一种基于图谱数据智能化无损检测菜肴食品营养含量方法技术

本发明专利技术提供一种基于图谱数据智能化无损检测菜肴食品营养含量方法，包括：获取固态待测目标的图像信息，并得到固态待测目标的第一估算体积；获取固态待测目标的光谱信息，并得到固态待测目标的第一估算密度；根据第一估算体积和第一估算密度得到固态待测目标的第一估算质量和营养含量；通过第一容器获取液态待测目标的第二估算体积；获取液态待测目标的光谱信息和第二估算密度；根据第二估算体积和第二估算密度得到液态待测目标的第二估算质量和营养含量。本发明专利技术通过图像和光谱技术对菜肴食品的体积进行评估，进而根据体积估算菜肴食品的质量和营养含量，并且采用固液分离的方法，实现了对固态和液态菜肴食品营养含量的分别测量。

【技术实现步骤摘要】
一种基于图谱数据智能化无损检测菜肴食品营养含量方法
本专利技术涉及食品检测
，尤其涉及一种基于图谱数据智能化无损检测菜肴食品营养含量方法。
技术介绍
饮食是人类健康、生存及长寿的物质基础。随着人们生活水平的提高，精准营养食品已经成为人民对食品新的需求增长点。菜肴是人们日常菜肴食品中不可或缺的食品，日常菜肴食品营养摄入不足或过剩对人体健康产生重要影响，尤其糖尿病人、高血压患者、肥胖及特殊人群等需要对所摄取菜肴食品的营养含量实时进行检测，菜肴形态与成分组成复杂，常规菜肴食品中营养含量的测定方法多采用理化试验，费事费力，成本昂贵，不便于使用与推广，这也成为影响人们实现精准饮食的一大阻碍。图谱技术在食品快速检测领域得到了广阔的应用。国内外学者利用图像技术结合机器学习算法获得一餐菜肴食品的图像、体积等信息，再结合菜肴食品数据库推测出菜肴食品的营养含量，进而推测出卡路里含量值。该方法未考虑菜肴食品之间的不同比例、不同烹饪条件等因素，所得的菜肴食品营养含量并不准确。光谱技术可以测量样品内部的含量，有学者利用近红外光谱技术对搅碎的菜肴食品进行检测，得到了固定容器内菜肴食品的单位重量卡路里值，但该方法并不能直接得出一餐菜肴食品中的营养含量总含量，对样品是有损检测，此外，检测之前，也必须先选择菜肴食品类型，才可完成模型匹配，并不能在实际中得到广泛应用。
技术实现思路
本专利技术提出一种基于图谱数据智能化无损检测菜肴食品营养含量方法，用以解决现有技术中无法准确对菜肴食品的营养含量进行检测的缺陷，特别是菜肴食品包含多种食材还包括固态和液态多种形态时，对菜肴食品营养的测量准确性难以保证，通过综合利用光学图谱技术、机器学习与数据建模算法实现菜肴食品类型的识别、图像与菜肴食品体积模型建立，光谱与菜肴食品密度模型建立、光谱与菜肴食品营养含量模型建立几个关键问题，并且采用固液分离的方法，实现了对固态和液态菜肴食品营养含量的分别测量，进而综合估算菜肴食品的质量和营养含量。根据本专利技术提供的一种基于图谱数据智能化无损检测菜肴食品营养含量方法，包括待测目标，所述待测目标包括固态待测目标和液态待测目标，其中，所述固态待测目标为包含N种食材的混合物，N大于等于二，所述方法包括：将所述固态待测目标和所述液态待测目标分离，并将所述固态待测目标静置平铺、将所述液态待测目标放置于第一容器内；获取所述固态待测目标的图像信息，根据所述图像信息获取所述固态待测目标的第一估算体积以及N种食材的比例信息，并通过所述第一容器获取所述液态待测目标的第二估算体积；获取所述固态待测目标的光谱信息，并将所述固态待测目标的光谱信息和N种食材的比例信息输入至光谱密度固态模型得到所述固态待测目标的第一估算密度；根据第一估算体积和第一估算密度得到所述固态待测目标的第一估算质量，并将所述固态待测目标的第一估算质量、光谱信息和N种食材的比例信息输入至光谱营养固态模型中得到所述固态待测目标的营养含量；获取所述液态待测目标的光谱信息，并将所述液态待测目标的光谱信息输入至光谱密度液态模型得到所述液态待测目标的第二估算密度；根据第二估算体积和第二估算密度得到所述液态待测目标的第二估算质量，并将所述液态待测目标的第二估算质量和光谱信息输入至光谱营养液态模型中得到所述液态待测目标的营养含量；根据所述固态待测目标的营养含量和所述液态待测目标的营养含量得到所述待测目标的营养含量。根据本专利技术的一种实施方式，所述获取所述固态待测目标的图像信息，根据所述图像信息获取所述固态待测目标的第一估算体积的步骤中，具体包括：获取图像信息中的图像边缘一点作为第一像素点，根据所述第一像素点至图像中心的距离和所述第一像素点至所述固态待测目标静置平面的距离计算得到所述固态待测目标的第一预估体积，其中，所述第一预估体积为基于所述第一像素点的体积；重复上述步骤直至获得W个像素点的W个预估体积，其中，W大于等于二；获取预设偏差并以所述预设偏差作为梯度区间，建立W个预估体积的正态分布函数；获取处于正态分布置信区间内的M个预估体积，根据M个预估体积计算得到平均值，并将平均值作为第一估算体积，其中，M小于W。具体来说，本实施例提供了一种根据图像信息估算固态待测目标的第一估算体积的实施方式，通过对固态待测目标图像的采集，获取固态待测目标的图像，提取图像内固态待测目标上的一个像素点，并根据该像素点进行固态待测目标体积的估算，在选择多个像素点测量得到多个估算体积后，取平均值，得到近似固态待测目标的第一估算体积。进一步地，为了得到与实际固态待测目标的体积更为接近的第一估算体积，建立图像中每个像素点与对应的固态待测目标体积值的函数关系图，将体积值比较接近的像素点的个数归为一类，各个类按照体积值大小区别，以预设偏差为一个梯度。以近似正态分布函数拟合像素个数和体积值分类数据趋势，并以正态分布置信区间内的像素个数为总的有效点，将有效点中的所有体积值计算后求平均值，进而获得与实际的固态待测目标体积更为接近的第一估算体积。在一个应用场景中，预设偏差介于3至6％之间。根据本专利技术的一种实施方式，所述获取所述固态待测目标的光谱信息，并将所述固态待测目标的光谱信息和N种食材的比例信息输入至光谱密度固态模型得到所述固态待测目标的第一估算密度的步骤中，具体包括：根据所述固态待测目标的光谱信息和N种食材的比例信息遍历所述光谱密度固态模型的样本池，获得与所述固态待测目标的光谱信息以及N种食材的比例信息对应的固态样本光谱信息；获取与固态样本光谱信息对应的固态样本密度，并将固态样本密度作为第一估算密度。具体来说，本实施例提供了一种根据光谱密度固态模型得到第一估算密度的实施方式，由于固态待测目标为混合物，因此通过提取N种食材的比例以及固态待测目标的光谱信息，保证了对N种食材组成的固态待测目标的第一估算密度的获取。需要说明的是，根据N种食材的比例在光谱密度固态模型的样本池内获取对应的固态样本比例信息，同时根据固态待测目标的光谱信息匹配固态样本的固态样本光谱信息，当固态样本比例信息和固态样本光谱信息均符合时，该固态样本对应的固态样本密度即为第一估算密度。根据本专利技术的一种实施方式，所述光谱密度固态模型是基于固态样本的固态样本光谱信息以及与所述固态样本光谱信息对应的固态样本密度训练得到的，具体训练步骤包括：获取所述固态待测目标内N种食材对应的N种固态样本，并提取单位质量的每种固态样本；将单位质量的所述固态样本放入第二容器内，并向所述第二容器内充入惰性气体；获取所述固态样本与所述惰性气体混合后的第一体积，以及在所述第一体积下所述第二容器内的第一压强；保持所述第二容器内的温度恒定，改变所述第二容器的体积并获取所述第二容器的第二体积，以及在所述第二体积下所述第二容器内的第二压强；基于波马定律，根据所述第一体积、所述第二体积、所述第一压强和所述第二压强计算得到所述固态样本的固态样本体积；根据单位质量和固本文档来自技高网...

【技术保护点】
1.一种基于图谱数据智能化无损检测菜肴食品营养含量方法，包括待测目标，所述待测目标包括固态待测目标和液态待测目标，其中，所述固态待测目标为包含N种食材的混合物，N大于等于二，其特征在于，所述方法包括：/n将所述固态待测目标和所述液态待测目标分离，并将所述固态待测目标静置平铺、将所述液态待测目标放置于第一容器内；/n获取所述固态待测目标的图像信息，根据所述图像信息获取所述固态待测目标的第一估算体积以及N种食材的比例信息，并通过所述第一容器获取所述液态待测目标的第二估算体积；/n获取所述固态待测目标的光谱信息，并将所述固态待测目标的光谱信息和N种食材的比例信息输入至光谱密度固态模型得到所述固态待测目标的第一估算密度；/n根据第一估算体积和第一估算密度得到所述固态待测目标的第一估算质量，并将所述固态待测目标的第一估算质量、光谱信息和N种食材的比例信息输入至光谱营养固态模型中得到所述固态待测目标的营养含量；/n获取所述液态待测目标的光谱信息，并将所述液态待测目标的光谱信息输入至光谱密度液态模型得到所述液态待测目标的第二估算密度；/n根据第二估算体积和第二估算密度得到所述液态待测目标的第二估算质量，并将所述液态待测目标的第二估算质量和光谱信息输入至光谱营养液态模型中得到所述液态待测目标的营养含量；/n根据所述固态待测目标的营养含量和所述液态待测目标的营养含量得到所述待测目标的营养含量。/n...

【技术特征摘要】
1.一种基于图谱数据智能化无损检测菜肴食品营养含量方法，包括待测目标，所述待测目标包括固态待测目标和液态待测目标，其中，所述固态待测目标为包含N种食材的混合物，N大于等于二，其特征在于，所述方法包括：
将所述固态待测目标和所述液态待测目标分离，并将所述固态待测目标静置平铺、将所述液态待测目标放置于第一容器内；
获取所述固态待测目标的图像信息，根据所述图像信息获取所述固态待测目标的第一估算体积以及N种食材的比例信息，并通过所述第一容器获取所述液态待测目标的第二估算体积；
获取所述固态待测目标的光谱信息，并将所述固态待测目标的光谱信息和N种食材的比例信息输入至光谱密度固态模型得到所述固态待测目标的第一估算密度；
根据第一估算体积和第一估算密度得到所述固态待测目标的第一估算质量，并将所述固态待测目标的第一估算质量、光谱信息和N种食材的比例信息输入至光谱营养固态模型中得到所述固态待测目标的营养含量；
获取所述液态待测目标的光谱信息，并将所述液态待测目标的光谱信息输入至光谱密度液态模型得到所述液态待测目标的第二估算密度；
根据第二估算体积和第二估算密度得到所述液态待测目标的第二估算质量，并将所述液态待测目标的第二估算质量和光谱信息输入至光谱营养液态模型中得到所述液态待测目标的营养含量；
根据所述固态待测目标的营养含量和所述液态待测目标的营养含量得到所述待测目标的营养含量。


2.根据权利要求1所述的一种基于图谱数据智能化无损检测菜肴食品营养含量方法，其特征在于，所述获取所述固态待测目标的图像信息，根据所述图像信息获取所述固态待测目标的第一估算体积的步骤中，具体包括：
获取图像信息中的图像边缘一点作为第一像素点，根据所述第一像素点至图像中心的距离和所述第一像素点至所述固态待测目标静置平面的距离计算得到所述固态待测目标的第一预估体积，其中，所述第一预估体积为基于所述第一像素点的体积；
重复上述步骤直至获得W个像素点的W个预估体积，其中，W大于等于二；
获取预设偏差并以所述预设偏差作为梯度区间，建立W个预估体积的正态分布函数；
获取处于正态分布置信区间内的M个预估体积，根据M个预估体积计算得到平均值，并将平均值作为第一估算体积，其中，M小于W。


3.根据权利要求1所述的一种基于图谱数据智能化无损检测菜肴食品营养含量方法，其特征在于，所述获取所述固态待测目标的光谱信息，并将所述固态待测目标的光谱信息和N种食材的比例信息输入至光谱密度固态模型得到所述固态待测目标的第一估算密度的步骤中，具体包括：
根据所述固态待测目标的光谱信息和N种食材的比例信息遍历所述光谱密度固态模型的样本池，获得与所述固态待测目标的光谱信息以及N种食材的比例信息对应的固态样本光谱信息；
获取与固态样本光谱信息对应的固态样本密度，并将固态样本密度作为第一估算密度。


4.根据权利要求3所述的一种基于图谱数据智能化无损检测菜肴食品营养含量方法，其特征在于，所述光谱密度固态模型是基于固态样本的固态样本光谱信息以及与所述固态样本光谱信息对应的固态样本密度训练得到的，具体训练步骤包括：
获取所述固态待测目标内N种食材对应的N种固态样本，并提取单位质量的每种固态样本；
将单位质量的所述固态样本放入第二容器内，并向所述第二容器内充入惰性气体；
获取所述固态样本与所述惰性气体混合后的第一体积，以及在所述第一体积下所述第二容器内的第一压强；
保持所述第二容器内的温度恒定，改变所述第二容器的体积并获取所述第二容器的第二体积，以及在所述第二体积下所述第二容器内的第二压强；
基于波马定律，根据所述第一体积、所述第二体积、所述第一压强和所述第二压强计算得到所述固态样本的固态样本体积；
根据单位质量和固态样本体积得到固态样本密度；
获取所述固态样本的固态样本光谱信息，并根据固态样本光谱信息和固态样本密度训练得到该种食材的光谱密度固态样本；
重复上述步骤N次，得到N种食材的N个光谱密度固态样本；
获取所述固态待测目标内N种食材的比例信息，根据比例信息...

【专利技术属性】
技术研发人员：魏文松，张春江，艾鑫，曹凯，
申请(专利权)人：中国农业科学院农产品加工研究所，
类型：发明
国别省市：北京;11