[发明专利]一种基于高光谱图像技术的贝类毒素无损快速检测方法及系统

说明书

一种基于高光谱图像技术的贝类毒素无损快速检测方法及系统，涉及贝类毒素检测技术领域，用以解决现有贝类毒素检测方法对于贝类的检测时间长、操作复杂且需要对样品进行预先处理的问题。本发明的技术要点包括：采集多个贝类样本的高光谱图像；对高光谱图像进行光谱数据提取和预处理；基于模糊聚类与粒子群优化的特征选择算法，获取最优特征波段子集；将最优特征波段子集输入基于代价敏感概率神经网络的贝类毒素无损检测模型中进行训练，获取训练好的检测模型；将经过预处理的待检测贝类样本的光谱数据输入到训练好的检测模型中，获取检测结果。本发明将高光谱图像技术应用于贝类毒素无损检测中，为解决贝类食用安全问题提供了新途径。

技术领域

本发明涉及贝类毒素检测技术领域，具体涉及一种基于高光谱图像技术的贝类毒素无损快速检测方法及系统。

背景技术

我国是世界上最大的贝类养殖国家，近十几年来，大量未经处理的工农业和生活废水直接排放到海洋，导致水体富营养化，赤潮频繁发生，赤潮毒素泛滥。海洋贝类通过滤食使得毒素在体内富集，再通过食物链进入人体，严重危害食用者的身体健康，甚至威胁生命。民以食为天，食以安为先，贝类毒素的污染不仅对海水养殖业造成巨大经济损失，更是对人类健康造成了严重威胁。因此，开展对贝类毒素的检测和监控，提高贝类毒素污染检测能力已成为迫切需要解决的问题。

传统的海洋贝类毒素检测方法有小鼠生物检测法、液相色谱法、酶联免疫法等，这些方法均有各自的优势，但是都存在检测时间长、操作复杂、需要对样品进行相应的预处理等问题。并且，在贝类毒素检测实际应用中缺少用于现场检测的快速筛查技术，因此，开发快速、准确、低成本的贝类毒素检测技术具有重要的应用价值。兼具图像处理技术和光谱分析技术优点的高光谱图像技术的迅速发展为实现贝类毒素快速、无损检测提供了技术可行性。由于检测对象因其所含的化学成分和组成结构不同，在特定波长点处对相同光的吸光度、反射率和分散度不同，各化学成分在特定波长处又有官能团独特属性的吸收值。因此，对高光谱图像中所提取光谱数据进行分析，可以实现化学成分的定量分析、品质的定性检测。与传统的毒素检测方法相比，高光谱图像检测技术特点是无需对样品做复杂的预处理，检测是非破坏性的且操作简便快速，适于大批量检测，分析过程中不需要任何化学试剂辅助，对环境无污染。

结合目前研究现状分析，现有的针对贝类毒素的高光谱图像快速无损检测研究还存在以下挑战：1)在特征波段选择方面，针对待处理的对象和数据类型的多样化问题，目前的波段选择方法缺乏特征波段与样本对象内在差异之间关系的充分考虑，算法泛化能力普遍较差，难以实现特征波段子集的快速准确获取。2)在高光谱图像分类检测方面，针对同种物质光谱曲线较为相似难于区分的问题，目前的研究工作主要集中在分类模型的优化设计上，如提高分类精度、检测速度等，忽略了实际所获取的数据集各类别样本的数量和分布不平衡问题。

综上，在应用高光谱图像技术进行贝类毒素检测问题上，很多关键问题没有得到充分地研究和解决，缺乏系统性的建模理论和方法框架，大大制约了高光谱无损检测在贝类食品安全检测中的应用和推广。

发明内容

鉴于以上问题，本发明提出一种基于高光谱图像技术的贝类毒素无损快速检测方法及系统，用以解决现有贝类毒素检测方法对于贝类的检测时间长、操作复杂且需要对样品进行预先处理的问题。

根据本发明的一方面，提供一种基于高光谱图像技术的贝类毒素无损快速检测方法，该方法包括以下步骤：

步骤一、采集多个贝类样本的高光谱图像作为训练样本集；所述贝类样本包括感染毒素的贝类和未感染毒素的贝类；

步骤二、对所述高光谱图像进行光谱数据提取和预处理；

步骤三、基于模糊聚类与粒子群优化的特征选择算法，获取最优特征波段子集；

步骤四、将所述最优特征波段子集输入基于代价敏感概率神经网络的贝类毒素无损检测模型中进行训练，获取训练好的贝类毒素无损检测模型；