[发明专利]基于高光谱和近红外融合的肉制品品质检测设备与方法

权利要求书

1.基于高光谱和近红外融合的肉制品品质检测设备，其特征在于，包括可变速旋转电机、传送带、高清成像光谱仪、近红外光谱仪、可成像光源、图像传感器、温度传感器和控制中心；高清成像光谱仪、近红外光谱仪、可成像光源、图像传感器、温度传感器位于传送带一端上方；待检测样品放置在传送带上，可变速旋转电机带动传送带旋转；图像传感器检测到有样品进入检测区域后，可成像光源开启，高清成像光谱仪、近红外光谱仪对待检测样品进行数据采集并将采集到的数据传送到控制中心进行数据分析。

2.根据权利要求1所述的基于高光谱和近红外融合的肉制品品质检测设备，其特征在于，还包括六轴关节机械手臂和高压清洗喷头，六轴关节机械手臂和高压清洗喷头位于传送带另一端上方，六轴关节机械手臂上具有消毒剂喷嘴。

3.根据权利要求1所述的基于高光谱和近红外融合的肉制品品质检测设备，其特征在于，传送带上方还具有轨道悬架，轨道悬架上具有轨道机器人，轨道机器人可在轨道悬架上来回滑动，高清成像光谱仪、图像传感器、温度传感器固定在轨道机器人上。

4.根据权利要求3所述的基于高光谱和近红外融合的肉制品品质检测设备，其特征在于，好包括升降机构，升降机构上端位于轨道悬架上，轨道机器人固定在升降机构下端，升降机构可在轨道悬架上来回滑动，轨道机器人在升降机构的带动下来回滑动并可随升降机构的伸缩而上升或下降。

5.根据权利要求1所述的基于高光谱和近红外融合的肉制品品质检测设备，其特征在于，还包括无线路由，通过无线路由与控制中心进行信号连接。

6.基于高光谱和近红外融合的肉制品品质检测方法，其特征在于，包括步骤：

S1：通过轨道机器人的扫描建立肉制品的高光谱图像预测模型，数据采集前打开光谱仪充分预热，采集完高光谱图像进行光谱校正；

S2：采集完肉制品样品高光谱数据后测定挥发性盐基氮TVB-N理化值和细菌总数TVC；

S3：对样品高光谱图像感兴趣区域获取，通过二值化处理得到去除背景、阴影后的样品图像；再采用波段加法运算、去除多余亮点，得到感兴趣区域提取光谱数据，采用Q残差界限结合霍特林T²界限剔除异常光谱；对用于建立预测模型的肉制品高光谱图像样品，依据TVB-N值通过SVM算法将新鲜度分为新鲜，次新鲜，腐败三种。

7.根据权利要求6所述的方法，其特征在于，对样品进行近红外光谱扫描，近红外光谱仪的工作波段在1100～2500nm之间，通过近红光谱扫描与温度传感器测量后，采用均值中心化、多元散射校正，MSC可以有效的消除由于散射水平不同带来的光谱差异，从而增强光谱与数据之间的相关性。

8.根据权利要求6所述的方法，其特征在于，理想光谱即对所有光谱的数据进行取平均值：

对样本光谱和理想光谱进行一元线性回归处理，通过求解最小二乘法得到样本的平移量和偏移量：

减去求得的平移量后除以偏移量，得到校正后的光谱：

得到所需要的光谱后，使用Savitzky-Golay卷积平滑滤波，提高光谱的平滑性，并降低噪声的干扰，一阶导数对光谱进行基线校正和光谱分辨预处理；通过竞争性自适应重加权算法、遗传算法，GA通过模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程来探索最优光谱特征波长变量，结合连续投影算法进行二次筛选，找出对肉制品新鲜度判别起重要作用的特征波长，提高检测的准确性。

9.根据权利要求6所述的方法，其特征在于，对高光谱和近红外光谱进行信息融合处理，综合并合理应用各个传感器读取到的数据，在分析前对其进行归一化处理，将两种光谱检测技术获取的光谱数据值归一化到0-1之间，其中采用的归一化表达式如公式所示：

其中X表示未经归一化的原始数据，X_ma表示数据最大化，X_mi表示数据最小化，

X_n表示经归一化处理的数据，X_n的数据值在[0,1]之间。