一种鱼子酱的自动分级方法及其系统技术方案

本发明专利技术提供一种鱼子酱的自动分级方法及其系统，所述自动分级包括以下步骤：S1.基于等级参数，对鱼子酱进行预分级；S2.采集鱼子酱图像，基于自动分级模型，结合所述预分级结果，确定鱼子酱的等级。本发明专利技术所提供的自动分级方法及其系统实现了鱼子酱的预分级以及精确分级，为鱼子酱加工过程中快速准确分级提供了技术支撑。

【技术实现步骤摘要】

本专利技术涉及食品分级领域，更具体地，涉及一种鱼子酱的自动分级方法及其系统。
技术介绍
严格意义上只有鲟鱼卵经过轻微盐渍才能成为鱼子酱。鲟鱼子酱富含蛋白质、多种维生素及微量元素,作为名贵食品,素有“黑色黄金”美誉,位居世界三大珍味之首。等级是描述鲟鱼子酱品质的一项重要表征方式。用于确定鱼子酱等级的参数有鱼卵颜色、大小、均一性、成熟度、聚散密度。当前鱼子酱的分级还处于通过经验丰富的专业技术人员人工确定的阶段，耗时长，效率低，易受主观影响，很难保证评级的准确性和一致性。因此，开发鱼子酱的自动分级方法及其系统，以快速且高效的获得分级的鱼子酱，是十分有必要的。
技术实现思路
本专利技术提供一种克服上述问题或者至少部分地解决上述问题的鱼子酱的自动分级方法，该方法包括以下步骤：S1.基于等级参数，对鱼子酱进行预分级；S2.采集鱼子酱图像，基于自动分级模型，结合所述预分级结果，确定鱼子酱的等级。优选地，所述等级参数为鱼子酱的颜色、大小、均一性、和/或聚散密度。最优选的等级参数为鱼子酱的颜色。优选地，基于鱼子酱的颜色，利用色差仪对鱼子酱建立预分级判定标准，采集待分级鱼子酱图像，对鱼子酱进行自动预分级。优选地，S2中鱼子酱的图像包括已评级鱼子酱的图像和待进一步分级的鱼子酱图像。优选地，S2中自动分级模型为自动分级多核支持向量机模型。优选地，自动分级多核支持向量机模型的建立包括以下步骤：将所采集得到的已评级的鱼子酱图像作为训练集，进行特征提取；通过广义多核学习算法，自适应优化特征权重，建立多核支向量机模型。优选地，还包括以下步骤：对所采集得到的待进一步分级的鱼子酱图像进行特征提取，将所提取的特征输入自动分级多核支持向量机模型中，确定鱼子酱等级。优选地，所述特征包括颜色特征、纹理特征以及形状特征；更优选的，所述颜色特征为图片颜色矩，所述纹理特征为灰度共生矩阵性，所述形状特征为鱼卵平均面积。根据本专利技术的一个方面，提供了一种鱼子酱的自动分级系统，包括：预分级模块，用于对待分级的鱼子酱进行预分级；自动分级模块，用于对预分级后待进一步分级的鱼子酱进行自动分级。本申请提出的鱼子酱自动分级方法及其系统针对现有技术的不足，基于加工过程中自动采集到不同阶段的鱼子酱图像，利用预分级模块和多核支持向量机模型的准确结合，实现了鱼子酱自动预分级和精确分级，为鱼子酱在加工过程中快速准确分级提供了技术支撑。附图说明图1为根据本专利技术一个优选实施例的鱼子酱的自动分级系统的组成框图；图2为根据本专利技术一个优选实施例的鱼子酱的自动分级方法的流程示意图。具体实施方式本专利技术提供的一种鱼子酱的自动分级方法，包括：S1.基于等级参数，对鱼子酱进行预分级；S2.采集鱼子酱图像，基于自动分级模型，结合所述预分级结果，确定鱼子酱的等级。所述等级参数为鱼子酱的颜色、大小、均一性、聚散密度。在所有等级参数中，颜色是确定鱼子酱等级决定性的因素之一，且较容易获得。通过对颜色进行预分级，保证预分级的结果和效率，可以降低后续分级模型的复杂程度，提高最终分级准确率和分级效果。在本专利技术中，以鱼子酱的颜色为例来进一步详述本专利技术。等级参数为鱼子酱的颜色时，利用色差仪来进行颜色的预分级，优选为便携式色差仪，即S1的具体步骤包括：基于鱼子酱的颜色，利用色差仪对鱼子酱建立预分级判定标准，采集待分级鱼子酱图像，对鱼子酱进行自动预分级。当等级参数为颜色时，利用由便携式色差仪对鱼子酱建立预分级判定标准的步骤包括：1.1)应用标准黑腔对于色差仪进行全黑校准，标准白板进行全白校准；1.2)在加工过程中分级步骤的实际光源环境下，选用白板作为样品测定，保存当前的L,a,b值作为样品值L0,a0,b0；1.3)在步骤1.2)等同的环境条件下，将已由专家完成评级的鱼子酱(R+++,R++,R+,R)按照等级分组，用便携式精密色差仪分别测量每个组中所有样本，得到每个样本的ΔE,ΔL,Δa,Δb值，并以组为单位，计算色差参数平均值ΔE0,ΔL0,Δa0,Δb0，作为鱼子酱预分级的判定标准。其中，所述待分级鱼子酱为加工过程中装罐后和封罐前的鱼子酱。在一个优选的实施方式中，预分级的步骤包括：在步骤S1等同的环境条件下，应用便携式色差分析仪，对加工过程中装罐后、封罐前的鱼子酱进行测定，得到ΔE,ΔL,Δa,Δb，按照步骤S1所确定的预分级标准，将鱼子酱分为已确定等级和需要进一步分级的鱼子酱，实现鱼子酱的预分级。其中，S2中鱼子酱的图像包括已评级鱼子酱的图像和待进一步分级的鱼子酱图像。在一个优选的实施方式中，自动分级多核支持向量机模型的建立包括以下步骤：将所采集得到的已评级的鱼子酱图像作为训练集，进行特征提取；即将建立预分级判定标准的已评级的鱼子酱作为训练样本，将其图像作为训练集，并对其进行特征提取；通过广义多核学习算法，自适应优化特征权重，建立多核支向量机模型。在本专利技术的一个优选实施方式中，由摄像设备对已分级鱼子酱训练样本进行图像采集；进一步的，所述的图像采集由技术人员根据在加工过程中鱼子酱罐装大小及高精度程控摄像头参数，对摄像头拍摄高度进行预设，在垂直于鱼子酱90度角的方向，已分级的装罐后鱼子酱图片进行采集。所述特征包括所述训练样本的颜色特征、纹理特征以及形状特征。更进一步优选地，所述特征包括所述训练样本的图片颜色矩、灰度共生矩阵性以及鱼卵平均面积。在本专利技术的一个优选实施方式中，自动分级多核支持向量机模型的建立包括以下步骤：通过广义多核学习算法和多核支持向量机模型对所述训练样本的特征向量的最优权重组合，建立自动分级模型。所采用的多核支持向量机模型的核函数表示为：其中，km(x,y)为基本核函数，F是基本核的总数，K(x,y)为最终核函数，βm为该基本核函数对应的权重系数。进一步的，所述的自适应优化特征权重方法步骤如下：1)首先计算图像间每类特征向量距离矩阵。其距离度量可采用曼哈顿距离、欧几里得、规范化欧几里得距离、切比雪夫距离以及余弦相似度等常用度量法计算。例如，采用欧几里德距离算法公式如下，计算得到图像间每类特征向量距离矩阵；式中，A,B表示不同图像，ai,bi分别表示A,B中的第i个特征向量。2)初始化标准支持向量机参数，选择适当的惩罚系数C。3)初始化梯度下降参数，使用二次规划函数quadprog作为SVM求解。选择基本Armijo算法作为步长搜索算法。4)训练支持向量机。将图像间每类特征向量距离对称矩阵按以下公式转换到核空间：kernelbymean＝exp(-1*dist/mean(mdan(dist)))而后训练鱼子酱图片的特征向量，经过反复迭代，得到特征向量的最优权重组合。另外，用上述相同摄像设备以及方法采集待进一步分级的鱼子酱图像，并对所采集得到的待进一步分级的鱼子酱图像进行特征提取，将所提取的特征输入自动分级多核支持向量机模型中，实现进一步自动分级。其中，所述特征也包括所述训练样本的颜色特征、纹理特征以及形状特征。更进一步优选地，所述特征包括所述训练样本的图片颜色矩、灰度共生矩阵性以及鱼卵平均面积。根据本专利技术的一个方面，提供了一种鱼子酱的自动分级系统，包括：预分级模块A1，基于等级参数，用于对待分级的鱼子酱进行预分级；自动预分级模块A2，基于鱼子酱图像，用于对加工过程中的鱼子酱自动进行预分级。本专利技术本文档来自技高网...

【技术保护点】
一种鱼子酱的自动分级方法，包括以下步骤：S1.基于等级参数，对鱼子酱进行预分级；S2.采集鱼子酱图像，基于自动分级模型，结合所述预分级结果，确定鱼子酱的等级。

【技术特征摘要】
1.一种鱼子酱的自动分级方法，包括以下步骤：S1.基于等级参数，对鱼子酱进行预分级；S2.采集鱼子酱图像，基于自动分级模型，结合所述预分级结果，确定鱼子酱的等级。2.根据权利要求1所述的自动分级方法，其特征在于，S1中所述的等级参数为鱼子酱的颜色、大小、均一性、和/或聚散密度。3.根据权利要求1所述的自动分级方法，其特征在于，S1的具体步骤包括：基于鱼子酱的颜色，利用色差仪对鱼子酱建立预分级判定标准，采集待分级鱼子酱图像，对鱼子酱进行自动预分级。4.根据权利要求1所述的自动分级方法，其特征在于，S2中鱼子酱的图像包括已评级鱼子酱的图像和待进一步分级的鱼子酱图像。5.根据权利要求1-4中任一项所述的自动分级方法，其特征在于，S2中自动分级模型为自动分级多核支持向量机模型。6.根据权利要求5中所述的自动分级方法，其特征在于，所述...

【专利技术属性】
技术研发人员：孙传恒，解菁，杨信廷，吉增涛，周超，
申请(专利权)人：北京农业信息技术研究中心，
类型：发明
国别省市：北京;11