一种生鲜食品远端高光谱检测方法及系统技术方案

本发明专利技术涉及一种生鲜食品远端高光谱检测方法及系统，该方法具体步骤为：步骤

【技术实现步骤摘要】
一种生鲜食品远端高光谱检测方法及系统


[0001]本专利技术涉及高光谱成像
，尤其是指一种生鲜食品远端高光谱检测方法及系统
。

技术介绍

[0002]目前，生鲜食品检测方法主要依赖感官评价和理化指标抽样化验
。
感官评价缺乏定量的判定依据，而抽样化验法结果准确，但无法实现实时无损检测与质量监控高光谱成像技术是一种新型的无损检测技术，能够实现生鲜食品品质的无损检测
。
[0003]由于高光谱的原始空间光谱信息包含了摄像头区域内所有像素点
、
所有波长光的反射率信息，庞大的数据量给数据存储和处理系统都带来了巨大的负担，因此传统的高光谱检测方法主要采用离线式采样
、
表征，对检测单元的数据运算能力要求较高，而且无法实现大数据分析和检测结果共享，限制了高光谱检测结果的普适性和准确性
。
基于
5G
通讯网络的实时处理方式虽然可以在一定程度上提高数据处理速度，但并不能从根本上解决大数据量阻碍高光谱实时应用的难题
。

技术实现思路

[0004]为此，本专利技术所要解决的技术问题在于克服现有技术中不能从根本上解决数据量庞大影响高光谱实时应用的难题
。
[0005]为解决上述技术问题，本专利技术提供了一种生鲜食品远端高光谱检测方法，该方法包括以下步骤：
[0006]步骤
S1
：提取待测样品的目标区域，采集所述目标区域的高光谱数据；
[0007]步骤r/>S2
：对所述高光谱数据进行数据处理，得到品质参数的特征光谱数据；
[0008]步骤
S3
：对所述品质参数的特征光谱数据进行压缩，得到压缩后的特征光谱数据；
[0009]步骤
S4
：将所述压缩后的特征光谱数据划分成若干个数据包传输到云端，在云端进行解压，得到解压后的特征光谱数据；
[0010]步骤
S5
：根据所述解压后的特征光谱数据，利用云端的特征光谱随生鲜食品的品质参数变化的数学模型，得到生鲜食品的品质参数
。
[0011]在本专利技术的一个实施例中，步骤
S1
中，提取待测样品的目标区域的具体方法为：
[0012]步骤
S11
：获取待测样品的高光谱图像；
[0013]步骤
S12
：对所述高光谱图像进行二值化处理，得到二值化图像；
[0014]步骤
S13
：对所述二值化图像进行形态学处理，得到背景掩膜图像；
[0015]步骤
S14
：利用所述背景掩膜图像对原始高光谱图像进行分割处理，得到去除背景的高光谱图像，即所述目标区域
。
[0016]在本专利技术的一个实施例中，步骤
S2
中，得到品质参数的特征光谱数据的具体方法为：
[0017]步骤
S21
：对所述高光谱数据进行预处理，得到预处理后的高光谱数据；
[0018]步骤
S22
：对所述预处理后的高光谱数据进行特征提取，得到品质参数的特征光谱数据
。
[0019]在本专利技术的一个实施例中，步骤
S2
后，还需要判断生鲜食品是否带有包装：当生鲜食品带有包装时，对所述品质参数的特征光谱数据进行修正
。
[0020]在本专利技术的一个实施例中，对所述品质参数的特征光谱数据进行修正的具体方法为：先根据包装中光线的透反射及散射叠加机制获取包装对高光谱信息的干扰强度，进而对所述品质参数的特征光谱数据进行修正
。
[0021]在本专利技术的一个实施例中，所述云端的特征光谱随生鲜食品的品质参数变化的数学模型是利用高光谱成像的空间光谱信息分离不同品质参数的特征光谱构建的
。
[0022]在本专利技术的一个实施例中，所述生鲜食品的品质参数包括
pH
值
、TVB
‑
N
值和菌落总数
。
[0023]基于同一专利技术构思，本专利技术还提供了一种生鲜食品远端高光谱检测系统，包括：光谱数据获取模块，用于提取待测样品的目标区域，采集所述目标区域的高光谱数据；
[0024]数据处理模块，用于对所述高光谱数据进行数据处理，得到品质参数的特征光谱数据；
[0025]数据压缩模块，用于对所述品质参数的特征光谱数据进行压缩，得到压缩后的特征光谱数据；
[0026]数据分块模块，用于将所述压缩后的特征光谱数据划分成若干个数据包传输到云端，在云端进行解压，得到解压后的特征光谱数据；
[0027]结果获取模块，用于根据所述解压后的特征光谱数据，利用云端的特征光谱随生鲜食品的品质参数变化的数学模型，得到生鲜食品的品质参数
。
[0028]本专利技术还提供一种电子设备，包括存储器
、
处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现所述生鲜食品远端高光谱检测方法
。
[0029]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述生鲜食品远端高光谱检测方法
。
[0030]本专利技术的上述技术方案相比现有技术具有以下优点：
[0031]本专利技术所述的生鲜食品远端高光谱检测方法采用高光谱成像技术获取生鲜食品的原始空间光谱图像信息，通过边缘计算优化数据后对数据进行压缩，依托
5G
网络的高速度
、
低延迟特性将光谱图像信息传输至云端服务器进行后处理，进而对生鲜食品的理化指标进行评估，实现生鲜食品的无损检测，解决了现有技术不能从根本上解决数据量庞大影响高光谱实时应用的问题
。
附图说明
[0032]为了使本专利技术的内容更容易被清楚的理解，下面根据本专利技术的具体实施例并结合附图，对本专利技术作进一步详细的说明，其中
[0033]图1是本专利技术所述生鲜食品远端高光谱检测方法实现流程图；
[0034]图2是生鲜食品品质参数的高光谱信息提取流程图；
[0035]图3是生鲜食品远端高光谱无损检测系统结构图；
[0036]图4是图3所述检测系统的远端高光谱采样终端的数据处理流程图；
[0037]图
5(a)
～
(c)
从左至右依次为使用图3所述检测系统对于生鲜牛肉的
pH
值
、TVB
‑
N
值和菌落总数的检测结果；
[0038]图
6(a)
～
(c)
从左至右依次为使用图3所述检测系统对于生鲜猪肉的
pH
值
、TVB
‑
N
值和菌落总数的检测结果
。
具体实施方式
[0039]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种生鲜食品远端高光谱检测方法，其特征在于，包括以下步骤：步骤
S1
：提取待测样品的目标区域，采集所述目标区域的高光谱数据；步骤
S2
：对所述高光谱数据进行数据处理，得到品质参数的特征光谱数据；步骤
S3
：对所述品质参数的特征光谱数据进行压缩，得到压缩后的特征光谱数据；步骤
S4
：将所述压缩后的特征光谱数据划分成若干个数据包传输到云端，在云端进行解压，得到解压后的特征光谱数据；步骤
S5
：根据所述解压后的特征光谱数据，利用云端的特征光谱随生鲜食品的品质参数变化的数学模型，得到生鲜食品的品质参数
。2.
根据权利要求1所述的生鲜食品远端高光谱检测方法，其特征在于：步骤
S1
中，提取待测样品的目标区域的具体方法为：步骤
S11
：获取待测样品的高光谱图像；步骤
S12
：对所述高光谱图像进行二值化处理，得到二值化图像；步骤
S13
：对所述二值化图像进行形态学处理，得到背景掩膜图像；步骤
S14
：利用所述背景掩膜图像对原始高光谱图像进行分割处理，得到去除背景的高光谱图像，即所述目标区域
。3.
根据权利要求1所述的生鲜食品远端高光谱检测方法，其特征在于：步骤
S2
中，得到品质参数的特征光谱数据的具体方法为：步骤
S21
：对所述高光谱数据进行预处理，得到预处理后的高光谱数据；步骤
S22
：对所述预处理后的高光谱数据进行特征提取，得到品质参数的特征光谱数据
。4.
根据权利要求1所述的生鲜食品远端高光谱检测方法，其特征在于：步骤
S2
后，还需要判断生鲜食品是否带有包装：当生鲜食品带有包装时，对所...

【专利技术属性】
技术研发人员：潘嘹，陶文寅，陈曦，严生，
申请(专利权)人：苏州慕戴智能装备科技有限公司，
类型：发明
国别省市：