基于高光譜圖像技術(shù)的羊肉表面污染及病變快速檢測方法研究.pdf

1、本論文以寧夏特有的鹽池灘羊為研究對象，利用可見-近紅外(400-1000nm)及近紅外(900-1700nm)成像技術(shù)分別對羊肉表面腸溶物污染及病變?nèi)饪焖贆z測，結(jié)合數(shù)字圖像處理及化學(xué)計量學(xué)方法，開發(fā)了羊肉表面腸溶物識別算法，建立了兩種常見病變羊肉的定性分析模型。為下一步利用多光譜成像技術(shù)開發(fā)在線檢測系統(tǒng)提供了理論依據(jù)。主要研究結(jié)果如下:
　　(1)利用可見-近紅外(400-1000nm)高光譜成像系統(tǒng)對羊肉表面腸溶物進行檢測，結(jié)合

2、主成分分析(PCA)選取適合于圖像處理的主成分圖像，并進行中值濾波、平方根變換、二值化、形態(tài)學(xué)處理4種圖像處理算法，對225個樣本進行識別（正常樣本75個，大腸腸溶物樣本75個，小腸腸溶物75個），最終基于400-1000nm光譜范圍對羊肉表面腸溶物檢測率為99.1％。
　　(2)為了開發(fā)屠宰分割過程中羊肉腸溶物污染在線快速檢測技術(shù)系統(tǒng)，利用主成分分析(PCA)分別選取了大腸腸溶物及小腸腸溶物的特征波長，結(jié)果表明，基于特征波段光譜

3、范圍內(nèi)對羊肉表面腸溶物的檢測率為98.3％。
　　(3)利用近紅外（900-1700nm）高光譜成像系統(tǒng)對羊肉進行檢測，對正常羊肉及兩種病變?nèi)獾脑脊庾V進行多元散射矯正及平滑預(yù)處理，采用無監(jiān)監(jiān)督模式進行聚類分析，并用線性判別LDA算法對樣本進行模式識別，結(jié)果顯示正確分類率為99％。
　　(4)分別利用主成分分析法及二階導(dǎo)數(shù)法選取病變?nèi)獾奶卣鞑ㄩL，利用兩種特征波長分別結(jié)合線性判別分析建立病變?nèi)獾念A(yù)測模型，結(jié)果表明，基于主成分分