【技术实现步骤摘要】
本专利技术涉及水产品快速检测领域，具体涉及一种南极磷虾粉中虾青素含量测定方法。
技术介绍
1、南极磷虾(euphausia superba)资源储量高达6.5-10亿吨，是人类21世纪待开发利用的重要生物资源。虾粉是南极磷虾目前主要的加工利用形式，可直接用作动物饲料，或进一步精深加工为食品、保健品和医药品等高附加值产品。虾粉中含有大量的虾青素，是其重要的营养物质之一。虾青素具有很强的抗氧化性，其还原能力约是维生素e的550倍，β-胡萝卜素的10倍，是自然界中已知的抗氧化能力最强的天然分子。虾青素同时还具有防止紫外线辐射、减少心血管系统疾病发生、抗炎和增强机体免疫力等诸多功效。然而虾粉中虾青素的含量不仅受南极磷虾原料(规格、季节等因素)的影响，同时在加工贮运过程中极易发生氧化降解，影响虾粉的营养价值及加工潜力。目前尚缺乏虾粉中虾青素含量的快速检测技术，导致虾粉营养价值差异较大，不利于高附加值产品的开发。
2、目前，虾粉中虾青素测定的常用方法包括分光光度法和高效液相色谱法。这些方法检测时间较长、对样本具有破坏性且需要大量有机试剂和操作人员。
技术实现思路
1、为了克服现有检测技术中存在的时间长、成本高、效率低等缺陷，本专利技术提供一种基于计算机视觉的南极磷虾粉中虾青素含量测定方法，其包括：
2、步骤s1：设置图像采集设备的参数及运行条件；
3、步骤s2：将南极磷虾粉样本置入步骤s1设置的条件下，并采集样本图像；
4、步骤s3：将步骤s2中
5、步骤s4：将步骤s3中预处理后的图像及图像标签导入原始卷积神经网络模型；
6、步骤s5：调整步骤s4中原始卷积神经网络模型的参数，建立基于计算机视觉的南极磷虾粉中虾青素含量测定模型(命名为astaxanthin.h5)；
7、步骤s6：对未知待测南极磷虾粉样本进行图像采集，利用步骤s5建立的基于计算机视觉的南极磷虾粉中虾青素含量测定模型对未知待测南极磷虾粉样本的虾青素含量进行测定。
8、进一步地，在步骤s1中，所述的图像采集设备包括：rgb工业相机配有(4.0mm～10mm)镜头、6000k光源、小型摄影棚、坐标轴磁性贴、电脑；图像采集条件设置为：相机及光源水平0°放置，镜头距离样本10cm，补光灯水平放置距离样本6cm。
9、进一步地，在步骤s2中，样本图像的采集方法为：准备143批次南极磷虾粉样品，分别将2g虾粉样本放入内径40mm，高度5mm圆形容器，平铺按压后，置于相机的取景框中间位置；通过rgb工业相机采集样本图像，以3036×4042像素、jpg格式储存。
10、进一步地，在步骤s3中，采用pil(python imaging library)库中的image模块来进行图像处理，逐一将图像中心将裁剪为224×224像素大小。
11、进一步地，在步骤s4中，所述的图像标签为采用传统液相色谱法测得的虾青素含量数据，基于keras架构使用relu激活函数构建原始卷积神经网络模型。
12、进一步地，在步骤s5中，通过80次迭代和5(n_splits)k折交叉验证完成模型参数的调整。
13、进一步地，基于计算机视觉的南极磷虾粉中虾青素含量测定模型包含3个rgb色彩通道，且包括5个卷积层、5个最大池化层、一个flatten层和2个全连接层；
14、其中，卷积层和最大池化层包括：第1层卷积，使用32个大小为1x1的卷积核，第1池化层，池化窗口大小为2x2；第2卷积层，使用64个大小为3x3的卷积核，第2池化层，池化窗口大小为2x2；第3卷积层，使用32个大小为3x3的卷积核，第3池化层，池化窗口大小为2x2；第4卷积层，使用64个大小为3x3的卷积核，第4池化层，池化窗口大小为2x2；第5卷积层，使用32个大小为3x3的卷积核，第5池化层，池化窗口大小为2x2；
15、其中，flatten层将所有池化层输出的特征图展平成一维向量；
16、其中，全连接层包括：第1全连接层，具有64个神经元；第2全连接层，具有1个神经元。
17、进一步地，在步骤s6中，将未知待测南极磷虾粉样本经过步骤s1～步骤s3处理后得到的图像及图像标签导入步骤s5中已建立的基于计算机视觉的南极磷虾粉中虾青素含量测定模型，输出未知待测南极磷虾粉样本的虾青素含量。使用python内置csv库将运算结果写入到result.csv文件中，输出数据的单位为mg/kg。
18、采用了上述技术方案后，与现有技术相比，具有以下有益效果：
19、(1)本专利技术测定速度快，对单个样本而言，整个检测环节不超过5分钟，并且特别适用于大批样本的测定；相较而言，高效液相色谱法测定时间需10小时以上。本专利技术借助卷积神经网络(convolutional neural network，cnn)进行虾粉图像特征值提取并建立虾青素预测学习模型，从而实现虾粉中虾青素含量的快速检测。
20、(2)本专利技术测定过程中不会损坏样本，为无损检测。本专利技术具有操作简单，绿色环保的特点。
21、(3)本专利技术测试成本较低，有效节约了设备成本和操作人工成本。
22、(4)本专利技术搭建的快速检测模型astaxanthin.h5，决定系数(r2)为0.97、均方误差(mse)为3.78、均方根误差(rmse)为1.94、均绝对误差(mae)为1.49、可释方差分数(evs)位0.97，可准确测定样本中的虾青素含量。
本文档来自技高网...【技术保护点】
1.一种基于计算机视觉的南极磷虾粉中虾青素含量测定方法，其特征在于，包括：
2.根据权利要求1所述的基于计算机视觉的南极磷虾粉中虾青素含量测定方法，其特征在于，在步骤S1中，所述的图像采集设备包括：RGB工业相机配有4.0mm～10mm镜头、6000K光源、小型摄影棚、坐标轴磁性贴、电脑；图像采集条件设置为：相机及光源水平0°放置，镜头距离样本10cm，补光灯水平放置距离样本6cm。
3.根据权利要求1所述的基于计算机视觉的南极磷虾粉中虾青素含量测定方法，其特征在于，在步骤S2中，样本图像的采集方法为：准备143批次南极磷虾粉样品，分别将2g虾粉样本放入内径40mm，高度5mm圆形容器，平铺按压后，置于相机的取景框中间位置；通过RGB工业相机采集样本图像，以3036×4042像素、jpg格式储存。
4.根据权利要求1所述的基于计算机视觉的南极磷虾粉中虾青素含量测定方法，其特征在于，在步骤S3中，采用PIL库中的Image模块来进行图像处理，逐一将图像中心将裁剪为224×224像素大小。
5.根据权利要求1所述的基于计算机视觉的南极磷
6.根据权利要求1所述的基于计算机视觉的南极磷虾粉中虾青素含量测定方法，其特征在于，在步骤S5中，通过80次迭代和5(n_splits)K折交叉验证完成模型参数的调整。
7.根据权利要求6所述的基于计算机视觉的南极磷虾粉中虾青素含量测定方法，其特征在于，基于计算机视觉的南极磷虾粉中虾青素含量测定模型包含3个RGB色彩通道，包括5个卷积层和5个最大池化层以及一个Flatten层；
8.根据权利要求1～7任一项所述的基于计算机视觉的南极磷虾粉中虾青素含量测定方法，其特征在于，在步骤S6中，将未知待测南极磷虾粉样本经过步骤S1～步骤S3处理后得到的图像及图像标签导入步骤S5中已建立的基于计算机视觉的南极磷虾粉中虾青素含量测定模型，输出未知待测南极磷虾粉样本的虾青素含量。
...【技术特征摘要】
1.一种基于计算机视觉的南极磷虾粉中虾青素含量测定方法，其特征在于，包括：
2.根据权利要求1所述的基于计算机视觉的南极磷虾粉中虾青素含量测定方法，其特征在于，在步骤s1中，所述的图像采集设备包括：rgb工业相机配有4.0mm～10mm镜头、6000k光源、小型摄影棚、坐标轴磁性贴、电脑；图像采集条件设置为：相机及光源水平0°放置，镜头距离样本10cm，补光灯水平放置距离样本6cm。
3.根据权利要求1所述的基于计算机视觉的南极磷虾粉中虾青素含量测定方法，其特征在于，在步骤s2中，样本图像的采集方法为：准备143批次南极磷虾粉样品，分别将2g虾粉样本放入内径40mm，高度5mm圆形容器，平铺按压后，置于相机的取景框中间位置；通过rgb工业相机采集样本图像，以3036×4042像素、jpg格式储存。
4.根据权利要求1所述的基于计算机视觉的南极磷虾粉中虾青素含量测定方法，其特征在于，在步骤s3中，采用pil库中的image模块来进行图像处理，逐一将图像中心将裁剪为224×224像素大小。
【专利技术属性】
技术研发人员：郑尧，郭全友，张全通，
申请(专利权)人：中国水产科学研究院东海水产研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。