基于高光谱的鱼水射流除鳞轻微损伤可视化方法技术

本发明专利技术公开了一种基于高光谱的鱼水射流除鳞轻微损伤可视化方法，其包括如下步骤：样品制备；高光谱数据采集；光谱校正；特征光谱提取；模型的建立与评价；数据降维；像元值提取与分析；获取可视化图像。本发明专利技术提供的一种基于高光谱的鱼水射流除鳞轻微损伤可视化方法，实验重复性好，分析时间短，分析过程不需消耗有机试剂，对淡水鱼无破坏，为非侵入式测量方法，检测的结果准确、稳定。

【技术实现步骤摘要】
基于高光谱的鱼水射流除鳞轻微损伤可视化方法
本专利技术属于食品检测领域，涉及利用一种基于高光谱的鱼水射流除鳞轻微损伤可视化方法。具体来说，在水射流除鳞时，鱼体表面产生条带状损伤，提取高光谱图像中感兴趣区域光谱值、结合决策树与像元值特征，实现对轻微损伤区域可视化。
技术介绍
淡水鱼富含蛋白质、维生素、多不饱和脂肪酸以及人体必需的矿物质和微量元素。较高的营养价值使其深受消费者的喜爱。根据2019年渔业年鉴显示，淡水鱼产量在鱼类总产量中约占77.8％，其中淡水鱼类养殖产量2959.84万吨，占较大比重。目前，淡水鱼加工的主要工序包括除鳞、去内脏、清洗和冷冻。其中除鳞是鱼加工重要环节，除鳞过程中表面破损直接影响淡水鱼外观品质和商业价值。水射流式除鳞法效率高，适合应用于流水线作业，并且能通过控制水射流喷嘴的形状、喷射角度、喷嘴与样品高度、水流速度、输出压力等实现不同偏好的除鳞作业。因此实际生产中被广泛应用，但这种除鳞方式容易对鱼体表面造成条带状损伤。因此，在除鳞过程中，需要一种快速、非破坏性的检测方法。高光谱成像技术是一门新兴的综合成像技术，有效地融合光谱和图像信息，结合了传统的光谱学和成像学技术，在食品品质鉴评过程中得到了广泛应用。在鱼类的检测研究中，高光谱成像技术已被应用于鱼类理化性质的测定、化学成分和新鲜度的预测、微生物腐败的鉴别和测定等方面，利用高光谱技术实现水射流除磷损伤检测未见报道。(参见：一种基于高光谱成像的鱼片新鲜度检测方法，申请号201310362936.4；一种基于高光谱成像技术的鱼水分含量分布检测方法，申请号201310562403.0；一种基于高光谱成像技术的鱼脂肪含量分布检测方法，申请号201310559434.0；ChengJH,SunDW.Hyperspectralimagingasaneffectivetoolforqualityanalysisandcontroloffishandotherseafoods:Currentresearchandpotentialapplications.TrendsinFoodScience&Technology,2014.37(2):78-91；QuJH,SunDW,ChengJH,et.al.Mappingmoisturecontentsingrasscarp(Ctenopharyngodonidella)slicesunderdifferentfreezedryingperiodsbyVis-NIRhyperspectralimaging.LWT-FoodScienceandTechnology,2017.75:529-536；闫朋涛,王昆伦,孙家亮,张学雨,王碧尧,王慧慧.基于机器视觉的淡水鱼去鳞损伤无损检测识别方法[J].食品工业,2020,41(03):184-187.)。本专利技术基于高光谱成像技术对鱼的除鳞质量进行快速检测。结合图像纹理、光谱值、决策树与像元值特征，建立起快速和客观的鱼除鳞质量无损检测方法。
技术实现思路
为解决现有技术中存在的上述问题，本专利技术提供水射流除鳞下的轻微损伤区域可视化方法，在水射流作用下，鱼体表面产生条带状损伤，提取高光谱图像中感兴趣区域光谱值、结合决策树与像元值特征，实现对轻微损伤区域可视化。具体地，本专利技术提供一种基于高光谱的鱼水射流除鳞轻微损伤可视化方法，其包括如下步骤：1)样品制备：采集具有代表性的鱼的样品，采用水射流方法除鳞，获得呈条带状损伤的样品；具体地，步骤1)中具有代表性的鱼的样品为重量范围为390-405g、形体与厚度较为一致。2)高光谱数据采集：利用高光谱成像仪采集步骤1)中样品的原始高光谱图像及其光谱数据；具体地，在步骤2)中，将步骤1)中获得的样品取出，置于高光谱成像仪的传送台上，送至光谱采集区，卤素灯与水平线呈60度照射待测的样品，通过光谱相机进行原始图像及其光谱采集。进一步地，所述的高光谱成像仪参数设置为：光谱分辨率2.8nm、图像位深24、物距500mm、图像分辨率900*1400、波段范围387.1-1024.7nm、曝光时间设置为22ms，载物台移动速度设置为前进速度0.9cm/s、后退速度2cm/s。3)光谱校正：对步骤2)获得的原始高光谱图像进行黑白校正，以减少光照和探测器灵敏度的影响，并且减少成像系统在照相机和物理配置上的差异其中，黑白校正运算过程如下：式中，Rr为步骤2)中获得的原始高光谱图像，Rd为标准黑色图像，Rw为白标定图像，Rn为校准后的高光谱图像。4)特征光谱提取：提取步骤3)校准后的高光谱图像的ROI区域的光谱平均值，其中，ROI区域选择步骤1)中样品表面正常区域和损伤区域的图像块。进一步地，ROI区域选择步骤1)中样品的鱼背、鱼腹、鱼尾处的表面正常区域和损伤区域的图像块。更进一步地，图像块大小为20*20pixel2。5)模型的建立与评价：通过决策树算法，建立水射流除鳞轻微损伤模型并对模型进行评价；具体地，基于步骤4)中获得的ROI区域的光谱平均值为特征输入，选取一部分ROI区域的光谱平均值用作训练集，另一部分ROI区域的光谱平均值用作测试集，训练集和测试集比例为1:1，通过准确度、灵敏度、特效度和综合评价指标对模型进行评价。6)数据降维：采用主成分分析法对步骤3)中获得的校准后的高光谱图像的光谱数据降维，获取最佳主成分图像；7)像元值提取与分析：基于正常区域和损伤区域像元值统计特征，选择合适阈值，剔除正常区域像素点；具体地，包括以下步骤：7.1)将步骤6)中获得的最佳主成分图像进行像元值的随机提取，获得提取区域每个像素点的像元值，提取区域包含了水射流去鳞损伤区域和正常区域；7.2)将步骤7.1)中获得的像元值与像素点进行数理统计，统计正常区域、损伤区域像素点的数量与像元值范围，其中，正常区域像元值均大于0，损伤区域像元值均小于0；7.3)根据步骤7.2)中获得的数理统计，确定阈值为0，剔除最佳主成分图像中正常区域。8)获取可视化图像：提取步骤7)中最佳主成分图像剔除正常区域后剩余像素点的位置，针对步骤3)获得的校准后的高光谱图像，提取校准后的高光谱图像中剩余像素点的平均光谱，使用步骤5)已建立的水射流除鳞轻微损伤模型，判定各像素点是否为损伤区域，并根据判别结果和像素位置信息将其还原为二值图像，即判定为损伤区域的图像像素值取1，判定为正常区域的像素值取0；经还原的二值图像采用形态学处理获得最终的二值图像，以去除孔洞和小区域干扰；最终的二值图像取反后与步骤2)获得的原始高光谱图像的合成图进行逻辑乘法运算，通过遍寻像素点，将G、R、B值均为0的像素点标记为损伤区域并赋值为255，获得损伤区域可视化图像。进一步地，形态学处理包括膨胀腐蚀、小区域去除；其中，膨胀腐蚀操作均取半径为3pixel的圆形结构元素。小区域像素区≤3000pixel2，连通区域判断原则为8邻域。进一步地，原始高光谱图像的合成图由原始高光谱图像中波段为70本文档来自技高网...

【技术保护点】
1.一种基于高光谱的鱼水射流除鳞轻微损伤可视化方法，其特征在于，其包括如下步骤：/n1)样品制备：采集具有代表性的鱼的样品，采用水射流方法除鳞，获得呈条带状损伤的样品；/n2)高光谱数据采集：利用高光谱成像仪采集步骤1)中样品的原始高光谱图像及其光谱数据；/n3)光谱校正：对步骤2)获得的原始高光谱图像进行黑白校正，以减少光照和探测器灵敏度的影响，并且减少成像系统在照相机和物理配置上的差异其中，黑白校正运算过程如下：/n

【技术特征摘要】
1.一种基于高光谱的鱼水射流除鳞轻微损伤可视化方法，其特征在于，其包括如下步骤：
1)样品制备：采集具有代表性的鱼的样品，采用水射流方法除鳞，获得呈条带状损伤的样品；
2)高光谱数据采集：利用高光谱成像仪采集步骤1)中样品的原始高光谱图像及其光谱数据；
3)光谱校正：对步骤2)获得的原始高光谱图像进行黑白校正，以减少光照和探测器灵敏度的影响，并且减少成像系统在照相机和物理配置上的差异其中，黑白校正运算过程如下：



式中，Rr为步骤2)中获得的原始高光谱图像，Rd为标准黑色图像，Rw为白标定图像，Rn为校准后的高光谱图像；
4)特征光谱提取：提取步骤3)校准后的高光谱图像的ROI区域的光谱平均值，其中，ROI区域选择步骤1)中样品表面正常区域和损伤区域的图像块；
5)模型的建立与评价：通过决策树算法，建立水射流除鳞轻微损伤模型并对模型进行评价；基于步骤4)中获得的ROI区域的光谱平均值为特征输入，选取一部分ROI区域的光谱平均值用作训练集，另一部分ROI区域的光谱平均值用作测试集，训练集和测试集比例为1:1，通过准确度、灵敏度、特效度和综合评价指标对模型进行评价；
6)数据降维：采用主成分分析法对步骤3)中获得的校准后的高光谱图像的光谱数据降维，获取最佳主成分图像；
7)像元值提取与分析：基于正常区域和损伤区域像元值统计特征，选择合适阈值，剔除正常区域像素点；包括以下步骤：
7.1)将步骤6)中获得的最佳主成分图像进行像元值的随机提取，获得提取区域每个像素点的像元值，提取区域包含了水射流去鳞损伤区域和正常区域；
7.2)将步骤7.1)中获得的像元值与像素点进行数理统计，统计正常区域、损伤区域像素点的数量与像元值范围，其中，正常区域像元值均大于0，损伤区域像元值均小于0；
7.3)根据步骤7.2)中获得的数理统计，确定阈值为0，剔除最佳主成分图像中正常区域；
8)获取可视化图像：提取步骤7)中最佳主成分图像剔除正常区域后剩余像素点的位置，针对步骤3)获得的校准后的高光谱图像，提取校准后的高光谱图像中剩余像素点的平均光谱，使用步骤5)已建立的水射流除鳞轻微损伤模型，判定各像素点是否为损伤区域，并根据判别结果和像素位置信息将其还原为二值图像，即判定为损伤区域的图像像素值取1，判定为正常区域的像素值取0；经还原的二值图像采用形态学处理获得最终的二值图像，以去除孔洞和小区域干扰；最终的二值图像取反后与步骤2)获得的原始高光谱图像的合成图进行逻辑乘法运算，通过遍寻像素点，将G、R、B值均为0的像素点标记为损伤区域并赋值为255，获得损伤区域可视化图像。


2.根据权利要求1所述的基于高光谱的鱼水...

【专利技术属性】
技术研发人员：王慧慧，朱鑫宇，王昆伦，邱新静，李朋朋，张旭，陶学恒，
申请(专利权)人：大连工业大学，
类型：发明
国别省市：辽宁;21