一种鱼粉中掺假动物源蛋白粉鉴别和含量检测方法及系统技术方案

本发明专利技术涉及一种鱼粉中掺假动物源蛋白粉鉴别和含量检测方法及系统，首先获取三种样品对应的高光谱图像后进行预处理；其次利用纯样品对应的光谱校正数据和掺假样品对应的光谱校正数据，并采用机器学习识别算法构建动物源蛋白粉分类模型；然后利用掺假样品对应的光谱校正数据，并采用机器学习识别算法构建掺假含量检测模型；最后将待测样品对应的光谱校正数据输入动物源蛋白粉分类模型进行分类，以及将待测样品对应的光谱校正数据输入至掺假含量检测模型进行含量检测，得到掺假预测值。本发明专利技术将近红外高光谱成像技术与机器学习识别算法相结合，实现实时、快速、准确鉴别鱼粉中是否掺假以及检测其掺假量。掺假以及检测其掺假量。掺假以及检测其掺假量。

【技术实现步骤摘要】
一种鱼粉中掺假动物源蛋白粉鉴别和含量检测方法及系统


[0001]本专利技术涉及饲料品质智能检测
，特别是涉及一种鱼粉中掺假动物源蛋白粉鉴别和含量检测方法及系统。

技术介绍

[0002]鱼粉(PFM)是一种优质的动物源性蛋白质原料，富含蛋白质、矿物质、必需氨基酸、微量元素和维生素等营养物质，并且含有生长因子。由于其出色的营养成分、适口性和消化率，被广泛应用于畜禽水产饲料中。近年来，随着饲料行业的迅速发展，市场上对鱼粉的需求量日益增大。鱼粉的价格较高，又因为鱼粉价格与蛋白质含量呈正相关，所以利润驱使国内许多非法鱼粉生产商和分销商在纯鱼粉中掺入一些廉价的动物蛋白粉，对养殖动物的健康构成严重危害，从而对人类食品安全构成威胁。
[0003]羽毛粉(FTM)通常由鸡毛(家禽生产的废料)在高压煮熟、水解、干燥和研磨后制成。羽毛粉含有超过80％的粗蛋白，但其中大部分是不能被蛋白水解酶很好消化的角蛋白。相关研究发现，羽毛粉作为中国常见的低价高产的加工动物蛋白，由于其低蛋白质消化率和不平衡氨基酸谱，饲喂含有高水平羽毛粉的饮食可能导致许多鱼类的生长显著下降。鱼排粉(FBP)通常是由鱼类加工的副产品，特别是罗非鱼、巴沙鲶鱼、鳕鱼、西班牙鲭鱼等生产的副产品，通常由鱼头、内脏、骨骼、鳞片和皮肤组成。与纯鱼粉相比，鱼排粉的蛋白质、必需氨基酸和二十二碳六烯酸和二十碳五烯酸在总脂肪酸含量中的比例较低，灰分含量较高，因此营养价值较低。目前，羽毛粉和鱼排粉作为常见的低价高产的加工动物蛋白，与纯鱼粉具有很高的物理相似性(如形状、颜色、质地等)。因此，一些不法商家通常把动物源蛋白(如羽毛粉或鱼排粉)混入纯鱼粉中进行销售，以谋取暴利。并且，通过感官很难将掺入羽毛粉或者鱼排粉的鱼粉与纯鱼粉进行区分。因此，如何快速、简便、准确地判断鱼粉中是否掺入动物源蛋白粉以及掺假含量的含量检测，已成为鱼粉饲料品控的重要环节之一，也是中国绝大多数饲料厂面临的挑战。
[0004]广东联鲲集团有限公司专利技术了一种快速检测鱼粉掺假的方法(专利号：CN 108802023 A)，采用热水除杂以及热碱液除去蛋白质和脂肪，除杂简便高效，采用酸检测以及酸性条件下滴加钼酸铵生产的黄色沉淀以及在显微镜下观察鱼粉的相关参数，判断结果准确，现象直观。但是此方法依然属于化学处理过程，操作步骤繁琐，要求检测人员具有较高的专业技能，不适用于普通用户，除此之外，此方法还不能满足简便、实时、快速的鱼粉掺假检测要求。

技术实现思路

[0005]本专利技术的目的是提供一种鱼粉中掺假动物源蛋白粉鉴别和含量检测方法及系统，以实现实时、快速、简便地检测出掺假的含量。
[0006]为实现上述目的，本专利技术提供了一种鱼粉中掺假动物源蛋白粉鉴别和含量检测方法，所述方法包括：
[0007]步骤S1：利用高光谱成像仪获取第一设定光谱范围三种样品对应的高光谱图像；所述三种样品包括纯样品、掺假样品以及待测样品；
[0008]步骤S2：对三种样品对应的高光谱图像分别进行预处理，获得光谱校正数据集；所述光谱校正数据集包括三种样品各自对应的光谱校正数据；
[0009]步骤S3：利用所述光谱校正数据集中的纯样品对应的光谱校正数据和掺假样品对应的光谱校正数据，并采用机器学习识别算法构建动物源蛋白粉分类模型；
[0010]步骤S4：将待测样品对应的光谱校正数据输入动物源蛋白粉分类模型进行分类，获得分类结果；所述分类结果为鱼粉、羽毛粉、羽毛粉
‑
鱼粉混合物、鱼排粉或鱼排粉
‑
鱼粉混合物；
[0011]步骤S5：利用所述光谱校正数据集中的掺假样品对应的光谱校正数据，并采用机器学习识别算法构建掺假含量检测模型；
[0012]步骤S6：当分类结果为羽毛粉
‑
鱼粉混合物或鱼排粉
‑
鱼粉混合物时，将待测样品对应的光谱校正数据输入至掺假含量检测模型进行含量检测，获得羽毛粉掺假预测值或鱼排粉掺假预测值。
[0013]可选地，所述对三种样品对应的高光谱图像分别进行预处理，获得光谱校正数据集，具体包括：
[0014]步骤S21：对三种样品对应的高光谱图像分别进行背景去除处理，获得纯样品对应的感兴趣区域、掺假样品对应的感兴趣区域以及待测样品对应的感兴趣区域；
[0015]步骤S22：分别去除三种样品对应的感兴趣区域内每个像素对应的光谱数据的光谱噪声，获得样本数据集；所述样本数据集包括纯样品对应的样品光谱数据、掺假样品对应的样品光谱数据以及待测样品对应的样品光谱数据；
[0016]步骤S23：采用基线偏移量校正方法对所述样本数据集进行校正，获得光谱校正数据集。
[0017]可选地，所述对三种样品对应的高光谱图像分别进行背景去除处理，获得纯样品对应的感兴趣区域、掺假样品对应的感兴趣区域以及待测样品对应的感兴趣区域，具体包括：
[0018]步骤S211：选取纯样品对应的1325nm下高光谱图像作为纯样品对应的灰度图像，选取掺假样品对应的1325nm下高光谱图像作为掺假样品对应的灰度图像，选取待测样品对应的1325nm下高光谱图像作为待测样品对应的灰度图像；
[0019]步骤S212：利用纯样品对应的灰度图像构建纯样品对应的掩模图像，利用掺假样品对应的灰度图像构建掺假样品对应的掩模图像，利用待测样品对应的灰度图像构建待测样品对应的掩模图像；
[0020]步骤S213：利用纯样品对应的所述掩模图像对纯样品对应的高光谱图像进行二值化图像分割，获得纯样品对应的分割区域，利用掺假样品对应的所述掩模图像对掺假样品对应的高光谱图像进行二值化图像分割，获得掺假样品对应的分割区域，利用待测样品对应的所述掩模图像对待测样品对应的高光谱图像进行二值化图像分割，获得待测样品对应的分割区域；
[0021]步骤S214：采用形态学处理方法中的腐蚀操作对三种样品对应的分割区域分别进行腐蚀处理，获得纯样品对应的感兴趣区域、掺假样品对应的感兴趣区域以及待测样品对
应的感兴趣区域。
[0022]可选地，所述分别去除三种样品对应的感兴趣区域内每个像素对应的光谱数据的光谱噪声，获得样本数据集，具体包括：
[0023]步骤S221：分别对三种样品对应的感兴趣区域内每个像素对应的光谱数据进行小波变换；
[0024]步骤S222：分别选取待选区域内第二设定光谱范围中所有像素对应的光谱数据相加求平均，构成样本数据集；所述待选区域为小波变换后各样品对应的感兴趣区域。
[0025]可选地，所述利用所述光谱校正数据集中的纯样品对应的光谱校正数据和掺假样品对应的光谱校正数据，并采用机器学习识别算法构建动物源蛋白粉分类模型，具体包括：
[0026]步骤S31：从所述光谱校正数据集中选取纯样品对应的光谱校正数据和掺假样品对应的光谱校正数据，同时获取纯样品以及掺假样品的实际分类，并按照第一设定比例进行划分，获得第一训练集；
[0027]步骤S32：采用连续投影算法对纯样品以及掺假样品分别进本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种鱼粉中掺假动物源蛋白粉鉴别和含量检测方法，其特征在于，所述方法包括：步骤S1：利用高光谱成像仪获取第一设定光谱范围三种样品对应的高光谱图像；所述三种样品包括纯样品、掺假样品以及待测样品；步骤S2：对三种样品对应的高光谱图像分别进行预处理，获得光谱校正数据集；所述光谱校正数据集包括三种样品各自对应的光谱校正数据；步骤S3：利用所述光谱校正数据集中的纯样品对应的光谱校正数据和掺假样品对应的光谱校正数据，并采用机器学习识别算法构建动物源蛋白粉分类模型；步骤S4：将待测样品对应的光谱校正数据输入动物源蛋白粉分类模型进行分类，获得分类结果；所述分类结果为鱼粉、羽毛粉、羽毛粉
‑
鱼粉混合物、鱼排粉或鱼排粉
‑
鱼粉混合物；步骤S5：利用所述光谱校正数据集中的掺假样品对应的光谱校正数据，并采用机器学习识别算法构建掺假含量检测模型；步骤S6：当分类结果为羽毛粉
‑
鱼粉混合物或鱼排粉
‑
鱼粉混合物时，将待测样品对应的光谱校正数据输入至掺假含量检测模型进行含量检测，获得羽毛粉掺假预测值或鱼排粉掺假预测值。2.根据权利要求1所述的鱼粉中掺假动物源蛋白粉鉴别和含量检测方法，其特征在于，所述对三种样品对应的高光谱图像分别进行预处理，获得光谱校正数据集，具体包括：步骤S21：对三种样品对应的高光谱图像分别进行背景去除处理，获得纯样品对应的感兴趣区域、掺假样品对应的感兴趣区域以及待测样品对应的感兴趣区域；步骤S22：分别去除三种样品对应的感兴趣区域内每个像素对应的光谱数据的光谱噪声，获得样本数据集；所述样本数据集包括纯样品对应的样品光谱数据、掺假样品对应的样品光谱数据以及待测样品对应的样品光谱数据；步骤S23：采用基线偏移量校正方法对所述样本数据集进行校正，获得光谱校正数据集。3.根据权利要求2所述的鱼粉中掺假动物源蛋白粉鉴别和含量检测方法，其特征在于，所述对三种样品对应的高光谱图像分别进行背景去除处理，获得纯样品对应的感兴趣区域、掺假样品对应的感兴趣区域以及待测样品对应的感兴趣区域，具体包括：步骤S211：选取纯样品对应的1325nm下高光谱图像作为纯样品对应的灰度图像，选取掺假样品对应的1325nm下高光谱图像作为掺假样品对应的灰度图像，选取待测样品对应的1325nm下高光谱图像作为待测样品对应的灰度图像；步骤S212：利用纯样品对应的灰度图像构建纯样品对应的掩模图像，利用掺假样品对应的灰度图像构建掺假样品对应的掩模图像，利用待测样品对应的灰度图像构建待测样品对应的掩模图像；步骤S213：利用纯样品对应的所述掩模图像对纯样品对应的高光谱图像进行二值化图像分割，获得纯样品对应的分割区域，利用掺假样品对应的所述掩模图像对掺假样品对应的高光谱图像进行二值化图像分割，获得掺假样品对应的分割区域，利用待测样品对应的所述掩模图像对待测样品对应的高光谱图像进行二值化图像分割，获得待测样品对应的分割区域；步骤S214：采用形态学处理方法中的腐蚀操作对三种样品对应的分割区域分别进行腐
蚀处理，获得纯样品对应的感兴趣区域、掺假样品对应的感兴趣区域以及待测样品对应的感兴趣区域。4.根据权利要求2所述的鱼粉中掺假动物源蛋白粉鉴别和含量检测方法，其特征在于，所述分别去除三种样品对应的感兴趣区域内每个像素对应的光谱数据的光谱噪声，获得样本数据集，具体包括：步骤S221：分别对三种样品对应的感兴趣区域内每个像素对应的光谱数据进行小波变换；步骤S222：分别选取待选区域内第二设定光谱范围中所有像素对应的光谱数据相加求平均，构成样本数据集；所述待选区域为小波变换后各样品对应的感兴趣区域。5.根据权利要求1所述的鱼粉中掺假动物源蛋白粉鉴别和含量检测方法，其特征在于，所述利用所述光谱校正数据集中的纯样品对应的光谱校正数据和掺假样品对应的光谱校正数据，并采用机器学习识别算法构建动物源蛋白粉...

【专利技术属性】
技术研发人员：何勇，张文凯，孔丹丹，李晓丽，
申请(专利权)人：浙江大学，
类型：发明
国别省市：