基于高光譜成像技術的包子在線檢測研究

隨著生活品質(zhì)的提高以及消費者對食品安全意識的不斷增強，消費者對包子食品安全問題越來越關注。在實際包子加工過程中，由于生產(chǎn)規(guī)模、生產(chǎn)速度、包子餡的加工機械等的影響，包子在生產(chǎn)過程其表面可能會存在污物或包子露餡、包子發(fā)霉等問題，因而存在嚴重的食品安全隱患。

成像技術和光譜技術是傳統(tǒng)的光學技術的兩個重要方向，成像技術能夠獲得物體的影像，得到其空間信息；光譜技術能夠得到物體的光學信息，進而研究其物質(zhì)屬性。20 世紀 70 年代以前，成像技術和光譜技術是相互獨立的學科，隨著遙感技術的發(fā)展，成像光譜技術迅速發(fā)展起來，它是一種快速、無損的檢測技術，具有光譜分辨率高、多波段和圖譜合一的特點，能在大尺度范圍內(nèi)識別地表并深入研究其地表物質(zhì)的成分及結(jié)構。目前，成像高光譜技術已成熟應用于農(nóng)業(yè)、食品、藥品、化工產(chǎn)品、刑偵、文物保護等領域，但用于包子的品質(zhì)檢測目前尚未有研究者對其進行開展研究。

1. 可見、近紅外設備介紹

高光譜圖像數(shù)據(jù)采集采用江蘇雙利合譜科技有限公司的 GaiaSorter高光譜分選儀系統(tǒng)（fx10e）。該系統(tǒng)主要由高光譜成像儀、面陣列相機、鹵素燈光源、暗箱、計算機組成，如圖1。

圖1  GaiaSorter高光譜分選儀

高光譜圖像采集軟件采用江蘇雙利合譜科技有限公司提供的高光譜成像系統(tǒng)采集軟件Specview完成。圖像處理采用 ENVI5.3 軟件進行處理。在進行圖像處理之前，先要對采集的光譜圖像進行圖像校正，圖像校正公式如下：

              (1)

式中，Rref 是校正過的圖像，DNraw 是原始圖像，DNwhite為白板校正圖像，DNdark 是黑板校正圖像，Rwhite為白板的反射率。

2.  實驗目標

本次實驗對包子的混雜金屬、混雜玻璃片、混雜塑料片、包子完整情況（是否有餡露出來）、有無包裝紙、有何種顏色的包裝紙進行了初步的檢測，目的是為了分辨出包子中混雜的金屬、玻璃片、塑料片，以及是否露餡、是否包含包裝紙和用何種包裝紙對其進行包裝。

3. 分析方法

3.1 波段選擇方法

目前應用比較廣泛的最佳波段選取方法有各波段信息量的比較、波段間相關性比較、最佳指數(shù)法(O IF)、各波段數(shù)據(jù)的信息熵和聯(lián)合熵、協(xié)方差矩陣特征值法、波段指數(shù)法等。

在各種方法中，由美國查維茨提出的最佳指數(shù)法( OIF)綜合考慮單波段圖像的信息量及各波段間的相關性，更接近于波段選擇的原則，且計算簡單，易于實現(xiàn)，得到廣泛的應用。OIF指數(shù)的計算公式如下：

              (2)

其中：Si 為第i個波段的標準差，Rij為i、j 兩波段的相關系數(shù)。對n波段圖像，先統(tǒng)計計算單波段圖像的標準差，計算各波段間的相關系數(shù)矩陣，再分別求出所有可能的波段組合對應的OIF指數(shù)，根據(jù)該指數(shù)大小來判斷各種波段組合的優(yōu)劣。指數(shù)越大，則相應組合影像所包含的信息量就越大。對OIF指數(shù)從大到小進行排序，最大O IF指數(shù)對應的波段組合即為最佳波段組合。

3.2 分類方法

利用see5.0機器學習法進行分類。see5.0機器學習規(guī)則軟件是美國USGS在完成國家土地覆蓋制圖(NLCD)項目中開發(fā)的一個自動提取分類規(guī)則的數(shù)據(jù)挖掘工具。

4. 分析結(jié)果

圖2  塑料托盤上有無包子進行判別分析

圖3  包子混雜塑料片原圖及分類結(jié)果 

圖4  包子混雜金屬原圖及分類結(jié)果

圖5  包子混雜玻璃片原圖及分類結(jié)果

圖6 包子多種包裝紙原圖及判別結(jié)果

圖7 包子露餡判別分析

圖8 包子過程有無包裝紙判別分析

圖9 多種情形下包子品質(zhì)分析