申请/专利权人：江苏大学

申请日：2023-05-16

公开（公告）日：2023-08-11

公开（公告）号：CN116580236A

主分类号：G06V10/764

分类号：G06V10/764;G06V10/776;G06V10/58;G06V10/77;G01N21/25

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.08.29#实质审查的生效;2023.08.11#公开

摘要：本发明属于食品加工技术领域，具体涉及一种炒饭中配菜分布均匀性定量评价方法；其包含炒饭食材种类识别模型构建和炒饭配菜分布均匀性的数字特征提取两个步骤；利用高光谱“图谱合一”和对不同炒饭食材间化学组分差异敏感的特性，建立了调味料染色炒饭中食材分类模型，实现对因染色导致颜色相似的炒饭食材的种类鉴别。同时根据颗粒的分布均匀性指数的评估精度，通过对配菜颗粒在四分之一区域和环形区域内的分布均匀性指数S1和S2的计算，可以全面评估配菜颗粒在样品中的分布均匀性。为保证炒饭产品质量稳定性、智能化判断并改善炒饭翻炒情况提供了技术基础，具有广阔的应用前景。

主权项：1.炒饭中配菜分布均匀性定量评价方法，其特征在于，按照下述步骤进行：步骤一，所述炒饭食材种类识别模型构建包含以下过程：过程一，准备m种配菜，分别记为A_1、A_2、……、A_m-1、A_m；以及米饭C作为炒饭食材；准备n种调味料，分别记为B_1、B_2、……、B_n-1、B_n，作为炒饭调料；其中配菜被切成大小均匀的颗粒状，m和n均为大于0的整数；过程二，分别取d份炒饭食材组合，每份炒饭食材组合包括M_A_ig配菜A_i以及M_Cg米饭C；每份食材组合添加不同量的调味料B_j调味，经炒制后制成添加调味料B_j的炒饭；为了获得炒饭食材的随机样本，从每份炒饭不同位置随机选取了e组炒饭食材样本，其中每组炒饭食材样本包含m+1个样本，即配菜A_i样本和米饭C样本；其中每个配菜A_i样本包含f1个配菜A_i颗粒，每个米饭C样本包含f2g米饭；共获得d*n*m+1*e个添加调味料B_j的炒饭食材样本；其中d、e、f1为正整数，f2为正数；i＝1、2、……、m-1、m；j＝1、2、……、n-1、n；过程三，采集高光谱图像并校正；将每种炒饭食材样本分别按照h1:h2的比例分为校正集和预测集，其中校正集包含d*n*e*h1h1+h2个配菜A_i样本和d*n*e*h1h1+h2个米饭C样本，预测集包含d*n*e*h2h1+h2个配菜A_i样本和d*n*e*h2h1+h2个米饭C样本；使用高光谱成像系统采集每个炒饭食材样本的高光谱图像；从白色光谱面板上获取白色参考图像，完全覆盖相机镜头，以获取黑色参考图像，然后利用白色和黑色参考图像对采集的高光谱图像进行黑白版矫正，得到校正后的高光谱图像；其中h1、h2为正整数；过程四，获取感兴趣区域的光谱信息；利用ENVI中的矩形工具在校正后的高光谱图像上分别框选出食材样本的ROI，提取ROI区域全光谱信息，再对其平均化处理，将感兴趣区域的平均光谱作为该样本的光谱数据，得到全波段原始光谱信息；过程五，光谱数据的预处理和光谱特征的提取；利用卷积平滑方法和标准正态变量变换方法对原始光谱信息进行预处理，抑制仪器和环境因素引起的随机噪声，提高信噪比；消除样品固体颗粒间光散射造成的光谱曲线畸变；预处理完成后提取光谱特征变量G_AC，并根据光谱特征变量G_AC分别提取校正集中配菜A_i对应的光谱特征值g_A_i_cal和米饭C对应的光谱特征值g_C_cal，构成校正集的特征值数据集g_cal；以及预测集中配菜A_i对应的光谱特征值g_A_i_pre和米饭C对应的光谱特征值g_C_pre构成预测集的特征值数据集g_pre；过程六，炒饭食材种类识别模型构建；以参考值i代表配菜A_i、以参考值0代表米饭，构建校正集对应的参考值数据集Y_cal和预测集对应的参考值数据集Y_pre作为因变量；结合过程五中的校正集的特征数据集g_cal和预测集的特征数据集g_pre作为自变量，采用线性判别分析、K-邻近算法和支持向量机模式识别算法构建分类模型，通过比较预测结果的准确率Ir，选择最优的算法作为分类模型Y＝FX；步骤二，炒饭配菜分布均匀性的数字特征提取包含以下过程：过程一，利用步骤一过程一所述配菜A_i、调味料B_j和米饭C，按照步骤一过程二所述，制成添加调味料B_j的待测炒饭样品，其中添加调味料B_j的量在步骤一过程二所述调味料B_j的d种不同添加量的范围内；采集待测炒饭样品对应的高光谱图像，通过遍历炒饭样本的每个像素点，获取每个像素点对应的光谱信息，按照步骤一过程五提取对应的光谱特征值数据集带入步骤一的过程六中最优分类模型Y＝FX，对每个像素点进行分类，当预测值为数字i表示为配菜A_i，其余像素点赋值为0，获得分类结果矩阵M；过程二，根据分类结果矩阵M，分别对每种配菜A_i区域处像素值赋值为1，其余像素点赋值为0，获得配菜A_i分类结果二值化图像I1_A_i，利用形态学处理后得到最终配菜A_i分布的二值图像I2_A_i，利用局部邻域算法中的轮廓跟踪算法，对配菜A_i颗粒总数进行计数，记为N_A_i；过程三，将待测炒饭样品划分为4个相等面积的扇形区域和4个等面积的环形区域，4个相等面积的扇形区域记为Q1、Q2、Q3和Q4；4个等面积的环形区域记为q1、q2、q3和q4，结合二值图像I2_A_i利用局部邻域算法中的轮廓跟踪算法，对每个扇形区域内的配菜A_i颗粒进行计数，记为n_Q_k_A_i；并对每个环形区域内的配菜A_i颗粒进行计数，记为n_q_k_A_i，其中k＝1、2、3、4；过程四，计算4个扇形区域内配菜A_i颗粒的占比P_Q_k_A_i，计算方法为：P_Q_k_A_i＝n_Q_k_A_iN_A_i；计算4个环形区域内配菜A_i颗粒的占比P_q_k_A_i，计算方法为：P_q_k_A_i＝n_q_k_A_iN_A_i；过程五，分别计算配菜A_i的区域分布差异σ1_A_i和径向分布差异σ2_A_i，计算方法为：其中， 过程六，计算待测炒饭样品的配菜区域分布均匀度S1和配菜径向分布均匀度S2，计算方法为：其中α_A_i为配菜A_i对炒饭的权重；过程七，根据过程六得到的S1和S2即可实现对炒饭配菜区域分布均匀度和径向分布均匀度的量化评价，S1、S2越小说明炒饭配菜的分布均匀性越差；然后根据过程五获得的分布差异σ1_A_i、σ2_A_i即可判断配菜A_i的分布均匀性，σ1_A_i、σ2_A_i越大说明配菜A_i的分布均匀性越差，即在各区域间的颗粒占比相差较大，再根据占比P_Q_k_A_i、P_q_k_A_i实现了对配菜A_i聚集区域的定位。

全文数据：

权利要求：

百度查询： 江苏大学 炒饭中配菜分布均匀性定量评价方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD