肉类新鲜度检测方法、电子设备、食品仓储系统及计算机可读存储介质与流程
本发明大致涉及检测,尤其涉及一种肉类新鲜度检测方法、电子设备、食品仓储系统及计算机可读存储介质。
背景技术:
1、随着科技的发展与人们生活质量的不断提高,人们越来越重视食材的新鲜、卫生以及健康。现阶段国内外检测肉类品质的评判指标手段基本上都是采用感官评定判别和理化指标检测。感官评定判别容易受到外界因素的影响使结果的客观性与公平性得不到保证;传统的理化指标检测因检测繁琐、需要对样本进行破坏、检测时间长、效率低、检测结果不准确等缺点无法满足现代生产或日常生活的快速检测需求。因此,如何提供一种无破坏、高效、精准的肉类新鲜度检测方案,是本发明要解决的技术问题。
2、背景技术部分的内容仅仅是发明人所知晓的技术,并不当然代表本领域的现有技术。
技术实现思路
1、针对现有技术存在问题中的一个或多个,本发明提供一种肉类新鲜度检测方法、电子设备、食品仓储系统及计算机可读存储介质,可以实现无破坏检测,提高检测效率,优化检测流程,降低检测成本,提高检测结果的精准度。
2、本发明的第一方面,提供一种肉类新鲜度检测方法。肉类新鲜度检测方法包括:获取第一图像,所述第一图像为待测肉类样本的原始光谱图像;对所述第一图像进行预处理,得到第二图像;获取光场标定数据;基于所述光场标定数据对所述第二图像进行校正,得到第三图像;对所述第三图像进行光谱反演,得到光谱曲线数据:基于所述光谱曲线数据,提取特征波段;基于所述特征波段,对所述第三图像的多个特征波段图像数据执行差分运算,得到融合特征图像数据;基于所述融合特征图像数据,判断肉类新鲜度。
3、可选地,所述第一图像通过光谱摄像头采集;其中,对所述第一图像进行预处理包括:获取所述光谱摄像头的暗噪声参数;基于所述暗噪声参数对所述第一图像进行处理,得到所述第二图像。
4、可选地,所述暗噪声参数包括每个像素的暗噪声灰度值;其中,基于所述暗噪声参数对所述第一图像进行处理包括: 获取所述第一图像的每个像素的灰度值;从所述第一图像的每个像素的灰度值中扣除对应的暗噪声灰度值,得到所述第二图像。
5、可选地,获取光场标定数据包括:在预设环境下,通过所述光谱摄像头采集预设位置的白板光谱图像;基于白板光谱图像数据得到所述光场标定数据。
6、可选地,基于光场标定数据对所述第二图像进行校正包括:基于所述白板光谱图像的中央区域数据对所述第二图像的边缘区域数据进行校正。
7、可选地,所述白板光谱图像包括多个像素,每个像素包括光谱通道阵列数据;其中,获取光场标定数据还包括:获取所述光谱通道的光场标定数据,包括:获取预设区域的多个像素对应光谱通道的灰度值;计算所述预设区域的多个像素对应光谱通道的灰度值平均值;基于每个光谱通道的灰度值和灰度校准值确定所述光谱通道的光场标定数据。
8、可选地,所述第二图像的每个像素包括光谱通道阵列数据;其中,基于光场标定数据对所述第二图像进行校正还包括:基于所述光谱通道的光场标定数据,对所述第二图像每个像素对应的光谱通道的灰度值进行校正。
9、可选地,对所述第三图像进行光谱反演包括:获取所述第三图像的每个像素的光谱通道阵列数据;基于光谱响应函数,对所述第三图像的每个像素的光谱通道阵列数据进行光谱反演,得到每个像素对应的光谱曲线数据。
10、可选地,对所述第三图像进行光谱反演还包括:获取所述第三图像的每个像素的光谱通道阵列数据;基于光谱响应函数,对所述第三图像的每个像素的光谱通道阵列数据进行光谱图像反演,得到每个像素对应的波段图像。
11、可选地,基于所述光谱曲线数据,提取特征波段包括:对所述光谱曲线数据进行归一化处理,得到归一化光谱曲线;基于所述归一化光谱曲线,提取肉类特征波段。
12、可选地,对所述光谱曲线数据进行归一化处理包括:获取所述光谱曲线数据最大值;基于所述光谱曲线数据最大值对所述光谱曲线数据进行归一化处理,得到所述归一化光谱曲线。
13、可选地,基于所述归一化光谱曲线,提取肉类特征波段包括:基于岭回归算法和/或连续投影算法,得到每种肉类的多个特征波段图像数据。
14、可选地,所述多个特征波段图像数据包括第一特征波段图像数据和第二特征波段图像数据,其中,对所述第三图像的多个特征波段图像数据执行差分运算,得到融合特征图像数据包括:对所述第一特征波段图像数据和所述第二特征波段图像数据执行第一差分运算,得到所述融合特征图像数据。
15、可选地,所述多个特征波段图像数据包括第一特征波段图像数据、第二特征波段图像数据和第三特征波段图像数据,其中,对所述第三图像的多个特征波段图像数据执行差分运算,得到融合特征图像数据包括:对所述第一特征波段图像数据、所述第二特征波段图像数据和所述第三特征波段图像执行第二差分运算,得到所述融合特征图像数据。
16、可选地,所述肉类新鲜度检测方法还包括:对所述融合特征图像数据进行伪彩渲染,得到融合伪彩图像;对所述融合伪彩图进行模型训练,得到新鲜度检测模型;基于所述新鲜度检测模型,判断肉类新鲜度。
17、可选地,基于所述融合特征图像数据,判断每种肉类的肉类新鲜度包括:对所述融合特征图像数据执行二值化处理,将灰度值大于第一阈值的像素划分到第一区域;将灰度值小于第二阈值的像素划分到第二区域;其中,所述第一阈值大于所述第二阈值。
18、可选地,基于所述融合特征图像数据,判断每种肉类的新鲜度包括:将灰度值小于所述第一阈值,且大于或等于所述第二阈值的像素划分到第三区域。
19、可选地,基于所述融合特征图像数据,判断每种肉类的新鲜度包括:统计所述第一区域的像素数量占所述融合特征图像的总像素数量的第一比例;统计所述第二区域的像素数量占所述融合特征图像的总像素数量的第二比例;统计所述第三区域的像素数量占所述融合特征图像的总像素数量的第三比例;基于所述第一比例、所述第二比例、或所述第三比例其中至少一项,判断该种肉类的新鲜度,其中,所述第一比例、所述第二比例、所述第三比例之和为1。
20、可选地,判断该种肉类的新鲜度包括:若所述第一比例在第一区间,所述第二比例在第二区间,该种肉类的新鲜度为一级新鲜;若所述第一比例在第三区间,所述第二比例在第四区间,该种肉类的新鲜度为二级新鲜;若所述第一比例在第五区间,所述第二比例在第六区间,该种肉类的新鲜度为三级新鲜,其中,所述第一区间、第二区间、第三区间、第四区间、第五区间、第六区间不同。
21、可选地,所述肉类新鲜度检测方法还包括:对所述第一区域、所述第二区域、所述第三区域分别进行伪彩渲染,得到不同颜色的伪彩图像。
22、可选地,所述肉类新鲜度检测方法还包括:可视化输出每种肉类的新鲜度检测信息,所述新鲜度检测信息包括以下至少一项:肉类种类、伪彩图像、新鲜度等级、特征波段、第一比例、第二比例、第三比例。
23、可选地,所述肉类新鲜度检测方法还包括:存储所述新鲜度检测信息,传输所述新鲜度检测信息给客户端。
24、本发明的第二方面,提供一种电子设备。电子设备包括:光谱摄像头,所述光谱摄像头包括光谱通道阵列,所述光谱通道阵列包括色彩通道和扩展通道,所述光谱通道阵列覆盖全光谱波段, 所述光谱摄像头被配置为采集第一图像;处理器,耦合于所述光谱摄像头,被配置为执行如上所述的肉类新鲜度检测方法。
25、本发明的第三方面,提供一种食品仓储系统。食品仓储系统包括如上所述的电子设备。
26、本发明的第四方面,提供一种计算机可读存储介质。计算机可读存储介质包括存储于其上的计算机可执行指令,所述可执行指令在被处理器执行时实施如上所述的肉类新鲜度检测方法。
27、本发明针对冰箱密闭抽屉场景下非均匀光照、样本任意位置、任意高度、多品类混放等实际应用痛点,通过暗噪声处理、光场标定、光谱摄像头通道一致性校正与特征融合逻辑,实现单张光谱图像下多肉类样本的无接触、无破坏、实时且结果一致的新鲜度检测。
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