虾类新鲜度无损检测方法及装置制造方法及图纸

本发明专利技术提供一种虾类新鲜度无损检测方法及装置，属于农产品检测领域，该方法包括：获取虾尾的目标生物电参数作为第一特征数据，以及获取虾体和虾尾的全光谱数据；提取整虾的特征波段光谱数据作为第二特征数据，以及提取虾尾的特征波段光谱数据作为第三特征数据；将第一特征数据

【技术实现步骤摘要】
虾类新鲜度无损检测方法及装置


[0001]本专利技术涉及农产品检测领域，尤其涉及一种虾类新鲜度无损检测方法及装置
。

技术介绍

[0002]虾类是一类受欢迎的水生动物，例如其中的小龙虾，在不少地区都有广泛食用
。
虾体的新鲜度对其口感和食品安全至关重要，随着时间的推移，虾体会逐渐失去新鲜度，其肉质会变得松软，口感变差，并可能出现异味或腐败
。
因此，准确地评估虾体的新鲜度对于保证食品质量和安全非常重要
。
传统上，人们主要通过观察虾体的外观和嗅觉来判断其新鲜度
。
新鲜的虾体通常具有活力
、
弹性和光泽，没有明显的异味
。
然而，这种主观的评估方法容易受到个体经验和主观判断的影响，因此需要更可靠
、
快速无损
、
客观的方法来进行新鲜度检测
。
[0003]目前，尽管有一些方法，如通过近红外光谱对虾体的新鲜度进行分析，但是检测准确度仍然存在着不足，无法满足工厂等快速无损检测以及高准确度检测的需求
。

技术实现思路

[0004]针对现有技术存在的问题，本专利技术提供一种虾类新鲜度无损检测方法及装置
。
[0005]本专利技术提供一种虾类新鲜度无损检测方法，包括：获取虾尾的目标生物电参数作为第一特征数据，以及获取虾体和虾尾的全光谱数据；根据虾体和虾尾的全光谱数据，分别提取整虾的特征波段光谱数据作为第二特征数据，以及提取虾尾的特征波段光谱数据作为第三特征数据；将所述第一特征数据
、
所述第二特征数据和所述第三特征数据融合，输入训练后的检测模型，输出待检测龙虾的新鲜度等级；其中，所述检测模型为增加了
CBAM
模块的基于
ResNet
的神经网络模型，根据确定的新鲜度等级作为标签，对应的第一特征数据
、
第二特征数据和第三特征数据作为输入，进行训练后得到
。
[0006]根据本专利技术提供的一种虾类新鲜度无损检测方法，所述提取整虾的特征波段光谱数据作为第二特征数据，以及提取虾尾的特征波段光谱数据作为第三特征数据之前，还包括：根据多个已知新鲜度等级虾体的全光谱数据，分别提取整虾的全光谱数据，以及分别提取虾尾的全光谱数据；将每个虾体的整虾全光谱数据，以确定的新鲜度等级作为标签，依次输入第一
Transformer
模型进行训练，并获取训练完成后整虾所有波段的注意力权重；根据整虾所有波段的注意力权重，选取注意力权重满足预设条件的若干波段，得到整虾的特征波段；将每个虾体的虾尾全光谱数据，以确定的新鲜度等级作为标签，依次输入第二
Transformer
模型进行训练，并获取训练完成后虾尾所有波段的注意力权重；根据虾尾所有波段的注意力权重，选取注意力权重满足预设条件的若干波段，得到虾尾的特征波段
。
[0007]根据本专利技术提供的一种虾类新鲜度无损检测方法，所述将所述第一特征数据
、
所述第二特征数据和所述第三特征数据融合，输入训练后的检测模型，输出待检测龙虾的新鲜度等级，包括：将所述第一特征数据
、
所述第二特征数据和所述第三特征数据融合，输入到检测模型的
CBAM
模块中，得到多个特征图，并基于通道注意力和空间注意力对所述多个
特征图进行特征增强和提取，得到融合特征数据；将所述融合特征数据输入检测模型的
ResNet
网络，输出待检测龙虾的新鲜度等级
。
[0008]根据本专利技术提供的一种虾类新鲜度无损检测方法，所述获取虾体和虾尾的全光谱数据，包括：通过置于流水线顶端的光谱相机，获取流水线上待检虾体腹部朝下的全光谱中每个波段的二位灰度图像，并根据所有波段的二位灰度图像合成三维彩色图像，根据所述三维彩色图像，识别待检虾体本体作为感兴趣区域，利用视觉注意力分割出虾体整个图像，并利用局部特征分割出虾体的虾尾部分；分别以整虾图像及虾尾图像为感兴趣区域，提取整虾的全光谱数据和虾尾的全光谱数据
。
[0009]根据本专利技术提供的一种虾类新鲜度无损检测方法，所述获取虾尾的目标生物电参数作为第一特征数据之前，还包括：获取多个已确定新鲜度参数的虾体样本，并获取每个虾体样本的虾尾中不同类型的多种生物电参数，其中，所述新鲜度参数用于确定新鲜度等级；将所述多种生物电参数与已确定的新鲜度参数进行相关性分析，选取相关性大于预设条件的生物电参数，得到候选生物电参数；将每个虾体样本的所述候选生物电参数，以已确定的新鲜度等级作为标签，依次输入第三
Transformer
模型进行训练，并获取训练完成后的候选生物电参数的注意力权重；根据候选生物电参数的注意力权重，选取注意力权重满足预设条件的若干生物电参数，作为所述目标生物电参数
。
[0010]根据本专利技术提供的一种虾类新鲜度无损检测方法，所述第一特征数据包括：电活动强度
、
静息电位和膜电容
。
[0011]本专利技术还提供一种虾类新鲜度无损检测装置，包括：采集模块，用于获取虾尾的目标生物电参数作为第一特征数据，以及获取虾体和虾尾的全光谱数据；提取模块，用于根据虾体和虾尾的全光谱数据，分别提取整虾的特征波段光谱数据作为第二特征数据，以及提取虾尾的特征波段光谱数据作为第三特征数据；处理模块，将所述第一特征数据
、
所述第二特征数据和所述第三特征数据融合，输入训练后的检测模型，输出待检测龙虾的新鲜度等级；其中，所述检测模型为增加了
CBAM
模块的基于
ResNet
的神经网络模型，根据确定的新鲜度等级作为标签，对应的第一特征数据
、
第二特征数据和第三特征数据作为输入，进行训练后得到
。
[0012]本专利技术还提供一种虾类新鲜度无损检测系统，包括：传输带
、
传送带控制单元
、
姿态调整机构
、
暗箱
、
光源
、
高光谱成像仪
、
接触式生物电参数采集仪和虾类新鲜度无损检测装置；
[0013]所述传输带用于运送待检虾体，所述传送带控制单元用于控制所述传输带的运动；所述姿态调整机构，用于调整待检虾体的空间位置及角度，以使待检虾体到达暗箱前腹部朝下；所述暗箱内部上方设置所述高光谱成像仪和所述光源；所述高光谱成像仪，用于待检虾体通过所述传送带到达暗箱内时，拍摄虾体的光谱图像，并发送至所述装置；所述接触式生物电参数采集仪，用于采集虾尾的目标生物电参数，并发送至所述装置；所述装置用于执行上述任一所述的方法
。
[0014]本专利技术还提供一种电子设备，包括存储器
、
处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述虾类新鲜度无损检测方法
。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种虾类新鲜度无损检测方法，其特征在于，包括：获取虾尾的目标生物电参数作为第一特征数据，以及获取虾体和虾尾的全光谱数据；根据虾体和虾尾的全光谱数据，分别提取整虾的特征波段光谱数据作为第二特征数据，以及提取虾尾的特征波段光谱数据作为第三特征数据；将所述第一特征数据
、
所述第二特征数据和所述第三特征数据融合，输入训练后的检测模型，输出待检测龙虾的新鲜度等级；其中，所述检测模型为增加了
CBAM
模块的基于
ResNet
的神经网络模型，根据确定的新鲜度等级作为标签，对应的第一特征数据
、
第二特征数据和第三特征数据作为输入，进行训练后得到
。2.
根据权利要求1所述的虾类新鲜度无损检测方法，其特征在于，所述提取整虾的特征波段光谱数据作为第二特征数据，以及提取虾尾的特征波段光谱数据作为第三特征数据之前，还包括
:
根据多个已知新鲜度等级虾体的光谱数据，分别提取整虾的全光谱数据，以及分别提取虾尾的全光谱数据；将每个虾体的整虾全光谱数据，以确定的新鲜度等级作为标签，依次输入第一
Transformer
模型进行训练，并获取训练完成后整虾所有波段的注意力权重；根据整虾所有波段的注意力权重，选取注意力权重满足预设条件的若干波段，得到整虾的特征波段；将每个虾体的虾尾全光谱数据，以确定的新鲜度等级作为标签，依次输入第二
Transformer
模型进行训练，并获取训练完成后虾尾所有波段的注意力权重；根据虾尾所有波段的注意力权重，选取注意力权重满足预设条件的若干波段，得到虾尾的特征波段
。3.
根据权利要求1所述的虾类新鲜度无损检测方法，其特征在于，所述将所述第一特征数据
、
所述第二特征数据和所述第三特征数据融合，输入训练后的检测模型，输出待检测龙虾的新鲜度等级，包括：将所述第一特征数据
、
所述第二特征数据和所述第三特征数据融合，输入到检测模型的
CBAM
模块中，得到多个特征图，并基于通道注意力和空间注意力对所述多个特征图进行特征增强和提取，得到融合特征数据；将所述融合特征数据输入检测模型的
ResNet
网络，输出待检测龙虾的新鲜度等级
。4.
根据权利要求1所述的虾类新鲜度无损检测方法，其特征在于，所述获取虾体和虾尾的全光谱数据，包括：通过置于流水线顶端的光谱相机，获取流水线上待检虾体腹部朝下的全光谱中每个波段的二位灰度图像，并根据所有波段的二位灰度图像合成三维彩色图像；根据所述三维彩色图像，识别待检虾体本体作为感兴趣区域，利用视觉注意力分割出虾体整个图像，并利用局部特征分割出虾体的虾尾部分；分别以整虾图像及虾尾图像为感兴趣区域，提取整虾的全光谱数据和虾尾的全光谱数据
。5.
根据权利要求1所述的虾类新鲜度无损检测方法，其特征在于，所述获取虾尾的目标生物电参数作为第一...

【专利技术属性】
技术研发人员：付丹丹，宋佳轩，胡志刚，马明，陈艳，
申请(专利权)人：武汉轻工大学，
类型：发明
国别省市：