為了探究激光散斑技術檢測冷鮮豬肉新鮮度的可行性,用660和465 nm 2種波長的激光對宰后24 h的豬肉樣本在7 d內(nèi)的激光散斑圖像進行采集。以時間序列散斑（time history of speckle pattern,THSP）圖像的慣性矩（inertia moment,IM）作為散斑活性,研究冷鮮豬肉散斑活性隨貨架期的變化規(guī)律。通過分析2種波長不同行的選取對IM值的影響,發(fā)現(xiàn)不同波長其奇偶行IM的規(guī)律不同,并針對傳統(tǒng)IM算法容易出現(xiàn)異常值、穩(wěn)定性差等缺點提出3點改進:設計排序算法動態(tài)選擇散斑活性最高峰及周圍2個相鄰行,依此計算樣本IM值;改進共生矩陣的修正矩陣計算方法;改進非零元素偏離對角線距離的計算方法。結果顯示,改進方法可以有效地抑制異常值干擾,冷鮮豬肉散斑活性隨貨架期呈現(xiàn)先上升后下降的變化趨勢。根據(jù)測得的揮發(fā)性鹽基氮值（total volatile basic nitrogen,TVB-N）和散斑活性IM值建立豬肉新鮮度等級預測模型,結果顯示465 nm波長的激光判別效果要好于660 nm激光,其訓練集和預測集的識別率能達到87.5%和89.29%。試驗結果表明利用激光散... 

【文章來源】：農(nóng)業(yè)工程學報. 2017,33(07)北大核心EICSCD

【文章頁數(shù)】：7 頁

【部分圖文】：

冷鮮豬肉的光譜反射率曲線

?鎮(zhèn)江某超市，試驗前將樣品分割成長寬厚約6cm×6cm×8mm的肉塊共84塊，置于帶蓋透明的培養(yǎng)皿中，編號后置于4℃恒溫箱中貯藏待測。在7d內(nèi)完成對豬肉樣本激光散斑圖像的采集和TVB-N的測定。1.3散斑圖像采集為得到無耀斑的散斑圖像，選取的激光功率為6mW（0.11A），激光入射角為30°。為保證每次試驗的一致性，通過標記固定每次采集圖像的位置。為避免樣本的時間序列散斑圖像（timehistoryofspecklepattern，THSP）出現(xiàn)較多重復列，以ΔT=0.06s為時間間隔采集640幅分辨率為640×480pixels的激光散斑圖像，其原始圖像如圖3所示。1.4激光散斑圖像處理方法1.4.1傳統(tǒng)激光散斑處理方法1）構建時間序列散斑（THSP）圖[27]：將每個樣本采集的激光散斑圖像先轉化成灰度圖，然后提取每幅灰度圖中固定的某行，按照時間順序從左至右構成一幅新的散斑圖，即為THSP圖。圖3原始激光散斑圖像Fig.3Originallaserspeckleimage2）構建共生矩陣（co-occurrencematrix，COM）圖：對每幅時間序列散斑圖，若i，j為散斑圖中相鄰2個像素的灰度值，Nij為圖中i，j出現(xiàn)的次數(shù)，如果將Nij的值作為灰度值賦給所構建的共生矩陣圖中第i行第j列元素，即可構建時間序列散斑圖的共生矩陣圖。計算公式為[28]COM=[Nij]（1）3）計算散斑活性：慣性矩(IM)可直觀地表示COM圖中非零元素偏離對角線的程度，如圖4所示，樣本活性越大，則其COM圖中非零元素偏離對角線的距離就越遠，通過計算IM值可定量計算樣本生物散斑活性。具體計算公式為[29]ijijijiNMN=∑（2）2IM()ijij=∑Mij（3）其中公式（2）是對共生矩陣COM進行歸一化處理，即求共生矩陣的修正矩陣（modifiedco-occurrencematrix,MCOM）。式中iji∑N代?

農(nóng)業(yè)工程學報（http://www.tcsae.org）2017年2701.4.2激光散斑處理的方法改進1）不同行的選擇由1.4.1節(jié)可知，傳統(tǒng)方法構建THSP通常是選擇激光散斑圖中的某一固定行，按照時間順序構建其時間序列散斑圖。因此所選行是否具有代表性，將嚴重影響檢測結果的穩(wěn)定性。通過對樣本散斑圖像從上到下，分別選擇不同行構建THSP圖，再求其慣性矩IM，得到不同波長激光不同行的IM值如圖5所示。圖52種波長下不同行的IM值分布Fig.5DistributionofIMvaluesfordifferentrowsattwowavelengths由圖可知：IM值在激光散斑點中心位置向四周呈近似的高斯分布，證明激光束是一種高斯光；465nm激光的散斑圖像奇數(shù)行的IM值始終大于偶數(shù)行，而660nm紅光激光則恰好相反。這是由于CCD相機像元的濾光片的排列方式為拜耳分布所致，該結果將為THSP圖像的構建提供參考。在試驗過程中，每次拍攝位置可能不完全一致、反復搬動會導致樣本形態(tài)發(fā)生細微變化、以及豬肉表面不規(guī)則等原因，激光光強最高峰位置不一定出現(xiàn)某個特定位置，如果采用傳統(tǒng)的固定行或列求取樣本的IM值，其活性并不一定真實。針對上述情況，設計了一種動態(tài)尋找激光光強最高峰位置的方法。經(jīng)統(tǒng)計，重復擺放誤差導致的激光光強最高峰位置位于第231～291行范圍內(nèi)；提取樣本散斑圖像在該范圍內(nèi)的31個奇數(shù)或偶數(shù)行；從散斑圖像左側開始掃描各行IM值，當某行IM值為最大且與相鄰行的差值小于閾值0.5時（消除奇異值影響），記錄該行值及位置坐標，直到掃描結束，最后取最高峰及周圍2個相鄰行的IM均值作為樣本IM。2）慣性矩算法的改進激光散斑是激光在物體表面隨機干涉形成的動態(tài)散斑，由于噪聲的存在，個別像素灰度值可能會出現(xiàn)異常，這種異常點反映在共生矩陣中就會出現(xiàn)如圖6虛線圓中的孤立點。?

【參考文獻】：
期刊論文
[1]基于激光散斑的梨缺陷與果梗/花萼的識別[J]. 劉海彬,高迎旺,盧勁竹,饒秀勤.  農(nóng)業(yè)工程學報. 2015(04)
[2]生物散斑技術在農(nóng)產(chǎn)品品質(zhì)分析中的應用[J]. 胡孟晗,董慶利,劉寶林,屠康,宋曉燕.  農(nóng)業(yè)工程學報. 2013(24)
[3]生物散斑測量技術綜述[J]. 段怡婷,李光宇,高瞻.  激光與光電子學進展. 2013(02)
[4]近紅外光譜法快速檢測豬肉中揮發(fā)性鹽基氮的含量[J]. 蔡健榮,萬新民,陳全勝.  光學學報. 2009(10)
[5]肉品氣味信息采集系統(tǒng)的設計[J]. 孫永海,孫瑜,孫鐘雷.  吉林大學學報(信息科學版). 2008(02)
[6]基于遺傳組合網(wǎng)絡的肉用人工嗅覺系統(tǒng)[J]. 孫永海,孫鐘雷,李宇.  吉林大學學報(工學版). 2007(05)
[7]我國肉制品工業(yè)現(xiàn)狀及發(fā)展趨勢[J]. 李香春,李洪軍.  肉類工業(yè). 2004(03)



本文編號：3619501