[发明专利]一种基于卷积神经网络的鱼肉纤维评价方法和系统

说明书

本发明公开了一种基于卷积神经网络的鱼肉纤维评价方法和系统，属于食品检测技术领域。借助图像识别技术，利用深度卷积神经网络算法，通过机器学习方式检测鱼肉肌纤维的形态特征，进而表征鱼肉纤维程度。该方法避免了传统感官评定方法易受主观因素影响，且结果也无法直接用精确的数据表达等缺点，具有识别准确率高、速度快、检测结果更精确等优点。针对传统卷积神经网络在对鱼肉纤维识别时，受染色操作和拍照环境影响，鱼肉纤维显微图片颜色存在差异导致识别结果准确性低等问题，本发明在传统卷积神经网络的基础上引入基于边缘特征注意力的网络结构，强调机器对鱼肉纤维纹理信息的学习，降低了模型受图片颜色变化的影响，显著提高了检测准确性。

技术领域

本发明涉及一种基于卷积神经网络的鱼肉纤维评价方法和系统，属于食品检测技术领域。

背景技术

传统鱼糜制品生产过程中，原料组成结构过度破坏，导致鱼糜产品呈现胶质化口感，无肉感。并且目前相关研究也都侧重于对鱼糜制品胶质化口感提升，却忽略了消费者对真实纤维口感的追求。因此，减损采肉，保留鱼肉纤维将是鱼糜制品产品研发的新方向。

鱼肉的纤维口感是由肌纤维整齐有序地排列所形成的，所以通过感官评定的方式能够在一定程度上反馈鱼肉纤维情况，但受到样品相似性及感官评定员生理状态等因素的影响，感官评定的结果准确性低且无法直接用精确的数据表达，故该方法无法满足后续具有鱼肉纤维的鱼糜制品的研发和生产的需求。

在对其他肉类的研究中，常对畜禽肉进行切片、染色后在显微镜下拍照测定肌肉纤维直径、密度和面积等指标来评价肌肉纤维。但该方法只适用于评价完整的肌肉纤维，而许多鱼肉制品在实际加工过程中，需要经过采肉处理，去除鱼刺等杂质，采肉环节中，机械破坏作用使得鱼肉肌纤维断裂破损，呈混乱排列，原有的人工标注加上软件测量工具的方式不再适用，因此，构建一种适合鱼肉纤维评价的方法成为具有鱼肉纤维的鱼糜制品研制的首要任务。

图像识别技术作为一种应用广泛的技术，其核心算法之一就是卷积神经网络，它的工作原理是将图像转换成数字信息，通过卷积、池化等处理提取图片中的特征，进行学习，模拟人的判别准则去识别图像，从而作出优于人眼的客观评定，具有识别准确率高、速度快等特点。因而王博等人(重组牛肉图像识别模型的比较研究[J].肉类研究,2020,34(7):13-17)将LeNet-5、ResNet-50、ResNet-101、ResNet-152和VGG-16等卷积神经网络模型直接用于重组牛肉的图像识别中，对粘合碎肉和整块牛肉表面拍的图片进行区分，并取得较好的识别结果。中国专利CN 111798445 A公开了一种基于卷积神经网络的牙齿图像龋坏识别方法及系统，针对牙齿龋坏图像，在传统卷积神经网络框架中增加了自注意力机制模块，对网络训练过程中的牙齿龋坏特征图进行重新加权，使得图像中龋坏的部分获得更大的关注，从而提高了网络模型判别的准确率。

理论上，鱼肉蛋白被伊红染液染成红色，其余部分为无色，也可以采用上述图像识别技术进行鱼肉纤维的识别，但受染色操作和拍照环境的影响，图片的颜色会存在一定的差异，而图片中的颜色信息是一个很明显并且很容易被机器学习的特征，颜色变化对传统卷积神经网络模型的识别效果影响很大，但评价鱼肉纤维的过程中，最主要的是关注肌纤维的纹理结构，而非颜色差异。直接套用传统的卷积神经网络模型，识别结果主要受照片颜色的影响，模型的泛化能力低，错误率高。因此需要引入注意力机制，让网络模型重点关注肌纤维的纹理结构。而目前常用的注意力机制主要依靠计算机自身根据识别结果来确定注意哪些特征及注意程度等，存在实际注意特征不明确，针对性不强等问题，因而无法对鱼肉纤维进行准确的评价。

发明内容

为了解决目前鱼肉纤维单纯依靠感官评定的方式进行评价，存在结果准确性低，易受主观因素影响且无法直接用精确的数据表达等问题，本发明借助图像识别技术，针对性地设计出基于边缘特征注意力的卷积神经网络结构，提出了一种根据鱼肉肌纤维的形态特征来表征鱼肉纤维程度的评价方法和系统。