aj(λ)=A(λ,tj),j=1,2,…,m,则动态光谱可表示为j=1,2,…,m,其中A0为未被污染ROI的平均光谱,将其作为参考光谱;则同步相关强度λa,λb是随机选择的两个波...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。