基于紅外成像的食品熟度判別的探討

饒哲，秦工

（江漢大學人工智能學院，湖北武漢，430056）

0 引言

自古以來，由于食品問題與民生息息相關，一直以來就備受關注，由于肉類產品容易在加工、運輸等過程中受到大腸桿菌，沙門氏桿菌等微生物污染，肉類產品本身也可能存在絳蟲，蛔蟲等寄生蟲，不僅如此，部分動物疾病可以通過肉類傳播【1】。對于以上情況，最常用的處理方式是熱處理，而如何在熱處理過程中，較為方便的判斷食品加熱是否達到標準在食品檢測鄰域中是比較重要的。按照我國熟肉制品的熱加工要求，食品需中心溫度達到70℃以上【2】。目前，國內外主要使用穿刺式溫度計檢測食品的中心溫度，這種裝置需要直接接觸食品，所以，在食品加熱過程中進行檢測存在不便性，而且對溫度計要嚴格消毒。

目前，紅外熱像技術在醫學、工業等鄰域研究眾多，比如利用紅外熱像，結合生物傳熱學輔助腫瘤診斷，通過紅外圖像判斷體內異物【3-4】。而在食品領域，有，如對水果的機械損傷進行檢測【5】；通過激光輔助以檢測食品的腐敗情況【6】等。食品中肉制品的表面溫度與其中心溫度間存在一定的關聯，但由于生物組織的復雜情況，往往難以分析。基于此，本文通過燒烤爐對雞邊腿進行加熱，以期探尋使用紅外熱像技術在加熱過程對食品進行非接觸檢測的可能性。

1 食品熟度判別原理

1.1 紅外熱像技術

所有溫度大于絕對零度（即0K或-273.15℃）的物體均會向外輻射電磁波，對于溫度較低的物體，其能量較低，發射出的電磁波波長較長，多分布于紅外波段。黑體輻射與溫度的關系可以使用普朗克定律進行描述

其中M是單色光的光譜輻射射出射度[W·μm-1· m-2]，λ是輻射的波長，T是黑體的絕對溫度，k為玻爾茲曼常數，h是普朗克常數，c為真空中光速

紅外熱像技術是一種輻射測溫技術，這種技術可以不直接與待測對象接觸，而是通過探測待測對象所發射出來的電磁波，并將這種電磁波轉換為溫度值表面溫度并通過數字圖像技術進行處理，以偽彩色圖的形式進行顯現輸出。紅外熱像技術響應速度快，且由于不會與待測物體直接接觸，所以并不會影響被測食品的溫度分布，也不會對待測食品造成二次污染。

1.2 生物傳熱

在生物組織傳熱的應用方面，由于生物組織的構成十分復雜，如何準確地描述生物體的空間溫度場分布情況一直是業界的一個難題。目前，對于生物組織傳熱常使用Pennes方程進行描述，其形式為

其中ρ為組織的密度、c為組織比熱容、k為組織熱導率；ρb為血液的密度、cb為血液的比熱容，ωb為血液的灌注率，Ta為動脈血溫度，T為組織溫度，Qm為組織代謝產熱；Qr為空間加熱產生的體積熱源強度，X指生物組織內一點在空間直角坐標系的位置，其包含直角坐標系x，y，z三個分量。

考慮到目標與環境的對流情況，其邊界條件為

其中hc是生物組織與環境的對流交換系數；Ts和Tα是生物組織的表面溫度和周圍空氣的溫度；ε為輻射率；σ為斯蒂芬-玻爾茲曼常數；Qe是蒸發熱損失。

1.3 圖像處理的判別依據分析

一般來說紅外圖像較可見光圖像分辨率較低，且由于紅外輻射的特性，其易受到噪聲，對比度較可見光圖像較弱，邊緣較為模糊。因此，對紅外圖像，需要進行一定的圖像處理，將目標物從所獲得的圖像中提取出來。

圖像分割是將一幅圖像劃分為若干個感興趣的區域的圖像處理技術。圖像分割對象可以是灰度圖或彩色圖，對紅外圖像，一般作為灰度圖像進行處理，其中灰度值為溫度向灰度值的一個映射，其映射關系如下

其中I為灰度圖矩陣，I(i,j)為其中第i行，第j列的灰度值；I1為溫度矩陣，I(i,j)為其中第i行，第j列的溫度值。

對灰度圖像進行分割的基本是通過設置灰度閾值，將灰度圖像劃分為一個或多個部分來實現。

選擇合適的閾值后，就可以對圖像進行二值化處理，所得二值圖像顯示的為所需的溫度范圍內的圖像區域。

由于同一個生物組織在環境中加熱，其溫度分布應當是相近的，而對其加熱的燒烤爐的溫度分布會受加熱管以及空氣對流等因素等影響，被分為多個不相連的小塊，從中選取其中的最大連通域，便可提取出目標區域。

2 實驗裝置

2.1 實驗操作與裝置

2.1.1 實驗裝置

本實驗，采用雞邊腿作為樣本，每只雞邊腿厚度平均厚度為224(±10)mm，最窄處均不小于180mm；使用深圳市衡益科技有限公司的 海曼5.0型 紅外測溫模塊點陣測溫模塊作為紅外攝像頭，對樣本的表面溫度進行獲取；利用深圳市聚茂源科技有限公司的GM113型食品溫度計對樣本中心溫度進行采集；通過額定功率為1500W的 DKS-301電燒烤爐對樣本進行烤制。最后將實驗所得數據傳輸入計算機中處理。

實驗搭建的裝置示意圖如下圖1所示。

圖1 實驗裝置

2.1.2 實驗操作

實驗中，將烤爐定為2檔，設置紅外測溫模塊為每隔30秒對樣本的表面溫度進行采取，同時每間隔1分鐘通過食品溫度計采集樣本中心溫度。

2.1.3 數據采集

每隔30秒，紅外測溫模塊會將所探測到的圖像轉換為溫度矩陣，并通過串口將矩陣發送到上位機；每1分鐘，將食品溫度計插入樣本，記錄所顯示的數據。

紅外測溫模塊傳輸給上位機的溫度矩陣，在上位機中使用matlab對其進行圖像處理。

在本實驗中，是以圖像灰度直方圖為依據進行的圖像分割。實驗中，目標需要與背景相分割開來，并且由于烤爐溫度分布不均勻，在計算平均背景溫度時，占據面積小、溫度過高的加熱管對均值影響大，故需要單獨分割。本實驗中，分割目標物所選取的所選取的閾值Tth1= 2 5，分割背景中加熱管所選取的閾值Tth2= 1 24。利用這兩個閾值，對圖像進行簡單的閾值處理，將得到的二值圖像提取其中最大的連通域并提取就可以得到如圖2所示的目標區域溫度分布情況。

圖2 圖像處理后樣本紅外圖

3 實驗結果與分析

實驗所得樣本紅外圖像及各部分溫度變化曲線如圖2，3所示。在設定閾值Tth1= 25下，在加熱的前期，由于待測物體溫度較背景有較大差異，可以將待測物體比較完整從背景中分割出來；隨著加熱時間，被測物體的溫度逐漸升高，對比度逐漸下降，分割出的圖像附帶上了除被測物體的之外的部分區域，但被測物體主體輪廓依然較為清晰；可以觀測到，在加熱7.5分鐘（如圖2中15*0.5min）之后，圖像輪廓情況出現波動情況，到加熱15分鐘時（如圖2中30*0.5min），圖像輪廓出現不全，且溫度較高。結合圖3發現，此時為加熱溫度的高峰。

圖3 加熱過程中參數曲線

分割結果中，鑒于多數圖像分割較為完全，殘缺圖像中，主體保存也較為完整，所統計數據是較為可信的。

圖3曲線①的尖峰是樣本翻面造成的結果，這種變化在加熱前期并不明顯，且表面溫度受到對流及其他因素的影響，其值會在一定的范圍區間波動。

從圖3中對比曲線①與曲線④可以發現，中心溫度的變化是滯后于表面溫度的變化的，在含加熱管背景溫度在140℃-180℃，無加熱管背景溫度100℃-120℃的條件下，在表面溫度達到70℃后5-7分鐘，中心溫度也會達到這個溫度，也即可食用標準，這個規律在其余5組實驗中也均有這樣的表現。

4 結論

本實驗使用了烤爐對雞邊腿進行加熱，并利用紅外測溫模塊對雞邊腿的表面溫度場分布進行了采集，通過食品溫度計對其中心溫度進行探測。發現在一定的加熱環境下，表面溫度達到70℃后5-7分鐘，中心溫度達到70℃，即可食用標準，證明了可以通過紅外成像技術判別肉質品的熟度，給非接觸式食品熟度檢測的實現提供了新的思路與參考。

本實驗可以進一步改進，在圖像分割上，可以通過加裝可見光攝像頭，對可見光圖像進行處理，將目標提取，再將其與紅外圖像相結合。這樣，可以盡可能的避免由于樣本溫度變化而導致樣本輪廓不完整，從而影響實驗結果。