一种水产品无损检测方法、系统、设备及产品

本发明涉及肉类检测，具体涉及一种水产品无损检测方法、系统、设备及产品。

背景技术：

1、目前我国冷冻行业对冷冻食品的品质没有具体要求，例如，gb31646-2018《食品安全国家标准速冻食品生产和经营卫生规范》中也只有“附录a 速冻熟制食品加工过程微生物监控要求”，对速冻食品生产过程只进行了卫生规范（包括应该符合gb14881-2013里的相关规定），没有给出冷冻食品的质量标准，更没有提出针对冷冻食品的新鲜度进行判断的可靠方法。但是，随着冷链物流（cold chain logistics）的逐步发展，对冷链物流中冷冻食品的安全质量监控也变得至关重要。以毛肚为例，毛肚的冷冻加工包括直接冷冻毛肚，经过冷链运输后冷冻毛肚在冷冻条件下直接销售，也可以将冷冻毛肚速冻后冷链运输到目的地解冻后当生鲜毛肚销售，这个过程叫毛肚的冻转鲜。但是，由于冷冻工艺或存储时间等原因，可能导致解冻的毛肚存在着营养流失严重、口感较差等问题。

2、目前，现有技术中尝试通过高光谱图对肉的新鲜程度进行评估：例如，专利申请cn202411775351.x公开了一种基于深度学习的猪里脊肉新鲜度多模态融合检测方法，其包括步骤：制作猪里脊肉新鲜度分类模型的样品，采集猪里脊肉贮藏过程的hsi数据、紫外荧光图像数据、电子鼻数据和lf-nmr数据，并对数据预处理；对紫外荧光图像数据和hsi数据分别设计特征提取模块；基于变分自编码器设计数据增强模块以增强样品新鲜度各类别边界识别能力；设计改进的蜣螂优化算法以增强模型超参数寻优能力；在bilstm网络结构中引入uv-cnn模块、his-cnn模块、aavae模块和edbo优化算法，构建猪里脊肉新鲜度cnn-aavae-edbo-bilstm分类模型；对猪里脊肉分类模型准确性进行测试和评估。又例如，专利申请cn202011064908.0公开了一种基于高光谱成像技术对三文鱼鲜味强度快速表征的方法；首先准备三文鱼样本，使用高光谱成像采集系统进行高光谱图像采集；采集后使用国标法测定样本的鲜味强度指标；再采用envi4 .5软件提取样本中心感兴趣区域的光谱值，并对光谱值进行预处理；然后使用不同的变量筛选方法提取经过预处理后的光谱值中的特征变量，以提取的特征变量组合成的样本作为新样本；采用样本集划分方法对新样本进行样本划分，得到重新划分后的样本集；以划分的样本集建立三文鱼鲜味强度指标预测模型，进而实现鲜味强度指标的分布可视化。

3、但是，申请人注意到，传统的新鲜度检测难以适应当前新型的冷冻技术评估需求。

技术实现思路

1、本发明的目的在于提供一种水产品无损检测方法、系统、设备及产品，部分地解决或缓解现有技术中的上述不足，能够实现对水产品的新鲜程度的无损检测。为了解决上述所提到的技术问题，本发明具体采用以下技术方案：本发明的第一方面，在于提供了一种水产品无损检测方法，包括：s1、提供水产品无损检测模型库，其中，水产品无损检测模型库包括至少一种水产品无损检测模型；其中，水产品无损检测模型采用以下步骤创建得到：s11、获取多份样品水产品的多张高光谱图样本以生成高光谱图集合，且样品水产品包括：进行冷冻处理的第一样品水产品，未进行冷冻处理的第二样品水产品；高光谱图样本上设置有第一标签，第一标签用于标记挥发性盐基氮信息，和/或硫代巴比妥酸还原值，和/或k值；其中，k值用于表征肌肉中atp的降解程度；s12、对多份样品水产品进行食品加工以获取到多份水产品制品；s13、记录下至少一个水产品品鉴人员对多份水产品制品所给出的至少一项感官评分；s14、生成训练集，训练集包括多个训练样本组，训练样本组包括：第一样品水产品的高光谱图样本;第二样品水产品的高光谱图样本;且对应高光谱图样本均关联有感官评分；s15、将训练集输入至多模态融合模型，以训练得到对应的水产品无损检测模型；s2、获取待测水产品及对应的识别因素；其中，识别因素包括颜色、品种、产地中的至少一种；s3、在水产品无损检测模型库中根据识别因素选取水产品无损检测模型；s4、获取待测水产品的至少一张待测高光谱图；s5，将至少一张待测高光谱图输入至水产品无损检测模型，水产品无损检测模型对应输出预测感官评分。在一些实施例中，s4还包括：拍摄待测高光谱图所适用的光源波长范围为900-1200nm。在一些实施例中，s5还包括：将光源波长范围分为至少两个子波长范围，使用至少两个子波长范围的光源照射待测水产品，得到不同子波长范围下的至少两组高光谱图样本；根据至少两组高光谱图样本训练得到至少两个水产品无损检测模型，得到对应的预测感官评分；根据s12-s13的步骤获取待测水产品的感官评分；计算每组高光谱图样本的至少一项预测感官评分与感官评分的相似度；将相似度最高的高光谱图样本对应的子波长范围标记为最佳波长范围。在一些实施例中，在s4之前，还包括：对待测水产品进行表面吸水处理，直至待测水产品的表面水分含量小于预设水分含量阈值。在一些实施例中，多张高光谱图样本还设置有第二标签，且第二标签用于标记至少一项辅助理化指标，辅助理化指标包括：ph值。在一些实施例中，在步骤s12之前还包括：获取第一辅助数据，第一辅助数据包括：持水力，和/或质构；其中，质构包括剪切力、弹性、咀嚼性中的至少一项。

2、本发明的第二方面，在于提供了一种水产品无损检测系统，包括：模型提供模块，用于提供水产品无损检测模型库，其中，水产品无损检测模型库包括至少一种水产品无损检测模型；其中，水产品无损检测模型采用以下步骤创建得到：s11、获取多份样品水产品的多张高光谱图样本以生成高光谱图集合，且样品水产品包括：进行冷冻处理的第一样品水产品，未进行冷冻处理的第二样品水产品；高光谱图样本上设置有第一标签，第一标签用于标记挥发性盐基氮信息，和/或硫代巴比妥酸还原值，和/或k值；其中，k值用于表征肌肉中atp的降解程度；s12、对多份样品水产品进行食品加工以获取到多份水产品制品；s13、记录下至少一个水产品品鉴人员对多份水产品制品所给出的至少一项感官评分；s14、生成训练集，训练集包括多个训练样本组，训练样本组包括：第一样品水产品的高光谱图样本;第二样品水产品的高光谱图样本;且对应高光谱图样本均关联有感官评分；s15、将训练集输入至多模态融合模型，以训练得到对应的水产品无损检测模型；识别因素获取模块，用于获取待测水产品及对应的识别因素；其中，识别因素包括颜色、品种、产地中的至少一种；模型选取模块，用于在水产品无损检测模型库中根据识别因素选取水产品无损检测模型；高光谱图获取模块，用于获取待测水产品的至少一张待测高光谱图；预测感官评分输出模块，用于将至少一张待测高光谱图输入至水产品无损检测模型，水产品无损检测模型对应输出预测感官评分。在一些实施例中，拍摄待测高光谱图所适用的光源波长范围为900-1200nm。本发明的第三方面，在于提供了一种计算机设备，包括存储器、处理器，其中，存储器用于存储计算机程序，处理器用于读取计算机程序，执行如上述实施例中任意一项的水产品无损检测方法。本发明的第四方面，在于提供了一种计算机程序产品，包括计算机程序或指令，计算机程序或指令在被计算机执行时实现如上述实施例中任意一项的水产品无损检测方法。