一种基于时序图像序列的甲醛的快速检测方法技术

一种基于时序图像序列的甲醛的快速检测方法，利用连续的时序图像序列帧捕捉变色过程，能够克服单帧图像中出现的噪声，提高检测精度；特别是设计了专用的基于颜色特征和神经网络模型的检测方法，能够基于样本自动完成对模型的训练，拜托对比色卡的依赖，实施对甲醛含量的便捷、自动化检测。自动化检测。

【技术实现步骤摘要】
一种基于时序图像序列的甲醛的快速检测方法


[0001]本专利技术属于有害物分析检测应用领域，特别地，涉及一种甲醛的快速采样及便捷检测方法。

技术介绍

[0002]甲醛是一种无色刺激性气体，具有较高的毒性。甲醛是国家明文规定的禁止在食品中使用的，在食品中不得检出, 但由于少量的甲醛能起到抑菌作用，有些不法商人为了牟取经济利益，在某些食品的加工过程中仍然使用甲醛作为添加剂，不少食品中都不同程度检出了甲醛的存在。因此，有必要提出一种快速便捷的针对食品中甲醛的检测方法。
[0003]对食品中甲醛含量测定的方法有很多，包括分光光度法、色谱法、质谱法、电化学法、荧光法和催化动力学法等。部分专业检测方法工作程序复杂，检测费用较高，不利于在食品行业的大规模推广。随着技术的进步，基于分光光度与图像检测的方法以其便捷性、高效性、高度的自动化程度越来越受到关注和应用。
[0004]分光光度法测定原理是甲醛由于缺乏发色团，只有通过甲醛与某种化合物反应，进而产生某种带有颜色的或发荧光的衍生物质，在特定波长下进行测定，通过衍生物质产生的量间接测量甲醛含量。例如乙酰丙酮法在过量铵盐存在下，甲醛与乙酰丙酮通过水浴反应生成黄色化合物，冷却后利用分光光度计在414 nm 的波长下测定其吸光度，定量测定甲醛含量。甲醛和酚试剂反应生成嗪，该物质在酸性的条件下可以还原高价铁离子，生成稳定的化合物，其溶液呈现蓝绿色，检测波长645 nm。AHMT 法指甲醛和AHMT在碱性的条件下缩合并在高锰酸钾或高碘酸的作用下发生氧化反应生成紫红色化合物，在波长550 nm 下测定其吸光度。品红
‑ꢀ
亚硫酸法将浓硫酸缓慢的加入样品中，当加入适当的品红
‑
亚硫酸试剂后，该试剂会与甲醛发生化学反应而生成蓝紫色的物质，然后在波长570 nm 下进行吸光度测定。
[0005]通过肉眼观察对比上述分光光度法测试色度结果，可以判定甲醛浓度。然而在大规模检测中，肉眼判定效率较低，人力需求成本高。为了解决上述问题，现有技术通常采用以光学摄像机为基础的自动化检测方法，对分光光度法甲醛与检测试剂反应后的颜色特征进行自动检测。具体包括利用对单幅图像的RGB颜色与标准比色卡的比对来判定甲醛浓度。然而比色卡的标准色差值是给定的离散数值，其对比空间有限，针对不同试剂需要定制不同的比色卡，降低了适用性和使用便利程度；另一方面，单幅图像采集容易受到环境干扰，造成检测噪声，降低检测精度。与此类似，现有技术中大多数采用静态图像的色彩对比来实现甲醛的检测，检测精度较低、易被干扰。
[0006]现有技术中也有使用神经网络进行色彩识别检测的，但同样针对静态图像的色彩对比。即识别变色后的试剂图像属于那种颜色类别。

技术实现思路

[0007]为解决上述一个或多个问题，本专利技术提出一种基于动态时序图像序列的甲醛与检
测试剂反应过程中色度及色度变化的采集方法，利用连续的时序图像序列帧捕捉变色过程，能够克服单帧图像中出现的噪声，提高检测精度；特别是设计了专用的基于颜色特征和神经网络模型的检测方法，能够基于样本自动完成对模型的训练，摆脱对比色卡的依赖，实施对甲醛含量的便捷、自动化检测。
[0008]基于时序图像序列的甲醛的快速检测方法，检测过程开始时，通过控制时钟设定摄像机采样图像的周期，摄像机在每个周期末自动采集图像，获得n个采样图像构成的时序图像序列；根据时序图像序列的矫正r、g、b值计算其色调值h；其中矫正r、g、b值的计算方法包括：其中*表示卷积符号，分别表示矫正前图像的三个分量，、、分别为三个分量经过高斯非线性滤波后的值，为高斯滤波器的卷积核；为线性拉伸参数、为线性偏移参数；将色调通道按金字塔表达方式形成若干子集：按金字塔表达方式形成若干子集：其中，分别是图像沿x,y两个正交方向上的像素数，表示金字塔的层数，表示某个金字塔子图中的像素坐标，表示某一层金字塔图像中在x,y两个正交方向上的子图序数，称为原图像的金字塔表达，是原图像的一个子集；对每个子集，取其中位数值，记为，组成图像变换域的颜色特征；以图像变换域的颜色特征作为神经网络模型的输入，输出取值在
‑
1到+1，趋近于
‑
1表示甲醛达标，趋近于1表示甲醛超标；其中神经网络包括两个隐藏层和一个输出层，第一隐藏层用于对子图中所含空间信息建模；第二隐藏层用于对子图中所含时序信息建模；在第一隐藏层中，使用对角矩阵对神经网络进行约束。
[0009]准备甲醛达标、超标两种情形下的检测过程所采样的时序图像序列，根据生成的颜色特征作为上述神经网络模型的训练样本输入，相应的，训练时输出的真值分别置为
‑
1、1，对上述神经网络模型实施训练
所述训练采用BP算法。
[0010]神经网络模型设置在现场处理器或服务器中。
[0011]采集端与服务器通过通讯链路进行数据通讯，传递数据。
[0012]在采集端设置前端处理器，用于采集、处理得到图像变换域的颜色特征。
[0013]通讯链路将图像变换域的颜色特征发送至服务器。
[0014]所述前端处理器为CPU、DSP或ARM。
[0015]通讯链路为4G、5G、wifi、光纤。
[0016]一种基于时序图像序列的甲醛的快速检测系统，包括采集端、通讯链路和服务器，用于实施所述的方法。
[0017]本专利技术专利技术点及技术效果：1、利用摄像机周期采样甲醛与检测试剂反应过程中的图像，捕捉反应过程中一定时点的颜色和颜色的变化过程的时序时序图像序列，并据此在后续步骤中确定甲醛的含量，降低了单幅图像噪声对检测精度的影响。
[0018]2、对时序时序图像序列进行专门优化的矫正计算，能够保证检测精度。
[0019]3、将图像转换到色调通道，将原色调通道的图像映射到金字塔表达的变换域中，使颜色特征不断细化，与传统基于颜色直方图的统计方法相比，将颜色与空间信息相关联，结合相邻采样图像之间的时序信息，能够更好的去除样本中所含噪声，提高检测性能。
[0020]4、根据输入的颜色特征的特点，专门设计了神经网络模型，优化了激活函数和网络结构，特别是增加了对角矩阵的网络约束，从而能够实现轻量网络结构提高检测准确度、降低检测时长的效果。
具体实施方式
[0021]步骤1：甲醛与检测试剂反应过程中颜色及颜色变化的采集利用摄像机周期采样甲醛与检测试剂反应过程中的图像，捕捉反应过程中一定时点的颜色和颜色的变化过程，并据此在后续步骤中确定甲醛的含量。
[0022]现有方法中，利用对单幅图像的RGB颜色检测来判定甲醛浓度，单幅图像采集容易受到环境干扰，造成检测噪声，降低检测精度。
[0023]为了解决上述方法，本专利技术提出两方面改进的检测方法。
[0024]一是通过捕捉多幅图像，实现对反应过程中一定时点的颜色和颜色的变化过程的检测，从而降低单幅图像噪声对检测精度的影响。
[0025]二是（步骤2中详述）提出一种基于变换域的颜色特征，相比本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于时序图像序列的甲醛的快速检测方法，其特征在于：检测过程开始时，通过控制时钟设定摄像机采样图像的周期，摄像机在每个周期末自动采集图像，获得n个采样图像构成的图像序列；根据图像序列的矫正r、g、b值计算其色调值h；其中矫正r、g、b值的计算方法包括：其中*表示卷积符号，分别表示矫正前图像的三个分量，、、分别为三个分量经过高斯非线性滤波后的值，为高斯滤波器的卷积核；为线性拉伸参数、为线性偏移参数；将色调通道按金字塔表达方式形成若干子集：按金字塔表达方式形成若干子集：其中，分别是图像沿x,y两个正交方向上的像素数，表示金字塔的层数，表示某个金字塔子图中的像素坐标，表示某一层金字塔图像中在x,y两个正交方向上的子图序数，称为原图像的金字塔表达，是原图像的一个子集；对每个子集，取其中位数值，记为，组成图像变换域的颜色特征；以图像变换域的颜色特征作为神经网络模型的输入，输出取值在
‑
1到+1，趋近于
‑
1表示甲醛达标，趋近于1表示甲醛超标；其中神经网络包括两个隐藏层和一个输出层，第一隐藏层用于对子图中所含空间信息建模；第二隐藏层用于对子图中所含时序信息建模；在第一隐藏层中，使用对角矩阵对神经网络进行约束。2.如权利要求1所述的一种基于时序图像序列的甲醛的快速检测方法，其特征在于：准备甲醛达标、超标两种情形下的检测过程所采样的图像序...

【专利技术属性】
技术研发人员：郭芳，董亮，程远，袁英杰，李洪磊，刘军委，
申请(专利权)人：河南知微生物工程有限公司，
类型：发明
国别省市：