本发明涉及羊肉品质检测，具体为一种羊肉品质指标的高光谱图像检测方法。
背景技术：
1、高光谱成像技术是基于非常多窄波段的影像数据技术，它将成像技术与光谱技术相结合，探测目标的二维几何空间及一维光谱信息，获取高光谱分辨率的连续、窄波段的图像数据，可获得牛羊肉样本某波长点的二维图像信息和样本各点处的光谱信息，实现对牛羊肉样本内外部品质的同时检测。
2、现有技术中，如中国专利cn107271375b公开了一种羊肉品质指标的高光谱图像检测方法，包括先建立羊肉高光谱图像品质指标的预测模型和再利用预测模型进行羊肉品质指标检测。
3、上述专利中，虽然通过获取优选光谱，解决了模型预测能力不强，检测效果差的问题，但是在对样本进行检测时，样本的数量较多，在样本存在异常现象时，异常光谱被直接剔除，不易及时对问题样本进行定位，也无法快速获取问题样本的具体情况，影响后续对问题样本的分类和回收处理。
4、所以我们提出了一种羊肉品质指标的高光谱图像检测方法，以便于解决上述中提出的问题。
技术实现思路
1、本发明的目的在于提供一种羊肉品质指标的高光谱图像检测方法，以解决上述背景技术提出的样本的数量较多，在样本存在异常现象时，异常光谱被直接剔除，不易及时对问题样本进行定位，也无法快速获取问题样本的具体情况，影响后续对问题样本的分类和回收处理的问题。
2、为实现上述目的，本发明提供如下技术方案：一种羊肉品质指标的高光谱图像检测方法，包括以下步骤：
3、s1、冰鲜样本制备：利用控制变量法，挑选不同品质指标和水分含量的样本，将等重量的样本放入容器内存放，对容器依次编号，将编号与样本基础信息关联；
4、s2、获取样本多维数据：将样本放置在检测台上，调整实验仪器的数据参数，调节移动平台改变样本位置，利用线扫描相机、ccd相机、高光谱相机对样本进行扫描，获取样本在光学焦平面垂直方向和平行方向上的光谱信息和空间图像信息；
5、s3、光谱提取与分离：在获取的图像信息中提取光谱，对样本进行初步划分，以3:1的比例建立校正集和预测集，对信息进行初步处理，将处理后的全部波长作为pls模型的输入数据，对波段进行初步筛选，采用uve-pls投影分析算法进行波段选择，选择共线性最小的有效波长，完成光谱的分离；
6、s4、预测模型建立与验证：基于连续投影算法和多元线性回归设定校正标准偏差和预测标准偏差，根据校正集和预测集分别建立预测模型，输入已测定的样本光谱信息对模型进行验证；
7、s5、光谱数据处理与分析：输入样本的多维光谱数据，对光谱数据进行预处理，设定光谱特征的参数，提取光谱数据特征，对样本进行分类，分离不符合标准的异常样本并进行定位，对样本的数据进行分析和标记，生成工作日志；
8、s6、输出检测结果：依次输出分类后的多个符合标准的样本检测数据，通过工作日志可查询问题样本的具体参数和信息。
9、优选的，在步骤s1中，在样本制备时，去除羊肉上的表皮、脂肪和结缔组织，将未切块的样本放置在0-4℃的冰箱中保存，然后将样本依次取出切块，切块后的样本进行称量、分装。
10、优选的，在步骤s2中，在数据获取前，对实验仪器的高光谱图像进行黑白板校正、灰度校正，经过黑白板校正、灰度校正后得到的绝对图像为最终获得的样品高光谱图像信息，校正完成后，将实验仪器进行预热30分钟，对仪器的光源强度、曝光时间和平台的移动速率进行调整。
11、优选的，在步骤s3中，经过筛选后的光谱数据与无效波长进行分离，利用bp神经网络设置特征空间行程复杂的非线性决策边界，解决有效波长中的非线性可分问题，提取样本光谱信息中具有代表性的特征波长。
12、优选的，在步骤s4中，在模型建立时，选用640、549和458nm三个波段校正后的光谱数据构成样本的伪彩色图像，通过观察图像，选择图像清晰，亮度均匀的像素感兴趣区域作为特征提取和校正模型建立试验数据。
13、优选的，在步骤s4中，在模型建立后，选用实验室试验样本对应的100个特征光谱数据作为训练集，输入局域bp神经网络的分类预测模型，对模型进行训练，将30个特征光谱数据作为测试样本进行预测，对模型进行验证。
14、优选的，在步骤s5中，在对光谱数据预处理时，对光谱信息进行平滑去噪，采用3点平滑、7点平滑和9点平滑对原始光谱数据进行处理。
15、优选的，在步骤s5中，在对光谱数据处理时还包括以下内容：
16、s51、特征数据设定和提取：将羊肉品质高光谱成像与含水率、颜色、tvb-n含量和质构等指标融合，作为分类的光谱数据特征，对光谱数据特征进行提取，根据提取后的处理结果将样本分为正常样本和异常样本；
17、s52、异常样本的分离和定位：利用投影寻踪法自动检测异常样本的高光谱图像，若高光谱图像中存在分布异常的目标，调取异常光谱，将该光谱与其余光谱进行分离，并对检测到的异常目标进行定位；
18、s53、问题样本的标记：将定位后的异常样本标记为问题样本，并根据光谱的异常信息对样本的相关信息进行记录，将信息同步到系统的工作日志中。
19、优选的，在步骤s51中，在对光谱数据特征提取时，将skcca特征提取算法与bp神经网络算法相结合，以skcca特征变量个数作为bp网络输入层节点数，通过3-5次测试确定隐含层节点数和隐含层数，然后利用skcca特征提取法对光谱数据特征进行提取。
20、优选的，在步骤s6中，根据生成的工作日志，可查询当前问题样本的相关数据，包括含水率、品质以及tvb-n含量和质构等信息。
21、与现有技术相比，本发明的有益效果是：
22、本发明通过光谱提取与分离，可对光谱的波段进行初步筛选，实现对波段的选择，挑选有效波长，将有效波长与无效波长分离，从而可降低光谱信息的冗余度，提高对光谱数据处理的速度，通过预测模型建立与验证，可对建立后的预测模型进行训练和验证，经过训练后的模型预测准确率较高，从而可提高后续对光谱图像分类的效果，提高对羊肉品质指标的检测结果；利用光谱数据处理与分析，可设定光谱特征的参数，通过将羊肉品质高光谱成像与含水率、颜色、tvb-n含量和质构等指标融合，可丰富光谱数据特征，从而提高对羊肉品质划分的详细程度，提取光谱数据特征后可将样本快速分类，将异常样本分离，同时利用投影寻踪法对高光谱图像中分布异常的目标进行自动检测，当检测到异常目标时进行报警，并将该异常光谱进行调取、定位，便于后续对该异常光谱进行标记，标记后可根据编号可对该样本快速查询，将问题样本取出后单独存放，通过工作日志可获取问题样品的具体信息，便于对不同类型的问题样本进行回收和处理。
1.一种羊肉品质指标的高光谱图像检测方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种羊肉品质指标的高光谱图像检测方法，其特征在于：在步骤s1中，在样本制备时，去除羊肉上的表皮、脂肪和结缔组织，将未切块的样本放置在0-4℃的冰箱中保存，然后将样本依次取出切块，切块后的样本进行称量、分装。
3.根据权利要求1所述的一种羊肉品质指标的高光谱图像检测方法，其特征在于：在步骤s2中，在数据获取前，对实验仪器的高光谱图像进行黑白板校正、灰度校正，经过黑白板校正、灰度校正后得到的绝对图像为最终获得的样品高光谱图像信息，校正完成后，将实验仪器进行预热30分钟，对仪器的光源强度、曝光时间和平台的移动速率进行调整。
4.根据权利要求1所述的一种羊肉品质指标的高光谱图像检测方法，其特征在于：在步骤s3中，经过筛选后的光谱数据与无效波长进行分离，利用bp神经网络设置特征空间行程复杂的非线性决策边界，解决有效波长中的非线性可分问题，提取样本光谱信息中具有代表性的特征波长。
5.根据权利要求1所述的一种羊肉品质指标的高光谱图像检测方法，其特征在于：在步骤s4中，在模型建立时，选用640、549和458nm三个波段校正后的光谱数据构成样本的伪彩色图像，通过观察图像，选择图像清晰，亮度均匀的像素感兴趣区域作为特征提取和校正模型建立试验数据。
6.根据权利要求1所述的一种羊肉品质指标的高光谱图像检测方法，其特征在于：在步骤s4中，在模型建立后，选用实验室试验样本对应的100个特征光谱数据作为训练集，输入局域bp神经网络的分类预测模型，对模型进行训练，将30个特征光谱数据作为测试样本进行预测，对模型进行验证。
7.根据权利要求1所述的一种羊肉品质指标的高光谱图像检测方法，其特征在于：在步骤s5中，在对光谱数据预处理时，对光谱信息进行平滑去噪，采用3点平滑、7点平滑和9点平滑对原始光谱数据进行处理。
8.根据权利要求1所述的一种羊肉品质指标的高光谱图像检测方法，其特征在于：在步骤s5中，在对光谱数据处理时还包括以下内容：
9.根据权利要求8所述的一种羊肉品质指标的高光谱图像检测方法，其特征在于：在步骤s51中，在对光谱数据特征提取时，将skcca特征提取算法与bp神经网络算法相结合，以skcca特征变量个数作为bp网络输入层节点数，通过3-5次测试确定隐含层节点数和隐含层数，然后利用skcca特征提取法对光谱数据特征进行提取。
10.根据权利要求1所述的一种羊肉品质指标的高光谱图像检测方法，其特征在于：在步骤s6中，根据生成的工作日志，可查询当前问题样本的相关数据，包括含水率、品质以及tvb-n含量和质构的信息。
