技术摘要：
本发明属于食品检测领域，涉及利用机器视觉检测盐渍海参合格品掺假情况的方法。本发明提供视、触协同作用下的超标盐渍海参识别方法，在压触力作用下，触发盐渍海参形变，利用计算机视觉跟踪压触力撤销后海参回复过程的轮廓变化，通过图像处理和机器学习，实现超标盐渍  全部
背景技术：
海参富含胶原蛋白、氨基酸、维生素、微量元素及多种生物活性物质，具有较高的 药用价值。鲜活海参易发生自溶，为使其易于保存和运输，需要尽快进行加工处理。盐渍海 参是以鲜活海参为原料，经去内脏、清洗、预煮和盐渍等工艺制成的产品，风味独特、营养流 失少、贮存方便。随含盐量的增加，海参的质构品质也随之下降。另外，较高含盐量也会降低 海参药用价值和营养价值、损害消费者的健康。不法商贩为降低成本，利用饱和盐水反复浸 泡海参增重，将含盐量超出标准的不合格产品掺加到合格品当中牟取暴利。 传统的超标盐渍海参鉴别方法主要有实验室检测和人工检测。这些监测方法虽然 可靠，但耗时、破坏性大，对检测人员专业要求较高。因此，在识别过程中，需要一种快速、非 破坏性的检测方法。计算机视觉技术因其具有无损、非接触等特点，越来越多地被应用于食 品快速、无损检测研究。基于计算机视觉技术构建图像采集系统，将采集的图像信息转化为 数字信号后，结合计算机图像处理，可实现样品轮廓、颜色、纹理等特征的自动提取与定量 分析。本发明在压触力的触发作用下，结合机器学习方法，研究压触力撤销后，盐渍海参变 形回复阶段的轮廓变化与含盐量的关联性，实现超标盐渍海参自动、无损、快速识别。
技术实现要素：
为解决现有技术中存在的上述问题，本发明提供视、触协同作用下的超标盐渍海 参识别方法，在压触力作用下，触发盐渍海参形变，利用计算机视觉跟踪压触力撤销后海参 回复过程的轮廓变化，通过图像处理和机器学习，实现超标盐渍海参自动、快速、无损识别。 具体地，本发明提供一种利用机器视觉检测盐渍海参合格品掺假情况的方法，其 包括如下步骤： (A)样品采集：采集具有代表性的海参样本，制备合格盐渍海参和含盐量超标的盐 渍海参样品； (B)构建图像采集装置，获取原始视频：将待测的海参样本3置于有机玻璃透明载 物台4上，利用质构仪1对待测的海参样本3实施触压力，通过单反相机5采集撤力后海参样 本轮廓变化过程的图像； (C)提取关键帧图像数据：选取原始视频中用以表征海参样本3受压触过程的轮廓 动态变化特征的帧数图像序列，即探头迅速恢复至原点阶段的第1-50帧图像序列作为关键 帧图像数据； (D)获取特征图像：对处理后的关键帧图像进行ROI提取、ROI轮廓提取、关键帧图 像降维与融合图像处理，获取特征图像； 5 CN 111597973 A 说　明　书 2/6 页 (E)特征提取与分析：基于直方图(HIS)方法进行纹理特征提取，并对得到的纹理 特征进行分析； (F)模型的建立：通过广义神经网络(GRNN)和支持向量机(SVM)两种机器学习方法 建立含盐量超标盐渍海参识别模型。 以上所述的方法，其中，步骤(A)中具有代表性的海参样本3为重量范围为100- 120g的海参样本。 以上所述的方法，其中，步骤(B)中构建的图像采集装置包括质构仪1、矩形压板2、 有机玻璃透明载物台4、单反相机5和计算机6。质构仪1设置有矩形压板2，作为质构仪1的探 头，矩形压板2的尺寸为90×160mm；矩形压板2与质构仪1间采用螺纹连接；计算机6与质构 仪1连接，用来控制质构仪1的参数及运动；海参样本3放在有机玻璃透明载物台4上用作实 验；单反相机5放置在有机玻璃透明载物台4的下方以获取海参轮廓变化图像。将盐渍的海 参样本3置于有机玻璃透明载物台4上，利用质构仪1对被测海参样本3实施触压力，通过单 反相机5采集撤力后海参样本3轮廓变化过程的图像。 以上所述的方法，其中，步骤(D)中ROI提取过程采用中值滤波消除图像中孤立的 噪声点，并强化轮廓动态变化特征在图像中的表征，将所有关键帧图像的ROI轮廓信息融合 为一幅图像，对关键帧图像序列降维，对图像ROI进行模板化处理后提取ROI轮廓，通过逻辑 运算实现轮廓图像序列在一幅图像中的融合，最终获得特征图像。具体地，步骤(D)包括以 下步骤： a)获取一帧关键帧图像； b)将步骤a)中获得的一帧关键帧图像经过灰度化处理后得到灰度图像； c)将步骤b)中获得的灰度图像经过平滑处理之后得到平滑处理图像； d)将步骤c)中获得的平滑处理图像经ROI提取，ROI提取过程采用中值滤波消除图 像中孤立的噪声点，所用模板为3×3结构的矩形模板，选用最大类间方差法，实现背景与海 参的分割、获得去除背景的海参二值图像； e)将步骤d)中的海参二值图像通过形态学处理，获得平滑海参二值图像轮廓； f)将步骤e)中获得的平滑海参二值图像轮廓利用小区域去除来消除较大噪声，去 除像素区域>3600pixel，连通区域判断原则为8邻域，获得第一帧关键帧图像的ROI； g)对一帧关键帧图像的ROI进行模板化处理后保证海参长轴垂直于水平位置，并 且所有关键帧图像的质心重合； h)在步骤g)中获得的模板化处理后一帧关键帧图像的ROI基础上提取该帧关键帧 图像ROI的轮廓，获得轮廓图像； i)为减少冗余信息干扰，强化轮廓动态变化特征在图像中的表征，将50帧关键帧 图像通过步骤a)至步骤h)获得的轮廓图像融合为一幅图像；通过逻辑运算实现50帧关键帧 图像对应的轮廓图像融合，最终获得特征图像；其中，轮廓图像降维与融合运算过程如下： 式中，Ai(x,y)为降维图像对应的像素值；Bi(x,y)为二值目标图像对应像素值；N＝ 6 CN 111597973 A 说　明　书 3/6 页 50，表示关键帧图像序列数；O(x,y)为降维后特征图像。 以上所述的方法，其中，步骤(E)中基于直方图的纹理特征包括均值、标准方差、平 滑度、三阶矩、一致性和熵。 以上所述的方法，步骤(F)中，基于直方图的纹理特征所建模型输入层神经元为6 个，对应均值、标准方差、平滑度、三阶矩、一致性和熵六个纹理特征；输出为含盐量小于 25％的合格品和含盐量大于25％的不合格品，即含盐量超标盐渍海参；GRNN模型扩展常数 取0.05；SVM模型核函数为线型函数，尺度参数取1，惩罚系数取1。 其中，步骤(F)中用于建立掺假模型的样品共90个，训练集和测试集比例为6:4，即 选择54个样品用于建立模型的训练集，36个样品用于建立模型预测集。 本发明是一种视、触协同作用下的含盐量超标盐渍海参识别方法，待测样品无需 前处理，重复性好，分析时间短，分析过程不需消耗有机试剂，对海参无破坏，为非侵入式测 量方法，检测的数值准确、稳定。 附图说明 图1为含盐量超标盐渍海参识别的图像采集装置。 图2为质构仪探头运动的四个阶段。 图3，其包括a至i，是特征图像处理结果示意图。 图中：1质构仪；2矩形压板；3海参样本；4有机玻璃透明载物台；5单反相机；6计算 机。