高光譜成像技術在冷凍魚丸質量檢測中的應用

劉靈芝，丁艷芳，孫 艷

（漯河食品職業學院，河南漯河 462300）

由于速凍食品方便省時的特點，這種“懶人食品”正快速進入人們的視野和消費者的餐桌。很多家庭冰箱里都有速凍餃子、餛飩、湯圓等，而一些魚丸、肉丸甚至海鮮，也都成為消費者逛超市的熱門之選。人們對速凍食品總有不夠新鮮、沒營養的顧慮，因此快速、無損、高效地檢驗食品內部品質情況是保證食品安全、消除消費者顧慮的關鍵。高光譜圖像處理技術憑借強大的探測能力和超高的分辨能力受到各國研究人員的關注，高光譜圖像技術不僅可用于食品檢測[1]、醫學診斷，還可用于環境保護[2]、文物保護等方面。高光譜圖像技術將傳統檢測技術與光譜技術相結合，在獲取數據的同時還可進行可視化觀測[3]。現有的高光譜圖像技術僅用于肉品質檢測研究，很少有對冷凍食品指標進行檢測[4]。

本文以高光譜圖像處理技術為冷凍魚丸質量檢測的核心技術，通過對圖像紋理特征進行提取，并對參數進行分析，來實現對冷凍魚丸高光譜圖像的參數識別。通過采用匹配濾波檢測方法，構建冷凍魚丸高光譜圖像的色澤紋理分布域檢測分析模型，并對圖像進行特征信息重組和角點檢測，實現對冷凍魚丸高光譜圖像色澤紋理分布域的檢測。本文僅對冷凍魚丸質量檢測進行高光譜圖像采集和紋理提取，為高光譜成像技術在冷凍魚丸質量檢測中的應用提供精度和可靠性，也為高光譜技術在冷鏈食品中的應用實現創新性突破提供參考。

1 高光譜成像技術在冷鏈運輸中的應用

冷鏈物流市場潛力大，冷鏈物流企業發展快速，呈現網絡化、規模化、集團化發展態勢。但是，標準化、系統化的冷鏈物流體系尚未形成。現有的冷鏈食品品質檢測方法以感官檢測和人工檢驗為主[5]，這些方法一般是由專業人員進行操作、分析和評估，所得結果容易受到主觀因素影響，且耗費人力物力，還會破壞被檢樣品的完整性。同時，這些檢測方法還難以滿足現代化生產所要求的高效快速在線檢測，只適用于實驗室的小數量樣品檢測。隨著科學技術的不斷發展，在冷鏈食品檢測領域引入高光譜成像技術，在獲取樣品光譜數據的同時不會破壞樣品完整性，還可進行可視化檢測。

2 高光譜成像技術在冷凍魚丸質量檢測中的應用

2.1 冷凍魚丸高光譜圖像采集

為實現基于高光譜圖像技術的冷凍魚丸質量檢測，采用自適應全局色調映射的方法進行冷凍魚丸質量高光譜圖像采集，結合邊緣檢測的方法，建立冷凍魚丸質量高光譜圖像色澤紋理分布域自動分割模型和色澤紋理分布域濾波檢測分析模型[6]。得到冷凍魚丸質量高光譜圖像色澤紋理分布域的像素密度采樣結構用d(x)表示，冷凍魚丸質量高光譜圖像色澤紋理分布域的紋理分布特征量用I(x)表示，使用窗口大小為5×5 的高斯窗口進行圖像采集，得到冷凍魚丸質量高光譜圖像色澤紋理特征分布表達式為

式中：A為底層特征；ρ為其他像素的顏色對比差異；x為特征圖集；ρ1為特征融合系數；c1冷凍魚丸高光譜圖像目標的線條，ρ2為相鄰層間的特征參數；c2為3×3 的卷積運算參數。

在N×N的局部區域中進行冷凍魚丸質量高光譜圖像色澤紋理分布域的分塊處理，得到冷凍魚丸質量高光譜圖像色澤紋理檢測的權重為

式中：f為特征圖在寬高深三個維度的頻率；c為冷凍魚丸質量高光譜強度；η為冷凍魚丸質量高光譜圖像的回歸參數；k為聯合參數；r為統計特征量；cp為冷凍魚丸高光譜圖像色澤紋理數據。

采用模型的預測概率密度分析方法，得到冷凍魚丸質量高光譜圖像色澤紋理分布域的差異度，采用高斯濾波方法，進行特征分布域的加權分析，建立圖像采集模型，得到冷凍魚丸質量高光譜圖像采集輸出為

式中：∑k為單一的圖像增強系數；ε為色調映射參數；U為冷凍魚丸質量高光譜細節調整參數；N為細節增強的倍數；Δt為光滑函數；Δs為超像素函數；M為圖像中的像素增強倍數；(x,y)為像素點坐標；u(x,y)為與像素點坐標對應的屬性閾值。

根據冷凍魚丸質量高光譜圖像色澤紋理分布域的邊緣檢測結果，結合模板匹配方法，進行冷凍魚丸質量高光譜圖像的模糊特征檢測，采用Re 算法，建立冷凍魚丸質量高光譜圖像色澤紋理檢測模型。

2.2 高光譜預處理及圖像紋理提取

對采集的冷凍魚丸質量高光譜圖像進行濾波預處理，結合圖像紋理特征提取的方法，實現對冷凍魚丸質量高光譜圖像的紋理參數識別，采用統計特征分析和相似度檢測，建立冷凍魚丸質量高光譜圖像色澤紋理分布域匹配模型，結合匹配濾波檢測，進行高光譜預處理，采用非線性濾波器，得到冷凍魚丸質量高光譜圖像色澤紋理分布檢測的非線性濾波函數為

式中：FmG為濾波后的圖像；FmP為雙邊濾波函數。根據相關的光滑函數分析，將冷凍魚丸質量高光譜圖像色澤紋理分布域分成t塊，表示為

式中：Rw為冷凍魚丸高光譜圖像色澤；r1為像素間的相似度；r2為亮度項相關系數；yT為分割后的冷凍魚丸高光譜圖像色澤紋理分布域；MT為圖像會產生的光暈；Wi為冷凍魚丸質量高光譜紋理分量。Mi及MT經過Wi投影后得到反映冷凍魚丸質量高光譜圖像的色澤紋理分布域，采用子空間映射，構建高光譜圖像色澤融合模型，由此得到紋理分布集為

式中：υc為對輸入圖像做全局映射后的像素集；d為像素特征點的分布距離；ν為丟失的細節信息；μ為細節補償輸出。采用區域模板匹配方法，從而獲得冷凍魚丸質量高光譜圖像內部信息的差異度，得到冷凍魚丸質量高光譜圖像的色澤及紋理檢測輸出為

式中：Di為亮度分量；S12為亮度階誤差；S21為冷凍魚丸質量高光譜信息熵；k為信息豐富程度。基于Radon 尺度變換，得到冷凍魚丸質量高光譜圖像色澤紋理特征提取結果為

式中：Di為自然圖像統計模型參數；S12和S21分別表示聯合特征量。由此，構建冷凍魚丸質量高光譜圖像的融合模型，得到高光譜圖像色澤融合輸出為

式中：J(x)為原始圖像的對階差；t(x)為梯度系數；A為增益；I(x)為像素集。

根據冷凍魚丸質量高光譜圖像的融合結果和上述特征提取算法設計，結合冷凍魚丸質量高光譜圖像色澤紋理分布域進行信息分割，進行高光譜預處理及圖像紋理提取。

2.3 冷凍魚丸彈性結構分析

凝膠性能是再組織化制品的主要彈性指標，彈性作為冷凍魚糜制品的重要特性，決定了魚丸制品質量最重要的指標。根據冷凍魚丸高光譜圖像，對冷凍魚丸質量中的彈性進行分析。

魚丸的彈性與該魚丸的蛋白質含量、淀粉含量及水分含量有很大關系，通過控制這3 種要素就可對魚丸的彈性進行充分分析。本文將冰凍的魚丸進行解凍，將其切分為均等的兩份，將切面置于放養圈池之中，利用高光譜圖像紋理提取結果，然后采用一次壓縮法測量其彈性，通過偏最小二乘法對魚丸樣品的彈性進行分析。該方法在考慮光譜波長的同時，還對魚丸樣品的營養成分進行考慮，可充分對魚丸彈性進行分析。利用偏最小二乘法建立定標模型，求得樣品預測值和測定值，根據預測標準誤差對分析方法進行評價。其預測系數為

式中：n為樣本數目；ym為樣本TAP 彈性測定值的平均值；yni為第i個樣本近紅外光譜的預測值；yi為第i個樣本的測定值。

其預測標準誤差值為

式中：d為殘差的平均值，；di為第i個樣本的殘差，di=ymi-yi。

先利用高光譜圖像對魚丸光譜進行采集，確定魚丸的蛋白質含量、淀粉含量及水分含量，然后采用一次壓縮法測量其彈性數值，利用模型對魚丸的彈性數據進行分析，能得出相應的結果。

3 結語

隨著生活質量的提高，人們越來越注重食品的質量。高光譜成像技術可以在不損傷樣品外表的前提下，檢測其內部信息，有望為冷鏈行業提供可視化檢測。高光譜成像技術的快速發展，尤其是在組分含量與形態結構性狀分析方面取得了重大進展，本文根據高光譜圖像采集和圖像紋理提取獲取冷凍魚丸的光譜圖像信息，為今后分析冷凍魚丸的色澤、含水率、營養成分等結構奠定了堅實的基礎。同時，將高光譜圖像處理技術應用到冷鏈物流體系中，在獲取數據的同時還可進行可視化觀測，為人們食用冷凍食品的健康安全提供了有力保障。