【技术实现步骤摘要】
本专利技术属于食品品质检测，具体涉及一种基于高光谱成像技术的鳕鱼鱼糜掺假快速检测方法和装置。
技术介绍
1、鳕鱼作为最初的鱼糜原料之一，它是一种冷水域深海鱼类，生于深海底层，被污染程度低。它作为高经济价值和营养价值的海洋鱼类，全球年产量约622万吨，占海洋总渔获量近8％。然而，过度捕捞、气候变迁和海洋酸化等正威胁着鳕鱼资源的可持续开发，鳕鱼市场正面临严峻挑战。加之鳕鱼的需求量日益增大，鳕鱼的主要产地开始使用限制捕捞、改善渔业开发养殖等方式进行应对。因此，鳕鱼鱼糜掺假现象发生的几率大幅提升，掺杂伪劣、以次充好、错贴标签等问题屡见不鲜。因此，进一步探究高效鉴别鳕鱼鱼糜真伪的方法对其质量安全问题、改善公众健康至关重要。
2、目前肉类鉴别技术采用的方法大多为环介导等温扩增、dna条形码、液相色谱-质谱、酶联免疫吸附测定、crispr-cas系统、光谱学和电子鼻等技术，其中，最广泛使用的基于dna的鱼类物种鉴定技术，如实时pcr、多重pcr、核dna条形码和新型环介导等温扩增。然而，这些基于dna的技术具有破坏性、耗时和专业性，不适合快速、无损的区分不同的鱼类。
3、因此，鳕鱼鱼糜掺假的快速、无损的检测技术必将具有十分重要的现实意义。
技术实现思路
1、本专利技术提供一种基于高光谱成像技术的鳕鱼鱼糜掺假快速检测方法和装置，采用高光谱成像技术，高光谱图像具有图谱合一的优点，结合了传统的化学计量学和深度学习，具有无损坏、无污染、自动化、快速高效进行鳕鱼鱼糜掺假的检测，以解
2、第一方面，本专利技术提出了一种基于高光谱成像技术的鳕鱼鱼糜掺假快速检测方法，该方法包括如下步骤：
3、s1、制备含不同成分掺假浓度比例的待检测鳕鱼鱼糜样本，采集待检测鳕鱼鱼糜样本的高光谱图像信息，并黑白校正处理；
4、s2、提取黑白校正后的高光谱图像的感兴趣区域roi，计算感兴趣区roi域中所有像素的光谱反射率的平均值，作为待检测的一个鳕鱼鱼糜样本的平均光谱数据；
5、s3、将得到的所有光谱数据划分为训练集和预测集，并构建bp-ann分类模型；
6、s4、对光谱数据集进行预处理，构建pls回归模型，确定最佳预处理方式；
7、s5、采用自适应重加权算法cars和区间组合优化算法ico两种变量筛选算法简化模型，提高模型鲁棒性，选择最佳模型；以及
8、s6、确定最佳模型，对掺假浓度模型进行可视化进行快速检测是否掺假。
9、优选的，步骤s3将得到的所有光谱数据划分为训练集和预测集，包括：
10、将全波长作为bp-ann网络模型输入参数，样本类别作为模型输出参数，其中，模型中的输入量为476，输出量为样本掺假浓度梯度11，设定bp-ann模型训练误差为10-6，网络训练次数为1000。
11、进一步优选的，所述构建bp-ann分类模型包括：
12、模型的网络参数为：隐含层激活函数为tansig，输出层激活函数为purelin，训练函数为tansig，第一个隐含层节点数为8，第二个隐含层节点数为88；tansig和purelin函数的计算公式如下：
13、
14、purelin(x)＝x
15、其中，x为神经元的加权输入，tansig函数是将x转化为-1到1之间；purelin(x)为该神经元的输出。
16、优选的，步骤s4对光谱数据集进行预处理包括：
17、对获得的平均光谱进行使用标准正态变量变换、多元散射校正、一阶导数、二阶导数的预处理方法，得到去除噪声后的具有平滑的光谱信息的高光谱数据。
18、优选的，所述构建pls回归模型，确定最佳预处理方式包括：
19、pls将自变量x和因变量y投影到潜变量空间中来建立线性回归模型，pls将x和y分解为几个x分数d，用以下方程构建pls模型：
20、y＝xa+b＝xw*c+b＝dc+b
21、z*＝z(p'z)-1
22、其中，a是pls系数，b是y残差矩阵，d是x的分数矩阵，z是pls权重，p和c分别是x和y的载荷，z*是回归系数矩阵。
23、优选的，步骤s5采用自适应重加权算法cars和区间组合优化算法ico两种变量筛选算法简化模型，具体包括：
24、cars采用自适应加权抽样ars策略，将每次采样的样本数据保存在pls模型中，并根据回归系数的绝对值权重进行筛选，选取权值高的样本作为新的子集，剔除权值低的样本；
25、其中蒙特卡洛交叉验证次数设置为1000，每次采集校准样本比例为0.8，通过5折交互验证的方法计算每个区间模型的均方根误差值rmsecv，迭代次数设置为50；以此建立pls模型，进行多次迭代计算，选取pls模型交互验证均方根误差rmsecv最小子集中的波段作为特征波段；
26、自适应加权抽样的权重计算公式如下：
27、
28、其中，bi是第i个变量的回归系数，m是当前变量集中的变量数，利用该公式将每个变量的回归系数绝对值归一化，使其权重之和为1。
29、进一步优选的，区间组合优化算法ico是基于模型集群分析策略mpa框架下的化学建模算法，具体包括：
30、将变量平均分成若干份，每一份为一个区间；再采用加权自举采样法生成不同变量区间随机组成的子集，每个变量初始权重都为1；将这些区间分别建立pls模型，通过5折交互验证的方法计算每个区间模型的rmsecv值，当rmsecv最小值时为最优模型集；
31、计算每个变量区间在最优模型中出现的频率，即为下次采样的权重，同时计算此次采样最优模型的rmsecv均值；重复多次迭代，直至rmsecv均值高于上一轮；此时rmsecv均值最小的那一组变量区间被视为最终选中的变量区间；计算每个区间采样权重的公式如下：
32、
33、其中，fa是b个区间的最优区间组合中出现的频次，kb是提取的最优区间组合的数目。
34、优选的，步骤s1中制备含不同成分掺假浓度比例的待检测鳕鱼鱼糜样本包括：
35、纯净的鳕鱼鱼糜、油鱼和鳕鱼按照10％-100％比例掺入制成的掺假样本，总共包含11种类别，每个类别20个样本，共220个样本，并且每个类别设有不同的识别号。
36、优选的，所述采集待检测鳕鱼鱼糜样本的高光谱图像信息，并黑白校正处理，包括：
37、高光谱图像信息的采集过程均在暗箱中进行，采集高光谱图像前的参数设置为：曝光时间43ms，平台移动时间4.5cm/s，两盏150w的钨灯与平台的夹角为50度；黑白校正处理采用如下黑白校正公式：
38、
39、其中，以相对反射率％为单位表示校正后的反射率高光谱图i；rb表示原始高光谱图像；i0为暗图像，0％反射率；rw为白色参考图像，100％反射率。
40本文档来自技高网...
【技术保护点】
1.一种基于高光谱成像技术的鳕鱼鱼糜掺假快速检测方法，其特征在于，该方法包括如下步骤：
2.根据权利要求1所述的基于高光谱成像技术的鳕鱼鱼糜掺假快速检测方法，其特征在于，步骤S3将得到的所有光谱数据划分为训练集和预测集，包括：
3.根据权利要求2所述的基于高光谱成像技术的鳕鱼鱼糜掺假快速检测方法，其特征在于，所述构建BP-ANN分类模型包括：
4.根据权利要求1所述的基于高光谱成像技术的鳕鱼鱼糜掺假快速检测方法，其特征在于，步骤S4对光谱数据集进行预处理包括：
5.根据权利要求1所述的基于高光谱成像技术的鳕鱼鱼糜掺假快速检测方法，其特征在于，所述构建PLS回归模型，确定最佳预处理方式包括：
6.根据权利要求1所述的基于高光谱成像技术的鳕鱼鱼糜掺假快速检测方法，其特征在于，步骤S5采用自适应重加权算法CARS和区间组合优化算法ICO两种变量筛选算法简化模型，具体包括：
7.根据权利要求6所述的基于高光谱成像技术的鳕鱼鱼糜掺假快速检测方法，其特征在于，区间组合优化算法ICO是基于模型集群分析策略MPA框架下的化学
8.根据权利要求1所述的基于高光谱成像技术的鳕鱼鱼糜掺假快速检测方法，其特征在于，步骤S1中制备含不同成分掺假浓度比例的待检测鳕鱼鱼糜样本包括：
9.根据权利要求1所述的基于高光谱成像技术的鳕鱼鱼糜掺假快速检测方法，其特征在于，所述采集待检测鳕鱼鱼糜样本的高光谱图像信息，并黑白校正处理，包括：
10.一种基于高光谱成像技术的鳕鱼鱼糜掺假快速检测装置，其特征在于，包括：
...【技术特征摘要】
1.一种基于高光谱成像技术的鳕鱼鱼糜掺假快速检测方法，其特征在于，该方法包括如下步骤：
2.根据权利要求1所述的基于高光谱成像技术的鳕鱼鱼糜掺假快速检测方法，其特征在于，步骤s3将得到的所有光谱数据划分为训练集和预测集，包括：
3.根据权利要求2所述的基于高光谱成像技术的鳕鱼鱼糜掺假快速检测方法，其特征在于，所述构建bp-ann分类模型包括：
4.根据权利要求1所述的基于高光谱成像技术的鳕鱼鱼糜掺假快速检测方法，其特征在于，步骤s4对光谱数据集进行预处理包括：
5.根据权利要求1所述的基于高光谱成像技术的鳕鱼鱼糜掺假快速检测方法，其特征在于，所述构建pls回归模型，确定最佳预处理方式包括：
6.根据权利要求1所述的基于高光谱成像技术的鳕鱼鱼糜掺...
【专利技术属性】
技术研发人员：陈清敏，肖旭鹏，王艺霖，陈全胜，夏钰，
申请(专利权)人：集美大学，
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。