一种食品切面孔隙率检测方法和系统与流程
本发明涉及图像处理,尤其涉及一种食品切面孔隙率检测方法和系统。
背景技术:
1、烘焙及发酵类食品,如面包、馒头、全麦制品、果料发酵面点等,内部孔隙结构是决定产品口感、蓬松度、软糯度、风味留存及成品品质稳定性的核心微观指标。孔隙结构的精准量化检测,对实现烘焙食品工业化标准化生产、品质可控化、缺陷溯源具有重要的工程应用价值。目前行业内针对烘焙食品孔隙结构的检测方式主要分为人工感官评定、物理破坏性检测和传统机器视觉检测三类。其中,人工感官评定依赖检测人员肉眼观察切面疏松程度、触摸口感进行主观打分,存在主观性强、无统一量化标准、重复性差、无法实现精细化数据记录的问题,难以满足现代化工业生产的精准质检需求。物理破坏性检测多采用排水法、体积压缩法测定整体孔隙率,该方法会破坏样品结构,属于有损检测,且仅能获得整体宏观孔隙参数,无法实现孔隙尺寸、分布均匀度等微观特征的解析,检测维度单一、数据信息量极低。
2、随着机器视觉技术的普及,基于图像的无损孔隙检测逐渐成为主流替代方案,但在全麦烘焙食品、含果料、果仁、杂粮的复合发酵食品等复杂品类中,食品切面存在大量杂粮颗粒、果料碎粒、麸皮纹理、纤维纹路等复杂干扰纹理,其灰度特征与气孔暗区高度相似,导致传统阈值分割技术出现严重的混淆误判问题,无法有效区分真实气孔与基质杂质纹理。同时,现有视觉检测技术仅能完成单一孔隙率计算,缺乏对孔隙孔径分布、空间均匀性的多维量化能力,且无标准化修正与智能分级体系,难以实现发酵烘焙食品内部组织结构的精细化和标准化评估。
技术实现思路
1、有鉴于此,本发明提出了一种食品切面孔隙率检测方法和系统。
2、本发明的技术方案是这样实现的:本发明第一方面提供了一种食品切面孔隙率检测方法,包括:
3、获取待测食品的初始切面图像并进行预处理,得到中间切面图像;
4、利用预先训练好的深度卷积神经网络模型对所述中间切面图像进行特征提取和特征分割,得到包含食品基质与孔隙分类的概率分布图;
5、对所述概率分布图进行二值化和阈值筛分处理,得到初始分割掩码图,并基于连通域属性和形态学开运算对所述初始分割掩码图进行修正,得到目标分割掩码图;
6、基于所述目标分割掩码图中的孔隙像素总数量与食品切面对应的有效总像素数量的比值,确定食品切面的总孔隙率,对所述目标分割掩码图中的每个独立孔隙连通域,通过像素面积换算实际物理面积,确定食品切面孔隙的平均等效直径,并将所述中间切面图像均匀划分为多个子网格,基于每个所述子网格的孔隙率确定孔隙分布均匀度;
7、以所述总孔隙率、所述平均等效直径和所述孔隙分布均匀度作为基础指标进行加权处理,得到加权分值,基于所述加权分值确定待测食品的质量等级。
8、在以上技术方案的基础上,优选的,所述获取待测食品的初始切面图像并进行预处理,得到中间切面图像,包括:
9、采用多边形框选算法对所述初始切面图像进行裁剪,得到roi图像;
10、将所述roi图像缩放至预设尺寸完成缩放,得到归一化图像;
11、将所述归一化图像划分为多个局部网格,对每个所述局部网格独立进行直方图均衡化,得到中间切面图像。
12、在以上技术方案的基础上,优选的,所述深度卷积神经网络模型包括编码器、解码器和跳跃连接;所述利用预先训练好的深度卷积神经网络模型对所述中间切面图像进行特征提取和特征分割,得到包含食品基质与孔隙分类的概率分布图,包括:
13、利用所述编码器对所述中间切面图像进行多层卷积、池化操作,逐级提取图像浅层边缘特征、深层语义特征并压缩图像维度,得到编码器特征;
14、利用所述解码器对所述中间切面图像进行反卷积上采样,还原图像尺寸,得到解码器特征;
15、通过跳跃连接将所述编码器特征和所述解码器特征融合,得到双通道的概率分布图;所述概率分布图包括每个像素归类于食品基质和孔隙的概率值。
16、在以上技术方案的基础上,优选的,所述对所述概率分布图进行二值化和阈值筛分处理,得到初始分割掩码图,包括:
17、若目标像素归类于食品基质的概率值大于第一阈值,将所述目标像素归类为食品基质像素;
18、若目标像素归类于食品基质的概率值不大于第一阈值,将所述目标像素归类为孔隙像素;所述目标像素为图像像素中的任一像素。
19、在以上技术方案的基础上,优选的,所述基于连通域属性和形态学开运算对所述初始分割掩码图进行修正,得到目标分割掩码图,包括:
20、对所述初始分割掩码图进行连通域检测,获取每个独立孔隙连通域的属性信息,结合先验知识对所述独立孔隙连通域进行筛选,确定真实孔隙区域;
21、对所述真实孔隙区域进行形态学开运算,弱化像素级噪声,得到目标分割掩码图。
22、在以上技术方案的基础上,优选的,所述以所述总孔隙率、所述平均等效直径和所述孔隙分布均匀度作为基础指标进行加权处理,得到加权分值,包括:
23、利用高斯混合模型对标准合格样品的平均等效直径进行拟合,得到等效直径直方图,基于所述等效直径直方图生成标准概率密度函数,并基于所述待测食品的平均等效直径生成实际概率密度函数;
24、基于所述标准概率密度函数和所述实际概率密度函数的wasserstein距离确定概率分布残差;
25、以所述总孔隙率、所述概率分布残差和所述孔隙分布均匀度作为基础指标进行加权处理,得到加权分值。
26、在以上技术方案的基础上,优选的,在利用高斯混合模型对标准合格样品的平均等效直径进行拟合,得到等效直径直方图之前,所述方法还包括:
27、基于二元交叉熵损失和dice损失对原始模型进行前向传播和反向传播训练,得到梯度收敛的高斯混合模型。
28、更进一步优选的,本发明第二方面提供了一种食品切面孔隙率检测系统,包括:预处理模块,提取分割模块,筛分修正模块,指标确定模块和加权处理模块;其中,
29、所述预处理模块,配置为获取待测食品的初始切面图像并进行预处理,得到中间切面图像;
30、所述提取分割模块,配置为利用预先训练好的深度卷积神经网络模型对所述中间切面图像进行特征提取和特征分割,得到包含食品基质与孔隙分类的概率分布图;
31、所述筛分修正模块,配置为对所述概率分布图进行二值化和阈值筛分处理,得到初始分割掩码图,并基于连通域属性和形态学开运算对所述初始分割掩码图进行修正,得到目标分割掩码图;
32、所述指标确定模块,配置为基于所述目标分割掩码图中的孔隙像素总数量与食品切面对应的有效总像素数量的比值,确定食品切面的总孔隙率,对所述目标分割掩码图中的每个独立孔隙连通域,通过像素面积换算实际物理面积,确定食品切面孔隙的平均等效直径,并将所述中间切面图像均匀划分为多个子网格,基于每个所述子网格的孔隙率确定孔隙分布均匀度;
33、所述加权处理模块,配置为以所述总孔隙率、所述平均等效直径和所述孔隙分布均匀度作为基础指标进行加权处理,得到加权分值,基于所述加权分值确定待测食品的质量等级。
34、更进一步优选的,本发明第三方面提供了一种电子设备,包括处理器和存储器;所述存储器有存储计算机程序,其中,所述计算机程序在被所述处理器执行时实现第一方面所述的食品切面孔隙率检测方法。
35、更进一步优选的,本发明第四方面提供了一种非暂态计算机可读存储介质,其上存储有计算机程序,其中,所述计算机程序被处理器执行时实现第一方面所述的食品切面孔隙率检测方法。
36、本发明的一种食品切面孔隙率检测方法和系统相对于现有技术具有以下有益效果:
37、1、通过对待测食品的初始切面图像进行预处理获得标准化中间切面图像,再利用深度卷积神经网络完成图像深层特征提取与语义分割,输出食品基质与孔隙的概率分布图,经二值化与阈值筛分得到初始分割掩码图,并结合连通域属性过滤与形态学开运算完成噪声剔除、边缘平滑与孔隙修正,获得高精度目标分割掩码图;在此基础上,定量计算食品切面总孔隙率、孔隙平均等效直径以及孔隙分布均匀度三项核心微观物理指标,最后通过多指标加权融合方式生成综合分值并完成食品质量等级自动化判定,显著提升了孔隙检测的精度,规避了指标单一、品质评价片面的缺陷,实现了对食品孔隙结构的多维精细化量化。
38、2、在模型输出概率分布图后,通过二值化与阈值筛分初步筛选有效孔隙区域,再结合连通域属性过滤机制,依据真实孔隙的物理特征剔除无实际意义的微小噪声连通域,结合形态学开运算在不改变孔隙整体尺寸与结构特征的前提下,平滑孔隙边缘,得到高精度、低噪声的目标分割掩码图,抑制了图像噪声与模型预测误差,确保孔隙分割结果贴合食品真实微观组织结构,显著提升了检测结果的稳定性和可靠性。
39、3、通过孔隙像素占比精准计算切面总孔隙率,表征食品整体疏松程度;通过连通域像素面积物理换算得到孔隙平均等效直径,量化孔隙整体规格大小;通过图像子网格分区统计各区域局部孔隙率,计算孔隙分布均匀度,表征孔隙空间排布一致性。多维指标相互补充、相互佐证,全方位还原食品内部孔隙微观结构,解决了评价维度单一、品质表征不全面的缺陷,提升了评价结果的可靠性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com