一种牛肉冻鲜值无损检测方法及系统

本发明涉及肉类检测，具体涉及一种牛肉冻鲜值无损检测方法及系统。

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。

2、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。以牛肉为例，牛肉的冷冻加工包括直接冷冻牛肉，经过冷链运输后冷冻牛肉在冷冻条件下直接销售，也可以将冷冻牛肉速冻后冷链运输到目的地解冻后当生鲜牛肉销售，这个过程叫牛肉的冻转鲜。但是，由于冷冻工艺或存储时间等原因，可能导致解冻的牛肉存在着营养流失严重、口感较差等问题。

3、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：

4、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、hsi-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。

5、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。

6、但是，申请人注意到，现有的新鲜度预测方法难以对肉类的新鲜程度或品质进行精细化的评估，因此其难以满足当前的冷链物流的检测应用需求。

技术实现思路

1、本发明的目的在于提供一种无损检测方法，部分地解决或缓解现有技术中的上述不足，能够实现对肉类的新鲜程度的无损检测。

2、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：

3、本发明的第一方面，在于提供了一种牛肉冻鲜值无损检测方法，包括：

4、s101，获取牛肉无损检测模型，其中，所述牛肉无损检测模型采用以下步骤创建得到：

5、s1011，获取多份样品牛肉的多张高光谱图样本以生成高光谱图集合，且所述样品牛肉包括：进行冷冻处理的第一样品牛肉，未进行冷冻处理的第二样品牛肉；所述高光谱图样本上设置有第一标签和第二标签，所述第一标签用于标记挥发性盐基氮信息，所述第二标签用于标记至少一项辅助理化指标；

6、s1012，获取第一辅助数据，所述第一辅助数据包括：第一样品牛肉的滴水损失率；

7、s1013，对所述多份样品牛肉进行食品加工以获取到多份牛肉制品；

8、s1014，记录下至少一个牛肉品鉴人员对所述多份牛肉制品所给出的至少一项感官评分；

9、s1015，生成训练集，所述训练集包括多个训练样本组，所述训练样本组包括：第一样品牛肉的高光谱图样本，且对应所述高光谱图样本关联有第一辅助数据、感官评分；第二样品牛肉的高光谱图样本，且对应所述高光谱图样本关联有感官评分；

10、s1016，将所述训练集输入至多模态融合模型，以训练得到对应的所述牛肉无损检测模型；

11、s102，获取待测牛肉的至少一张待测高光谱图；

12、s103，将至少一张所述待测高光谱图输入至所述牛肉无损检测模型，所述牛肉无损检测模型对应输出冻鲜值，所述冻鲜值为所述待测牛肉在冷冻处理前、后的所述感官评分的比值。

13、在一些实施例中，所述高光谱图样本包括：根据所述样品牛肉所拍摄得到的第一高光谱图，以及对所述第一高光谱图进行至少一项图像处理所获取到的至少一张第二高光谱图。

14、在一些实施例中，所述图像处理包括以下一种或多种方式：裁剪、遮盖。

15、在一些实施例中，s1011包括步骤：

16、识别所述第一高光谱图中至少两个子光谱区域的光谱反射率数据；

17、根据光谱反射率数据分别绘制对应的用于描述反射率随波长变化的至少两个目标曲线；

18、计算至少两个目标曲线之间的相似性指标；

19、当所述相似性指标小于第一设定阈值时，则选择至少一个所述子光谱区域作为目标区域；

20、采用所述图像处理对所述目标区域进行处理，以获取到所述第二高光谱图，所述第二高光谱图中不包含所述目标区域。

21、在一些实施例中，所述第一辅助数据还包括：第一样品牛肉或第二样品牛肉的咀嚼性。在一些实施例中，所述第一辅助数据还包括：第一样品牛肉或第二样品牛肉的蒸煮损失率。在一些实施例中，所述第一辅助数据还包括：第一样品牛肉或第二样品牛肉的剪切力。在一些实施例中，至少一项辅助理化指标为以下一项或多项：ph、色泽、硫代巴比妥酸还原值。

22、本发明还提供了一种牛肉冻鲜值无损检测系统，包括：

23、模型模块，用于获取牛肉无损检测模型，其中，所述牛肉无损检测模型采用以下模型创建模块创建得到，所述模型创建模块包括：

24、图获取单元，用于获取多份样品牛肉的多张高光谱图样本以生成高光谱图集合，且所述样品牛肉包括：进行冷冻处理的第一样品牛肉，未进行冷冻处理的第二样品牛肉；所述高光谱图样本上设置有第一标签和第二标签，所述第一标签用于标记挥发性盐基氮信息，所述第二标签用于标记至少一项辅助理化指标；

25、数据获取单元，用于获取第一辅助数据，所述第一辅助数据包括：第一样品牛肉的滴水损失率；

26、评分记录单元，用于记录下至少一个牛肉品鉴人员对所述多份牛肉制品所给出的至少一项感官评分；其中，对所述多份样品牛肉进行食品加工以获取到多份所述牛肉制品；

27、训练集生成单元，用于生成训练集，所述训练集包括多个训练样本组，所述训练样本组包括：第一样品牛肉的高光谱图样本，且对应所述高光谱图样本关联有第一辅助数据、感官评分；第二样品牛肉的高光谱图样本，且对应所述高光谱图样本关联有感官评分；

28、训练单元，用于将所述训练集输入至多模态融合模型，以训练得到对应的所述牛肉无损检测模型；

29、图获取模块，用于获取待测牛肉的至少一张待测高光谱图；

30、输出模块，用于将至少一张所述待测高光谱图输入至所述牛肉无损检测模型，所述牛肉无损检测模型对应输出冻鲜值，所述冻鲜值为所述待测牛肉在冷冻处理前、后的所述感官评分的比值。

31、在一些实施例中，所述高光谱图样本包括：根据所述样品牛肉所拍摄得到的第一高光谱图，以及对所述第一高光谱图进行至少一项图像处理所获取到的至少一张第二高光谱图。