一种基于图像识别的肉食品外观质量评估系统的制作方法

本发明涉及图像处理，具体为一种基于图像识别的肉食品外观质量评估系统。

背景技术：

1、肉食品外观质量评估是肉类加工和品质控制的重要环节，直接关系到产品分级和经济价值。现有技术普遍依赖人工目测或基于普通彩色图像的简单特征分析方法。人工目测受检验员主观经验、视觉疲劳和光照环境影响，一致性和重复性难以保证。基于普通图像的评估方法多采用整体颜色矩、灰度共生矩阵等全局特征，无法有效分离不同光谱波段下的细微外观差异，对脂肪与肌肉组织的纹理分布特征缺乏有针对性的表征手段。在实际生产环境中，由于照明光源色温波动和图像采集设备响应差异，获取的肉食品图像普遍存在色偏，现有方法通常采用全局白平衡或直方图均衡化进行校正，忽略了不同光谱波段上的非均匀颜色偏移，导致校正后的图像在局部区域出现色彩失真或纹理混叠，使得基于纹理网络的质量判据可靠性大幅降低。同时，现有纹理分析手段大多将脂肪纹理与肌肉纤维视为独立特征分别评估，再通过人为设定的权重组合得出综合评分，未能反映脂肪纹理网络与肌肉纤维走向网络之间空间排布的内在约束关系，导致质量评分与真实感官体验的吻合度不足。因此，如何精确校正肉食品图像中的局部色偏，并量化脂肪与肌肉两种组织网络的空间拓扑关系，是肉食品外观质量自动评估中亟待突破的技术问题。

技术实现思路

1、提供一种能够针对性分离多光谱图层特征并有效补偿局部色偏的肉食品外观质量评估方案，同时建立脂肪纹理网络与肌肉纤维走向网络之间的拓扑量度，以拓扑相似度直接表征外观质量，克服人工评估主观性强和现有图像方法对色偏敏感、纹理表征不全面的缺陷。

2、本发明的目的可以通过以下技术方案实现：

3、本发明提供一种基于图像识别的肉食品外观质量评估系统，所述系统包括光谱分离模块、差异筛选模块、色偏校正模块、加权融合模块和质量评分模块。所述光谱分离模块获取待评估肉食品样本的初始外观图像，对所述初始外观图像执行多光谱特征分离，生成多个单特征光谱图层，从而将综合外观信息分解为不同光谱特征下的独立图层，便于针对性分析。所述差异筛选模块从所述多个单特征光谱图层中筛选出与预设基准肉食品模板图层的特征差异值超过第一波动阈值的目标特征光谱图层，并将所述目标特征光谱图层映射至三维颜色空间中，生成目标颜色空间点云。通过阈值筛选，能够自动识别出色泽或纹理偏离正常范围的局部区域，为后续校正提供准确目标。所述色偏校正模块将所述目标颜色空间点云分割为多个颜色分区点云块，计算每个颜色分区点云块的中心点与所述预设基准肉食品模板图层在三维颜色空间中的对应基准点云块的中心点之间的色偏矢量；利用分区计算色偏矢量，可精细刻画不同颜色区域的偏差方向与程度。所述加权融合模块以所述色偏矢量作为扰动项，对所述目标特征光谱图层进行反向仿射变换，生成校正后特征图层，再将所述校正后特征图层与未被筛选出的剩余单特征光谱图层进行加权融合，得到标准评估图像。通过对异常特征图层进行反向校正和重点加权融合，既有效削弱了色偏对评估的干扰，又保留了正常区域的原始光谱细节。所述质量评分模块提取所述标准评估图像中的脂肪纹理网络和肌肉纤维走向网络，计算所述脂肪纹理网络与所述肌肉纤维走向网络之间的拓扑相似度，并将所述拓扑相似度作为肉食品外观质量评分，使评分结果客观反映脂肪与肌肉纤维分布交织的匀称性和规律性。

4、作为本发明的一个优选技术方案，所述光谱分离模块对所述初始外观图像执行多光谱特征分离时，采用预设的多个窄带滤波卷积核分别对所述初始外观图像进行卷积操作，获得多个滤波响应图；对每个滤波响应图执行非极大值抑制操作，提取出每个滤波响应图中的峰值响应位置；以每个峰值响应位置为中心，在对应的滤波响应图中截取固定尺寸的局部响应区域，将所述局部响应区域作为所述单特征光谱图层。通过非极大值抑制和局部区域截取，能够精准提取各光谱特征响应最强的局部纹理单元，减少背景噪声干扰。

5、作为本发明的一个优选技术方案，所述差异筛选模块在筛选目标特征光谱图层时，计算每个单特征光谱图层的全局灰度直方图，同时计算所述预设基准肉食品模板图层中对应光谱位置的基准光谱图层的基准灰度直方图；采用动态时间弯曲距离算法计算所述全局灰度直方图与所述基准灰度直方图之间的直方图距离，将所述直方图距离作为所述特征差异值；将所述特征差异值与所述第一波动阈值进行比较，当所述特征差异值大于所述第一波动阈值时，将对应的单特征光谱图层标记为所述目标特征光谱图层。动态时间弯曲距离能够容忍灰度分布形态上的微小错位，更准确地度量直方图间的真实分布差异，提高异常图层筛选的鲁棒性。

6、作为本发明的一个优选技术方案，将所述目标特征光谱图层映射至三维颜色空间时，读取所述目标特征光谱图层中每个像素点的像素坐标和像素灰度值，将所述像素坐标的横坐标作为三维颜色空间的第一维度坐标，将所述像素坐标的纵坐标作为三维颜色空间的第二维度坐标，将所述像素灰度值作为三维颜色空间的第三维度坐标；对所述目标特征光谱图层中的所有像素点执行坐标映射，生成多个三维空间坐标点，所有三维空间坐标点的集合即为所述目标颜色空间点云。如此将二维图像携带的光谱灰度与空间位置统一到三维空间，便于进行基于空间距离的颜色分区。

7、作为本发明的一个优选技术方案，将所述目标颜色空间点云分割为多个颜色分区点云块时，计算所述目标颜色空间点云中所有三维空间坐标点的质心坐标，以所述质心坐标为种子点，采用区域生长算法在所述目标颜色空间点云中遍历相邻的三维空间坐标点；在遍历过程中，当当前三维空间坐标点与种子点的欧氏距离小于预设距离阈值时，将当前三维空间坐标点归入当前颜色分区点云块，并将当前三维空间坐标点作为新的种子点继续生长；当遍历完成时，将已归入当前颜色分区点云块的所有三维空间坐标点从所述目标颜色空间点云中移除，并重复执行质心计算和区域生长操作，直至所述目标颜色空间点云为空，获得所述多个颜色分区点云块。该分割策略能够自适应地将颜色和空间位置均相近的像素点归为同一分区，避免人工设定类别数量带来的误差。

8、作为本发明的一个优选技术方案，以所述色偏矢量作为扰动项对所述目标特征光谱图层进行反向仿射变换时，构建所述目标特征光谱图层的原始像素坐标矩阵，将所述色偏矢量转换为反向色偏平移矩阵；将所述原始像素坐标矩阵与所述反向色偏平移矩阵进行矩阵减法运算，获得偏移后像素坐标矩阵；将所述偏移后像素坐标矩阵中的每个偏移后坐标映射回所述目标特征光谱图层的原始像素位置，通过双线性插值算法计算每个偏移后坐标对应的像素灰度值，生成所述校正后特征图层。反向仿射变换能够抵消色偏带来的像素值位置偏移，双线性插值保证了校正后图层的灰度连续性和平滑度。

9、作为本发明的一个优选技术方案，将所述校正后特征图层与未被筛选出的剩余单特征光谱图层进行加权融合时，为所述校正后特征图层分配第一融合权重值，为未被筛选出的每个剩余单特征光谱图层分配第二融合权重值，其中所述第一融合权重值大于任一所述第二融合权重值；在所述校正后特征图层的每个像素位置处，将所述校正后特征图层的像素灰度值乘以所述第一融合权重值，得到加权校正灰度值，同时在相同像素位置处，将每个剩余单特征光谱图层的像素灰度值乘以对应的第二融合权重值并求和，得到加权剩余灰度总值；将所述加权校正灰度值与所述加权剩余灰度总值相加，得到融合灰度值，所有像素位置处的融合灰度值组合为所述标准评估图像。为校正图层赋予更高权重，使得融合后的标准评估图像突出显示修复后的异常区域，并削弱未修正偏差的影响，得到更反映肉质真实外观的评估基础。

10、作为本发明的一个优选技术方案，提取所述标准评估图像中的脂肪纹理网络和肌肉纤维走向网络时，采用多方向gabor滤波器组对所述标准评估图像进行滤波处理，获得多个方向滤波响应；从所述多个方向滤波响应中提取能量最大的方向作为主纹理方向，同时提取与主纹理方向垂直的方向作为次纹理方向；将所述标准评估图像中沿主纹理方向连续延伸且灰度值高于第一灰度阈值的连通区域标记为所述脂肪纹理网络，将所述标准评估图像中沿次纹理方向连续延伸且灰度值低于第二灰度阈值的连通区域标记为所述肌肉纤维走向网络。利用gabor滤波的多方向选择性和灰度阈值约束，能够有效分离出脂肪和肌肉两种纹理组分。优选的，所述第一灰度阈值和所述第二灰度阈值采用自适应大津法根据所述标准评估图像的灰度分布动态计算得到，使分割阈值与图像全局亮度特性自匹配，提高纹理提取的自动化程度和准确性。

11、作为本发明的一个优选技术方案，计算所述脂肪纹理网络与所述肌肉纤维走向网络之间的拓扑相似度时，将所述脂肪纹理网络中的所有连通区域进行骨架化提取，获得脂肪纹理骨架图，同时将所述肌肉纤维走向网络中的所有连通区域进行骨架化提取，获得肌肉纤维骨架图；计算所述脂肪纹理骨架图的每个骨架分支的走向角度，得到第一角度分布直方图，同时计算所述肌肉纤维骨架图的每个骨架分支的走向角度，得到第二角度分布直方图；采用巴氏距离算法计算所述第一角度分布直方图与所述第二角度分布直方图之间的分布距离，将所述分布距离的倒数作为所述拓扑相似度。骨架化提取与角度分布直方图能够捕捉纹理网络的整体走向规律，巴氏距离倒数作为相似度度量，使得拓扑相似度越高则纹理交织越匀称，肉食品外观质量越好。

12、作为本发明的一个优选技术方案，在将所述拓扑相似度作为肉食品外观质量评分之后，所述系统还执行以下操作：获取多个历史肉食品样本的历史拓扑相似度以及每个历史肉食品样本对应的实际质量等级标签，将所述多个历史肉食品样本的历史拓扑相似度与所述实际质量等级标签组成训练数据集；采用所述训练数据集对支持向量回归模型进行训练，获得质量等级映射模型；将所述拓扑相似度输入至所述质量等级映射模型中，输出对应的预测质量等级，将所述预测质量等级作为最终的外观质量评估结果。通过映射模型将相似度评分转换为具有实际业务含义的质量等级，使评估结果更直观、更适合分级管理，且支持向量回归模型在小样本条件下具有良好的泛化能力，保证等级预测的稳定性。

13、本发明的有益效果：

14、通过光谱分离模块采用多个窄带滤波卷积核对初始外观图像进行卷积，获得不同光谱响应的单特征光谱图层，使得肉食品表面在不同波长下的反射特性被独立分解。差异筛选模块计算各单特征光谱图层与基准模板图层在灰度直方图上的动态时间弯曲距离，筛选出特征差异超过第一波动阈值的目标特征光谱图层。该筛选机制仅对发生显著偏移的光谱图层进行后续校正，避免对全图层的无差别处理引入新的计算误差。将筛选出的目标特征光谱图层映射至三维颜色空间生成点云，并在该空间内以区域生长方式分割为多个颜色分区点云块，计算每个点云块中心点与基准点云块中心点之间的色偏矢量。该矢量精确描述了不同颜色分区在空间中的非均匀偏移方向和幅度。将色偏矢量作为扰动项转换为反向色偏平移矩阵，对目标特征光谱图层的原始像素坐标矩阵执行反向仿射变换，通过坐标偏移补偿实现逐分区的色偏校正，生成校正后特征图层。该校正方式从颜色空间几何关系出发，对各个局部颜色分区进行独立平移，能够消除因光源色温不均造成的复杂空间异构色偏，避免全局白平衡方法在处理局部色差时产生的纹理错位和灰度阶损失。校正后特征图层与未被筛选的剩余单特征光谱图层按差异化权重进行逐像素融合，对校正图层赋予更高的第一融合权重值，对剩余图层分配较低的第二融合权重值，从而在保留原生光谱特征信息的同时强化校正区域的颜色还原度，生成无偏色的标准评估图像。

15、在标准评估图像之上，采用多方向gabor滤波器组提取纹理方向，确定主纹理方向与次纹理方向，沿主纹理方向标记高灰度连通区域为脂肪纹理网络，沿次纹理方向标记低灰度连通区域为肌肉纤维走向网络。通过自适应大津法动态设定第一灰度阈值和第二灰度阈值，使脂肪与肌肉区域的界定随图像整体灰度分布自适应变化，避免固定阈值在不同批次样本间的失效。对脂肪纹理网络和肌肉纤维走向网络分别进行骨架化提取，获得对应的骨架图，计算每个骨架分支的走向角度，构建第一角度分布直方图和第二角度分布直方图。采用巴氏距离量化两个角度分布直方图之间的分布距离，并将分布距离的倒数作为拓扑相似度。当脂肪纹理骨架与肌肉纤维骨架在方向上呈现规律性交叉或平行关系时，角度分布高度重叠，巴氏距离趋近于零，拓扑相似度越高，表明肉食品大理石花纹结构越均匀有序，对应更高的外观质量等级。该拓扑量度从网络骨架几何走向的分布相似性出发，直接反映脂肪与肌肉组织的空间配列特征，提供了独立于绝对颜色和单类纹理密度的质量判据，对光照和轻微形变具有天然的鲁棒性，输出评分与感官评价结果的高度一致性得到有力保障。