高光谱成像技术在冷冻鱼丸质量检测中的应用

刘灵芝，丁艳芳，孙 艳

（漯河食品职业学院，河南漯河 462300）

由于速冻食品方便省时的特点，这种“懒人食品”正快速进入人们的视野和消费者的餐桌。很多家庭冰箱里都有速冻饺子、馄饨、汤圆等，而一些鱼丸、肉丸甚至海鲜，也都成为消费者逛超市的热门之选。人们对速冻食品总有不够新鲜、没营养的顾虑，因此快速、无损、高效地检验食品内部品质情况是保证食品安全、消除消费者顾虑的关键。高光谱图像处理技术凭借强大的探测能力和超高的分辨能力受到各国研究人员的关注，高光谱图像技术不仅可用于食品检测[1]、医学诊断，还可用于环境保护[2]、文物保护等方面。高光谱图像技术将传统检测技术与光谱技术相结合，在获取数据的同时还可进行可视化观测[3]。现有的高光谱图像技术仅用于肉品质检测研究，很少有对冷冻食品指标进行检测[4]。

本文以高光谱图像处理技术为冷冻鱼丸质量检测的核心技术，通过对图像纹理特征进行提取，并对参数进行分析，来实现对冷冻鱼丸高光谱图像的参数识别。通过采用匹配滤波检测方法，构建冷冻鱼丸高光谱图像的色泽纹理分布域检测分析模型，并对图像进行特征信息重组和角点检测，实现对冷冻鱼丸高光谱图像色泽纹理分布域的检测。本文仅对冷冻鱼丸质量检测进行高光谱图像采集和纹理提取，为高光谱成像技术在冷冻鱼丸质量检测中的应用提供精度和可靠性，也为高光谱技术在冷链食品中的应用实现创新性突破提供参考。

1 高光谱成像技术在冷链运输中的应用

冷链物流市场潜力大，冷链物流企业发展快速，呈现网络化、规模化、集团化发展态势。但是，标准化、系统化的冷链物流体系尚未形成。现有的冷链食品品质检测方法以感官检测和人工检验为主[5]，这些方法一般是由专业人员进行操作、分析和评估，所得结果容易受到主观因素影响，且耗费人力物力，还会破坏被检样品的完整性。同时，这些检测方法还难以满足现代化生产所要求的高效快速在线检测，只适用于实验室的小数量样品检测。随着科学技术的不断发展，在冷链食品检测领域引入高光谱成像技术，在获取样品光谱数据的同时不会破坏样品完整性，还可进行可视化检测。

2 高光谱成像技术在冷冻鱼丸质量检测中的应用

2.1 冷冻鱼丸高光谱图像采集

为实现基于高光谱图像技术的冷冻鱼丸质量检测，采用自适应全局色调映射的方法进行冷冻鱼丸质量高光谱图像采集，结合边缘检测的方法，建立冷冻鱼丸质量高光谱图像色泽纹理分布域自动分割模型和色泽纹理分布域滤波检测分析模型[6]。得到冷冻鱼丸质量高光谱图像色泽纹理分布域的像素密度采样结构用d(x)表示，冷冻鱼丸质量高光谱图像色泽纹理分布域的纹理分布特征量用I(x)表示，使用窗口大小为5×5 的高斯窗口进行图像采集，得到冷冻鱼丸质量高光谱图像色泽纹理特征分布表达式为

式中：A为底层特征；ρ为其他像素的颜色对比差异；x为特征图集；ρ1为特征融合系数；c1冷冻鱼丸高光谱图像目标的线条，ρ2为相邻层间的特征参数；c2为3×3 的卷积运算参数。

在N×N的局部区域中进行冷冻鱼丸质量高光谱图像色泽纹理分布域的分块处理，得到冷冻鱼丸质量高光谱图像色泽纹理检测的权重为

式中：f为特征图在宽高深三个维度的频率；c为冷冻鱼丸质量高光谱强度；η为冷冻鱼丸质量高光谱图像的回归参数；k为联合参数；r为统计特征量；cp为冷冻鱼丸高光谱图像色泽纹理数据。

采用模型的预测概率密度分析方法，得到冷冻鱼丸质量高光谱图像色泽纹理分布域的差异度，采用高斯滤波方法，进行特征分布域的加权分析，建立图像采集模型，得到冷冻鱼丸质量高光谱图像采集输出为

式中：∑k为单一的图像增强系数；ε为色调映射参数；U为冷冻鱼丸质量高光谱细节调整参数；N为细节增强的倍数；Δt为光滑函数；Δs为超像素函数；M为图像中的像素增强倍数；(x,y)为像素点坐标；u(x,y)为与像素点坐标对应的属性阈值。

根据冷冻鱼丸质量高光谱图像色泽纹理分布域的边缘检测结果，结合模板匹配方法，进行冷冻鱼丸质量高光谱图像的模糊特征检测，采用Re 算法，建立冷冻鱼丸质量高光谱图像色泽纹理检测模型。

2.2 高光谱预处理及图像纹理提取

对采集的冷冻鱼丸质量高光谱图像进行滤波预处理，结合图像纹理特征提取的方法，实现对冷冻鱼丸质量高光谱图像的纹理参数识别，采用统计特征分析和相似度检测，建立冷冻鱼丸质量高光谱图像色泽纹理分布域匹配模型，结合匹配滤波检测，进行高光谱预处理，采用非线性滤波器，得到冷冻鱼丸质量高光谱图像色泽纹理分布检测的非线性滤波函数为

式中：FmG为滤波后的图像；FmP为双边滤波函数。根据相关的光滑函数分析，将冷冻鱼丸质量高光谱图像色泽纹理分布域分成t块，表示为

式中：Rw为冷冻鱼丸高光谱图像色泽；r1为像素间的相似度；r2为亮度项相关系数；yT为分割后的冷冻鱼丸高光谱图像色泽纹理分布域；MT为图像会产生的光晕；Wi为冷冻鱼丸质量高光谱纹理分量。Mi及MT经过Wi投影后得到反映冷冻鱼丸质量高光谱图像的色泽纹理分布域，采用子空间映射，构建高光谱图像色泽融合模型，由此得到纹理分布集为

式中：υc为对输入图像做全局映射后的像素集；d为像素特征点的分布距离；ν为丢失的细节信息；μ为细节补偿输出。采用区域模板匹配方法，从而获得冷冻鱼丸质量高光谱图像内部信息的差异度，得到冷冻鱼丸质量高光谱图像的色泽及纹理检测输出为

式中：Di为亮度分量；S12为亮度阶误差；S21为冷冻鱼丸质量高光谱信息熵；k为信息丰富程度。基于Radon 尺度变换，得到冷冻鱼丸质量高光谱图像色泽纹理特征提取结果为

式中：Di为自然图像统计模型参数；S12和S21分别表示联合特征量。由此，构建冷冻鱼丸质量高光谱图像的融合模型，得到高光谱图像色泽融合输出为

式中：J(x)为原始图像的对阶差；t(x)为梯度系数；A为增益；I(x)为像素集。

根据冷冻鱼丸质量高光谱图像的融合结果和上述特征提取算法设计，结合冷冻鱼丸质量高光谱图像色泽纹理分布域进行信息分割，进行高光谱预处理及图像纹理提取。

2.3 冷冻鱼丸弹性结构分析

凝胶性能是再组织化制品的主要弹性指标，弹性作为冷冻鱼糜制品的重要特性，决定了鱼丸制品质量最重要的指标。根据冷冻鱼丸高光谱图像，对冷冻鱼丸质量中的弹性进行分析。

鱼丸的弹性与该鱼丸的蛋白质含量、淀粉含量及水分含量有很大关系，通过控制这3 种要素就可对鱼丸的弹性进行充分分析。本文将冰冻的鱼丸进行解冻，将其切分为均等的两份，将切面置于放养圈池之中，利用高光谱图像纹理提取结果，然后采用一次压缩法测量其弹性，通过偏最小二乘法对鱼丸样品的弹性进行分析。该方法在考虑光谱波长的同时，还对鱼丸样品的营养成分进行考虑，可充分对鱼丸弹性进行分析。利用偏最小二乘法建立定标模型，求得样品预测值和测定值，根据预测标准误差对分析方法进行评价。其预测系数为

式中：n为样本数目；ym为样本TAP 弹性测定值的平均值；yni为第i个样本近红外光谱的预测值；yi为第i个样本的测定值。

其预测标准误差值为

式中：d为残差的平均值，；di为第i个样本的残差，di=ymi-yi。

先利用高光谱图像对鱼丸光谱进行采集，确定鱼丸的蛋白质含量、淀粉含量及水分含量，然后采用一次压缩法测量其弹性数值，利用模型对鱼丸的弹性数据进行分析，能得出相应的结果。

3 结语

随着生活质量的提高，人们越来越注重食品的质量。高光谱成像技术可以在不损伤样品外表的前提下，检测其内部信息，有望为冷链行业提供可视化检测。高光谱成像技术的快速发展，尤其是在组分含量与形态结构性状分析方面取得了重大进展，本文根据高光谱图像采集和图像纹理提取获取冷冻鱼丸的光谱图像信息，为今后分析冷冻鱼丸的色泽、含水率、营养成分等结构奠定了坚实的基础。同时，将高光谱图像处理技术应用到冷链物流体系中，在获取数据的同时还可进行可视化观测，为人们食用冷冻食品的健康安全提供了有力保障。