基于智能手机的中华绒螯蟹内部食用品质无损检测方法技术

本发明专利技术属于无损检测技术领域，涉及基于智能手机的中华绒螯蟹内部食用品质无损检测方法；步骤为：以不同成熟期的中华绒螯蟹作为样本，利用基于智能手机的光谱数据采集系统采集样本的蟹肉、肝胰腺、雌蟹性腺、雄蟹性腺ROI的光谱数据，并测定其特征化学物质的含量；对光谱数据进行SG平滑滤波预处理；按照样本的成熟度结合蟹肉、肝胰腺、雌蟹性腺、雄蟹性的特征化学物质含量制定中华绒螯蟹内部食用品质分级指标；将预处理后光谱数据与特征化学物质含量数据一一对应，通过算法获得样本各部位对应的特征波长；以特征波长数据和食用品质分级指标构建预测模型；本发明专利技术具有准确、高效、无损、实时的优点，弥补了商品蟹内部食用品质分级标准的空缺。

Non-destructive testing method for edible quality of Eriocheir sinensis based on smart phone

【技术实现步骤摘要】
基于智能手机的中华绒螯蟹内部食用品质无损检测方法
本专利技术属于水产品无损检测
，具体涉及一种基于智能手机的中华绒螯蟹内部食用品质无损检测方法。
技术介绍
中华绒螯蟹，又名大闸蟹，是我国重要的名贵水产品，味道鲜美，营养丰富，富含大量的蛋白质、维生素和多种微量元素，深受广大消费者的喜爱。大闸蟹的可食用部分为蟹肉、肝胰腺和性腺，相比于商品蟹的重量和大小，消费者更注重其可食用部位的成熟度和风味。因此，蟹肉风味、肝胰腺成熟度和性腺成熟度是决定中华绒螯蟹内部食用品质的关键因素。传统商品蟹分级主要依靠重量、感官指标等外部品质指标实现，无法精准识别商品蟹的内部食用品质，再加上行业等级标准缺失，导致消费市场以假乱真，以次充好等问题日益突出。近年来，基于中华绒螯蟹快速无损分级的技术层出不穷，如专利技术专利CN201810531595公开了一种基于高光谱图像技术快速无损识别中华绒螯蟹品质的方法；CN201820322697专利公开了一种螃蟹多指标分级装置,可实现双面区分雌雄，并且能够实现商品蟹的多指标自动分级。然而，以上中华绒螯蟹分级技术都依靠于重量，感官指标等外部品质，仅仅可以实现中华绒螯蟹基于重量和外观品质的快速分级，始终无法保证中华绒螯蟹的可食用部位的成熟度和内部食用品质。目前，中华绒螯蟹内部食用品质分级主要依赖于传统的抽样理化检测，理化检测虽然精度较高，结果准确，但是需要专业人士操作，费时耗力、成本高，且抽样检测随机性大，无法实现商品蟹的实时检测。因此，亟待开发一种快速无损的中华绒螯蟹内部食用品质检测方法，实现中华绒螯蟹内部食用品质的快速检测，以便对市售中华绒螯蟹内部食用品质进行监管。
技术实现思路
：为了克服传统商品蟹分级方法无法实现其内部食用品质快速无损检测的不足，本专利技术提供了一种基于智能手机的便携式近红外光谱技术检测中华绒螯蟹内部食用品质的方法，实现商品蟹内部食用品质的快速无损识别。为实现上述专利技术目的，一种基于智能手机的便携式近红外光谱技术的中华绒螯蟹内部食用品质的快速无损检测方法，其特征在于样品蟹的采集、样本近红外光谱数据采集、样品蟹内部食用品质分级、光谱特征变量提取、中华绒螯蟹内部食用品质预测模型建立和内部食用品质预测模型验证六个步骤：步骤一：样品蟹的采集：采集不同成熟期的中华绒螯蟹作为样本，清洗备用；步骤二：样本近红外光谱数据采集：利用基于智能手机的光谱数据采集系统采集步骤一样本的光谱数据；首先设置近红外光谱仪工作参数，然后选取步骤一中样本的蟹肉、肝胰腺、雌蟹性腺、雄蟹性腺所对应部位的感兴趣区域(Regionofinterest，ROI)；将近红外光谱仪置于感兴趣区域正上方一定距离处分别进行扫描，得到蟹肉、肝胰腺、雌蟹性腺、雄蟹性腺分别对应的原始光谱数据，并对光谱数据进行预处理；步骤三：样品蟹内部食用品质分级：对步骤二采集光谱数据后样本的蟹肉、肝胰腺、雌蟹性腺、雄蟹性腺，再分别测定其特征化学物质的含量，按照样本的成熟度结合蟹肉、肝胰腺、雌蟹性腺、雄蟹性的特征化学物质含量制定中华绒螯蟹内部食用品质分级指标；步骤四：光谱特征变量提取：将步骤二预处理后获得的蟹肉、肝胰腺、雌蟹性腺、雄蟹性腺光谱数据与步骤三获得的蟹肉、肝胰腺、雌蟹性腺、雄蟹性腺的特征化学物质含量数据一一对应，采用联合区间偏最小二乘法获得蟹肉、肝胰腺、雌蟹性腺、雄蟹性腺对应的最优波段；然后，采用模拟退火算法获得蟹肉、肝胰腺、雌蟹性腺、雄蟹性腺对应的特征波长；步骤五：中华绒螯蟹内部食用品质预测模型建立：运用K-S(Kennard-Stone)算法分别将步骤四中蟹肉、肝胰腺、雌蟹性腺、雄蟹性腺的特征波长数据按2:1的比例分成校正集和预测集；最后，以校正集的特征波长数据和步骤三中制定的中华绒螯蟹内部食用品质分级指标，通过算法构建蟹肉、肝胰腺、雌蟹性腺、雄蟹性腺品质等级的预测模型；步骤六：内部食用品质预测模型验证：采集重量在130～170g的10～20只中华绒螯蟹样品(各样本间重量差≤10g)，按照步骤二分别采集蟹肉、肝胰腺、雌蟹性腺、雄蟹性腺对应部位的近红外光谱数据，带入步骤五构建的预测模型得到预测中华绒螯蟹样品的蟹肉、肝胰腺、雌蟹性腺、雄蟹性腺的成熟度，实现对中华绒螯蟹样品的内部食用品质无损检测。优选的，步骤一中所述不同成熟期的中华绒螯蟹样本是指同一批幼蟹在生长后采集农历六月、八月、十月和十二月生长的中华绒螯蟹。优选的，步骤二中所述近红外光谱仪工作参数包括：波长为700nm～1100nm，分辨率为1nm，共含400个波段；所述一定距离为0.5～2cm；所述扫描的次数为3～8次。优选的，步骤二中所述基于智能手机的光谱数据采集系统具体为将智能手机与IAS-5000便携式近红外光谱分析仪连接，实现光谱扫描、光谱数据预处理、筛选特征变量及模型预测功能；所述连接包括电连接和无线蓝牙连接。优选的，步骤二中所述蟹肉、肝胰腺、雌蟹性腺、雄蟹性腺感兴趣区域的划分具体如下：其中蟹肉感兴趣区域，以蟹腿近蟹壳处一节中心坐标为中心，划分50×50至300×300像素大小的矩形为感兴趣区域；其中肝胰腺感兴趣区域，以螃蟹头胸甲背肝区中心点为中心坐标，划分50×50至300×300像素大小的矩形为感兴趣区域；其中雌蟹性腺感兴趣区域，以雌蟹腹部中心坐标为中心，中轴线为对称轴生成50×50至300×300像素大小的矩形为感兴趣区域；其中雄蟹性腺感兴趣区域，以雄蟹腹部中心坐标为中心，中轴线为对称轴生成50×50至300×300像素大小的矩形为感兴趣区域。优选的，步骤二中所述对光谱数据进行预处理为SG平滑滤波(Savitzky-GolayFilter)预处理。优选的，步骤三中蟹肉、肝胰腺、雌蟹性腺、雄蟹性腺的特征化学物质包括丙氨酸、油酸和饱和脂肪酸。优选的，步骤三中所述内部食用品质的成熟度由高到低分别划分为一级、二级、三级；其中蟹肉中丙酸含量(mg/g)：一级≥4.31，二级4.31～3.52，三级≤3.52；其中肝胰腺中油酸含量(％)：一级≥35.21，二级35.21～32.20，三级≤32.20；其中雌蟹性腺中饱和脂肪酸含量(％)：一级≥31.54，二级31.54～28.50，三级≤28.50；其中雄蟹性腺中饱和脂肪酸含量(％)：一级≥25.79，二级25.97～23.20，三级≤23.20。优选的，步骤四中所述蟹肉对应的特征波长分别为720、756、789、852、741、769、890、569、1001和965；所述肝胰腺对应的特征波长分别为820、864、793、786、982、1059、1089、924、813和712；所述雌蟹性腺对应的特征波长分别为905、842、863、914、714、729、785、1052、754和746；所述雄蟹性腺对应的特征波长分别为850、969、738、952、734、852、941、1068、1054和846。优选的，步骤五所述构建蟹肉、肝胰腺、雌蟹性腺、雄蟹性腺品质等级预测模型的算法包括：偏最小二乘(PartialLeastSquareMethod,PLS)、区间偏最小二乘(IntervalPartialLeastSquareMethod,iPLS)、最小二乘支持向量机(LeastSquareSupportVectorMachin本文档来自技高网...

【技术保护点】
1.基于智能手机的中华绒螯蟹内部食用品质无损检测方法，其特征在于，具体步骤如下：步骤一：采集不同成熟期的中华绒螯蟹作为样本，清洗备用；步骤二：利用基于智能手机的光谱数据采集系统采集步骤一样本的光谱数据；首先设置近红外光谱仪工作参数，然后选取步骤一中样本的蟹肉、肝胰腺、雌蟹性腺、雄蟹性腺所对应部位的感兴趣区域；将近红外光谱仪置于感兴趣区域正上方一定距离处分别进行扫描，得到蟹肉、肝胰腺、雌蟹性腺、雄蟹性腺分别对应的原始光谱数据，并对光谱数据进行预处理；步骤三：对步骤二采集光谱数据后样本的蟹肉、肝胰腺、雌蟹性腺、雄蟹性腺，再分别测定其特征化学物质的含量，按照样本的成熟度结合蟹肉、肝胰腺、雌蟹性腺、雄蟹性的特征化学物质含量制定中华绒螯蟹内部食用品质分级指标；步骤四：将步骤二预处理后获得的蟹肉、肝胰腺、雌蟹性腺、雄蟹性腺光谱数据与步骤三获得的蟹肉、肝胰腺、雌蟹性腺、雄蟹性腺的特征化学物质含量数据一一对应，采用联合区间偏最小二乘法获得蟹肉、肝胰腺、雌蟹性腺、雄蟹性腺对应的最优波段；然后，采用模拟退火算法获得蟹肉、肝胰腺、雌蟹性腺、雄蟹性腺对应的特征波长；步骤五：运用Kennard‑Stone算法分别将步骤四中蟹肉、肝胰腺、雌蟹性腺、雄蟹性腺的特征波长数据按2:1的比例分成校正集和预测集；最后，以校正集的特征波长数据和步骤三中制定的中华绒螯蟹内部食用品质分级指标，通过算法构建蟹肉、肝胰腺、雌蟹性腺、雄蟹性腺品质等级的预测模型，即中华绒螯蟹内部食用品质的预测模型；步骤六：预测模型验证，采集重量在130～170g的10～20只中华绒螯蟹作为样品，各样品间的重量差≤10g，按照步骤二分别采集样品的蟹肉、肝胰腺、雌蟹性腺、雄蟹性腺对应感兴趣区域的近红外光谱数据，带入步骤五构建的预测模型，得到样品的蟹肉、肝胰腺、雌蟹性腺、雄蟹性腺的成熟度，实现对样品的内部食用品质无损检测。...

【技术特征摘要】
1.基于智能手机的中华绒螯蟹内部食用品质无损检测方法，其特征在于，具体步骤如下：步骤一：采集不同成熟期的中华绒螯蟹作为样本，清洗备用；步骤二：利用基于智能手机的光谱数据采集系统采集步骤一样本的光谱数据；首先设置近红外光谱仪工作参数，然后选取步骤一中样本的蟹肉、肝胰腺、雌蟹性腺、雄蟹性腺所对应部位的感兴趣区域；将近红外光谱仪置于感兴趣区域正上方一定距离处分别进行扫描，得到蟹肉、肝胰腺、雌蟹性腺、雄蟹性腺分别对应的原始光谱数据，并对光谱数据进行预处理；步骤三：对步骤二采集光谱数据后样本的蟹肉、肝胰腺、雌蟹性腺、雄蟹性腺，再分别测定其特征化学物质的含量，按照样本的成熟度结合蟹肉、肝胰腺、雌蟹性腺、雄蟹性的特征化学物质含量制定中华绒螯蟹内部食用品质分级指标；步骤四：将步骤二预处理后获得的蟹肉、肝胰腺、雌蟹性腺、雄蟹性腺光谱数据与步骤三获得的蟹肉、肝胰腺、雌蟹性腺、雄蟹性腺的特征化学物质含量数据一一对应，采用联合区间偏最小二乘法获得蟹肉、肝胰腺、雌蟹性腺、雄蟹性腺对应的最优波段；然后，采用模拟退火算法获得蟹肉、肝胰腺、雌蟹性腺、雄蟹性腺对应的特征波长；步骤五：运用Kennard-Stone算法分别将步骤四中蟹肉、肝胰腺、雌蟹性腺、雄蟹性腺的特征波长数据按2:1的比例分成校正集和预测集；最后，以校正集的特征波长数据和步骤三中制定的中华绒螯蟹内部食用品质分级指标，通过算法构建蟹肉、肝胰腺、雌蟹性腺、雄蟹性腺品质等级的预测模型，即中华绒螯蟹内部食用品质的预测模型；步骤六：预测模型验证，采集重量在130～170g的10～20只中华绒螯蟹作为样品，各样品间的重量差≤10g，按照步骤二分别采集样品的蟹肉、肝胰腺、雌蟹性腺、雄蟹性腺对应感兴趣区域的近红外光谱数据，带入步骤五构建的预测模型，得到样品的蟹肉、肝胰腺、雌蟹性腺、雄蟹性腺的成熟度，实现对样品的内部食用品质无损检测。2.根据权利要求1所述的基于智能手机的中华绒螯蟹内部食用品质无损检测方法，其特征在于，步骤一中所述不同成熟期的中华绒螯蟹样本是指同一批幼蟹在生长后采集农历六月、八月、十月和十二月生长的中华绒螯蟹。3.根据权利要求1所述的基于智能手机的中华绒螯蟹内部食用品质无损检测方法，其特征在于，步骤二中所述近红外光谱仪工作参数包括：波长为700nm～1100nm，分辨率为1nm，共含400个波段；所述一定距离为0.5～2cm；所述扫描的次数为3～8次。4.根据权利要求1所述的基于智能手机的中华绒螯蟹内部食用品质无损检测方法，其特征在于，步骤二中所述基于智能手机的光谱数据采集系统具体为将智能手机与IAS-5000便携式近红外光谱分析仪连接，实现光谱扫描、光谱数据预处理、筛选特征变量及模型预测功...

【专利技术属性】
技术研发人员：石吉勇，李文亭，邹小波，黄晓玮，李志华，史永强，石海军，胡雪桃，
申请(专利权)人：江苏大学，
类型：发明
国别省市：江苏,32