一种基于图像识别的智能食品检测方法及系统技术方案

本申请提供一种基于图像识别的智能食品检测方法及系统，通过获取包含待检测食品的食品图像(食品图像内包含带皮的马铃薯，且背景为不同于马铃薯颜色的纯色背景)；而后识别出食品图像中马铃薯的芽眼(马铃薯用于发芽的部位)，以确定出包含芽眼的芽眼图像；再对芽眼图像进行检测，确定出用于表征芽眼图像中的芽眼是否存在异变的检测数据，以基于检测数据确定食品图像中的马铃薯是否合格(该芽眼出芽到预设水平或该芽眼周围存在大片青色区域)。这样可以通过检测图像中马铃薯的芽眼来确定马铃薯是否发芽，是否存在大片青色区域，从而可以确定龙葵碱是否产生，进而通过图像识别的方式低成本且快速高效地判断马铃薯是否合格。低成本且快速高效地判断马铃薯是否合格。低成本且快速高效地判断马铃薯是否合格。

【技术实现步骤摘要】
一种基于图像识别的智能食品检测方法及系统


[0001]本申请涉及食品检测
，具体而言，涉及一种基于图像识别的智能食品检测方法及系统。

技术介绍

[0002]食品安全关乎人们的健康，对于蔬菜水果的检测，一方面需要抽检农药残留、重金属及有害物质等指标，另一方面，还需要检测蔬菜水果的新鲜度、是否存在机械伤、是否霉变等。特别是规模较大的供应地(例如超市、菜市场上的集中供货地、存储的仓库等)，由于存放有大量的蔬菜水果，存放的时间和条件可能容易导致水果蔬菜的变质。
[0003]例如，马铃薯，如果放置时间比较长，或者储存温度较高时，会出现发芽，变青的情况。马铃薯发芽后，芽周围的龙葵碱含量会大幅增加(青色的物质不是龙葵碱，但与龙葵碱的大量产生具有关联性，“变青”是龙葵碱产生的标志)。而龙葵碱是一种神经毒素，人体摄入过多会引发呕吐、腹泻等症状，严重时甚至威胁生命。龙葵碱含量相对较低时，不会引发中毒反应。因此，在马铃薯芽不多，青色区域较小的情况下，彻底去除发芽和青色部位后，充分加热或加些醋一起烹制(有助于破坏龙葵素)，食用也不会出现问题。
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像识别的智能食品检测方法，其特征在于，包括：获取包含待检测食品的食品图像，其中，所述待检测食品为带皮的马铃薯，所述食品图像的背景为不同于马铃薯颜色的纯色背景；对所述食品图像进行处理，识别出所述食品图像中马铃薯的芽眼，以确定出包含芽眼的芽眼图像，其中，所述芽眼表示马铃薯用于发芽的部位；对所述芽眼图像进行检测，确定出用于表征所述芽眼图像中的芽眼是否存在异变的检测数据，以基于所述检测数据确定所述食品图像中的马铃薯是否合格，其中，芽眼存在异变表示该芽眼出芽到预设水平，或该芽眼周围存在大片青色区域。2.根据权利要求1所述的基于图像识别的智能食品检测方法，其特征在于，所述对所述食品图像进行处理，识别出所述食品图像中马铃薯的芽眼，以确定出包含芽眼的芽眼图像，包括：对所述食品图像进行边缘检测，确定出所述食品图像中的马铃薯轮廓；对所述马铃薯轮廓内的马铃薯图像进行检测，确定出所述马铃薯图像内的可疑斑点，其中，可疑斑点为马铃薯表皮的斑点、马铃薯表皮的泥污、马铃薯的芽眼中的任一项；根据所述马铃薯图像内的所有可疑斑点，确定出马铃薯的芽眼，并基于马铃薯的芽眼所处位置确定出包含该芽眼的芽眼图像。3.根据权利要求2所述的基于图像识别的智能食品检测方法，其特征在于，所述对所述马铃薯轮廓内的马铃薯图像进行检测，确定出所述马铃薯图像内的可疑斑点，包括：获取所述马铃薯图像对应的灰度图像；确定出所述灰度图像的图像灰度均值，并确定出每个与所述图像灰度均值之间的差值超过预设差异值的目标像素点；将所有所述目标像素点进行划分，得到多个像素点群落，其中，每个像素点群落对应的图像即所述马铃薯图像内的可疑斑点，每个像素点群落内的任一像素点与该像素点群落内的其他像素点中的至少两个像素点之间的距离不超过距离阈值。4.根据权利要求3所述的基于图像识别的智能食品检测方法，其特征在于，所述根据所述马铃薯图像内的所有可疑斑点，确定出马铃薯的芽眼，包括：针对每个所述可疑斑点，确定出该可疑斑点的大小，并排除大小不达标的可疑斑点，其中，可疑斑点的大小通过该可疑斑点的最大宽度及像素点数量表示；从未排除可疑斑点中确定出斑点...

【专利技术属性】
技术研发人员：孙良娟，李红权，丁秀琼，刘建芳，黄武，唐媛媛，郑羽茜，张娜，刘骁，陈国栋，
申请(专利权)人：湛江海关技术中心，
类型：发明
国别省市：