本发明专利技术公开了一种多春鱼的多工艺加工方法及系统，涉及食品加工与人工智能技术领域，方法包括：采集加工流水线中多春鱼的图像，对所述图像进行分割得到所述图像中鱼刺的多个主分布方向分割图；根据所述主分布方向分割图确定鱼刺边缘像素点的梯度方向；将所述鱼刺边缘像素点的梯度方向输入至多春鱼异物检测模型，得到所述多春鱼中的残留鱼刺异物等级，其中，所述多春鱼异物检测模型根据已剔除鱼刺图像中像素点的梯度幅值和梯度方向的样本训练得到；根据所述残留鱼刺异物等级对待检测多春鱼批次进行随机抽样，以确定是否符合加工标准。本发明专利技术根据主分布方向分割图确定鱼刺边缘像素点的梯度方向，提升了鱼刺边缘的检测效率与精确度。
【技术实现步骤摘要】
本专利技术涉及食品加工与人工智能，具体涉及一种多春鱼的多工艺加工方法及系统。
技术介绍
1、在多春鱼加工过程中，不可避免地存在细小鱼刺，如果加工鱼肉食品中的鱼刺未被剔除干净，既会威胁到消费者的生命安全，也会严重影响企业的声誉和口碑。对于一些高端多春鱼鱼片，对鱼刺检测的效率和准确率要求较高。
2、现有技术中一般通过边缘检测识别鱼肉加工产品x光图像中的鱼刺，但由于鱼肉的厚度不均，会对x光机成像造成影响，特别是对于鱼肉加工过程中已剔除鱼刺进行边缘检测时，厚度不均的鱼肉在边缘检测时易形成与鱼刺边缘混淆的伪边缘，从而造成了将伪边缘与鱼刺边缘混淆，进而不能准确完成对残留鱼刺边缘的检测。
3、本专利技术根据主分布方向分割图确定鱼刺边缘像素点的梯度方向，提升了鱼刺边缘的检测效率与精确度。
技术实现思路
1、鉴于上述问题，提出了本专利技术以便提供一种克服上述全部或至少一部分问题的多春鱼的多工艺加工方法及系统。
2、根据本专利技术的一个方面，提供了一种多春鱼的多工艺加工方法，包括：
3、采集加工流水线中多春鱼的图像，对所述图像进行分割得到所述图像中鱼刺的多个主分布方向分割图；
4、根据所述主分布方向分割图确定鱼刺边缘像素点的梯度方向；
5、将所述鱼刺边缘像素点的梯度方向输入至多春鱼异物检测模型，得到所述多春鱼中的残留鱼刺异物等级，其中，所述多春鱼异物检测模型根据已剔除鱼刺图像中像素点的梯度幅值和梯度方向的样本训练得到；
>6、根据所述残留鱼刺异物等级对待检测多春鱼批次进行随机抽样，以确定是否符合加工标准。7、更进一步地，所述对所述图像进行分割得到所述图像中鱼刺的多个主分布方向分割图进一步包括：
8、对所述图像的边缘检测结果进行霍夫空间变换得到多组投票值，将所述霍夫空间中极角相同的全部投票值累加，得到多组极角相同的累加投票值；
9、将排名位于第一位和第二位的累加投票值对应的两个极角，分别作为所述图像中鱼刺的第一主分布方向和第二主分布方向。
10、更进一步地，所述根据所述主分布方向分割图确定鱼刺边缘像素点的梯度方向的计算公式为：
11、
12、其中，t为鱼刺边缘像素点的梯度方向，θ为鱼刺的主分布方向，tanθ为θ的正切值，arctan为tan的反函数，tanθ≠0。
13、更进一步地，所述梯度幅值包括第一预设阈值和第二预设阈值，第一预设阈值为70，第二预设阈值为150。
14、更进一步地，所述多春鱼异物检测模型为支持向量机模型，通过加权的方式控制每个所述样本数据对训练集的隶属程度，并对各个样本数据进行模糊化处理以降低所述训练集中孤点和噪点的隶属度；
15、在所述支持向量机模型中引入松弛变量，基于代价敏感学习框架引入惩罚因子，以及，生成两个独立且不平行的超平面。
16、更进一步地，所述超平面表示为：
17、
18、其中，y为最优的分类超平面，p为惩罚因子，ξi为松弛变量，si为样本i的隶属度，w为超平面的法向量，l为训练集的维度，dj为第j个超平面的边缘，q为超参，r为类别的数量。
19、更进一步地，所述支持向量机模型的目标优化函数为：
20、
21、其中，ω,b为高维空间中模型的复杂度和常数项，ηi为模型的拟合误差，p为惩罚因子，n为样本的个数。
22、更进一步地，所述目标优化函数的约束条件为：
23、
24、其中，为输入样本xi映射到高维特征空间的变换函数，w为权重，b为偏置项。
25、更进一步地，所述霍夫空间变换的直线方程为：
26、y＝mx+c
27、其中，m为斜率，c为偏置项。
28、根据本专利技术的另一方面，提供了一种多春鱼的多工艺加工系统，包括：
29、采集模块，用于采集加工流水线中多春鱼的图像，对所述图像进行分割得到所述图像中鱼刺的多个主分布方向分割图；
30、分割模块，用于根据所述主分布方向分割图确定鱼刺边缘像素点的梯度方向；
31、预测模块，用于将所述鱼刺边缘像素点的梯度方向输入至多春鱼异物检测模型，得到所述多春鱼中的残留鱼刺异物等级，其中，所述多春鱼异物检测模型根据已剔除鱼刺图像中像素点的梯度幅值和梯度方向的样本训练得到；
32、检测模块，用于根据所述残留鱼刺异物等级对待检测多春鱼批次进行随机抽样，以确定是否符合加工标准。
33、根据本专利技术提供的方案，采集加工流水线中多春鱼的图像，对所述图像进行分割得到所述图像中鱼刺的多个主分布方向分割图；根据所述主分布方向分割图确定鱼刺边缘像素点的梯度方向；将所述鱼刺边缘像素点的梯度方向输入至多春鱼异物检测模型，得到所述多春鱼中的残留鱼刺异物等级，其中，所述多春鱼异物检测模型根据已剔除鱼刺图像中像素点的梯度幅值和梯度方向的样本训练得到；根据所述残留鱼刺异物等级对待检测多春鱼批次进行随机抽样，以确定是否符合加工标准。本专利技术根据主分布方向分割图确定鱼刺边缘像素点的梯度方向，提升了鱼刺边缘的检测效率与精确度。
本文档来自技高网...
【技术保护点】
1.一种多春鱼的多工艺加工方法，其特征在于，包括：
2.根据权利要求1所述的多春鱼的多工艺加工方法，其特征在于，所述对所述图像进行分割得到所述图像中鱼刺的多个主分布方向分割图进一步包括：
3.根据权利要求1所述的多春鱼的多工艺加工方法，其特征在于，所述根据所述主分布方向分割图确定鱼刺边缘像素点的梯度方向的计算公式为：
4.根据权利要求1所述的多春鱼的多工艺加工方法，其特征在于，所述梯度幅值包括第一预设阈值和第二预设阈值，第一预设阈值为70，第二预设阈值为150。
5.根据权利要求1所述的多春鱼的多工艺加工方法，其特征在于，所述多春鱼异物检测模型为支持向量机模型，所述方法还包括：
6.根据权利要求5所述的多春鱼的多工艺加工方法，其特征在于，所述超平面表示为：
7.根据权利要求6所述的多春鱼的多工艺加工方法，其特征在于，所述支持向量机模型的目标优化函数为：
8.根据权利要求7所述的多春鱼的多工艺加工方法，其特征在于，所述目标优化函数的约束条件为：
9.根据权利要求2所述的多春鱼的多工艺加工方法，其特征在于，所述霍夫空间变换的直线方程为：
10.一种多春鱼的多工艺加工系统，该系统基于如权利要求1-9任一项所述的多春鱼的多工艺加工方法，其特征在于，包括：
...
【技术特征摘要】
1.一种多春鱼的多工艺加工方法，其特征在于，包括：
2.根据权利要求1所述的多春鱼的多工艺加工方法，其特征在于，所述对所述图像进行分割得到所述图像中鱼刺的多个主分布方向分割图进一步包括：
3.根据权利要求1所述的多春鱼的多工艺加工方法，其特征在于，所述根据所述主分布方向分割图确定鱼刺边缘像素点的梯度方向的计算公式为：
4.根据权利要求1所述的多春鱼的多工艺加工方法，其特征在于，所述梯度幅值包括第一预设阈值和第二预设阈值，第一预设阈值为70，第二预设阈值为150。
5.根据权利要求1所述的多春鱼的多工艺加工方法，其特征在于，所述多春鱼...
【专利技术属性】
技术研发人员：蔡爱英，
申请(专利权)人：威海博宇食品有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。