高光譜圖像技術(shù)定量檢測固態(tài)發(fā)酵指標(biāo)分布差異的方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于高光譜圖像技術(shù)定量檢測固態(tài)發(fā)酵指標(biāo)分布差異的方法,屬 于固態(tài)發(fā)酵定量檢測技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 固態(tài)發(fā)酵是多數(shù)中國傳統(tǒng)發(fā)酵食品如醋、白酒等的重要生產(chǎn)環(huán)節(jié)之一,直接決定 著成品的風(fēng)味和品質(zhì)。固態(tài)發(fā)酵過程建立在微生物生長代謝的基礎(chǔ)上,因其發(fā)酵基質(zhì)呈固 態(tài)形式,微生物往往在環(huán)境適宜的局部繁殖,易造成物料局部消耗大、溫度高、板結(jié)等現(xiàn)象, 進(jìn)而嚴(yán)重影響菌體自身生長代謝,造成不均勻發(fā)酵,最終影響產(chǎn)品的質(zhì)量。監(jiān)控固態(tài)發(fā)酵指 標(biāo)含量的變化,可實(shí)時(shí)掌握固態(tài)發(fā)酵過程,有效調(diào)整生產(chǎn)工藝,減免不均勻發(fā)酵,對(duì)確保發(fā) 酵食品的質(zhì)量與安全具有重要意義。
[0003] 目前多依據(jù)人工經(jīng)驗(yàn)式手觸或眼看等傳統(tǒng)方法和抽樣檢測的方法來判斷發(fā)酵過 程重要理化指標(biāo)的變化,進(jìn)而分析發(fā)酵狀態(tài)。傳統(tǒng)方法人為誤差大,主觀性強(qiáng);抽樣檢測 的方法雖然能夠獲得較可靠的測量結(jié)果,但是費(fèi)時(shí)費(fèi)力,消耗的溶劑量大,且需要專用的儀 器,使用較為不便,最終也只能獲得指標(biāo)含量的平均狀況。
[0004] 高光譜圖像技術(shù)可將檢測尺度精確至納米級(jí),是光譜分析技術(shù)和圖像處理技術(shù)在 最低數(shù)據(jù)級(jí)層面的融合技術(shù),兼有這兩種技術(shù)的優(yōu)勢,既能對(duì)研究對(duì)象的外部特征進(jìn)行可 視化分析,也能對(duì)內(nèi)部有效成分進(jìn)行定量預(yù)測。江蘇大學(xué)在中國專利號(hào)為CN101692037A 專利中公開了一種高光譜圖像和獨(dú)立分量分析植物葉面葉綠素分布的方法,利用高光譜圖 像技術(shù)采集葉片光譜和圖像信息,采用獨(dú)立分量分析法建立模型,計(jì)算出葉面各點(diǎn)的葉綠 素含量值,組成葉綠素分布圖。浙江大學(xué)在中國專利號(hào)為CN103630499A專利中公開了一 種基于高光譜成像技術(shù)的魚蛋白質(zhì)含量分布檢測方法,依據(jù)單波段光譜圖像的灰度值與反 射率的線性關(guān)系,計(jì)算得到魚蛋白質(zhì)含量分布圖。該兩項(xiàng)發(fā)明專利在獲得指標(biāo)含量平均狀 況的基礎(chǔ)上,均得到指標(biāo)含量分布圖,以便肉眼的判斷指標(biāo)的分布,然而二者均不能依靠數(shù) 據(jù)定量描述指標(biāo)含量在不同區(qū)域分布的差異。
[0005] 利用高光譜技術(shù)檢測固態(tài)發(fā)酵指標(biāo)的含量能擴(kuò)大檢測點(diǎn),獲得含量分布圖像,進(jìn) 而由點(diǎn)到面可視化地判斷發(fā)酵程度,但僅依靠肉眼判斷圖像差異往往存在主觀性和不準(zhǔn)確 性,不如直觀數(shù)據(jù)可靠。因此,定量檢測固態(tài)發(fā)酵指標(biāo)含量分布在整個(gè)二維面上的差異,對(duì) 監(jiān)控固態(tài)發(fā)酵工藝更具有實(shí)際應(yīng)用價(jià)值。
【發(fā)明內(nèi)容】
[0006] 本發(fā)明克服了依靠肉眼判斷指標(biāo)含量分布差異的問題,發(fā)明了一種定量分析發(fā)酵 基質(zhì)高光譜圖像,在不破壞發(fā)酵基質(zhì)的前提下,以圖像均值、標(biāo)準(zhǔn)差和不均勻性為定量指標(biāo) 精確檢測固態(tài)發(fā)酵指標(biāo)在發(fā)酵基質(zhì)不同區(qū)域的指標(biāo)含量分布差異。本發(fā)明檢測面廣、精度 較高,也在一定程度上降低了檢測成本。
[0007] -種高光譜圖像技術(shù)定量檢測固態(tài)發(fā)酵指標(biāo)的分布差異方法,包括以下步驟:
[0008] S1,建立固態(tài)發(fā)酵指標(biāo)含量預(yù)測模型:采集固態(tài)發(fā)酵不同時(shí)期不同區(qū)域發(fā)酵基質(zhì) 的全波段高光譜圖像,篩選最優(yōu)波數(shù)段,再采用變量篩選法獲得最優(yōu)特征波數(shù);以測定發(fā)酵 基質(zhì)的表征指標(biāo)含量為因變量,以特征波數(shù)下的光譜反射率矩陣為自變量,建立固態(tài)發(fā)酵 指標(biāo)含量預(yù)測模型;
[0009] S2,計(jì)算高光譜圖像每個(gè)像素點(diǎn)對(duì)應(yīng)的固態(tài)發(fā)酵指標(biāo)含量:將步驟S1中特征波數(shù) 下的光譜反射率矩陣轉(zhuǎn)化為一維矩陣獲得各像素點(diǎn)對(duì)應(yīng)的光譜反射率;將各像素點(diǎn)對(duì)應(yīng)的 光譜反射率輸入步驟S1中的固態(tài)發(fā)酵指標(biāo)含量預(yù)測模型,獲得各像素點(diǎn)對(duì)應(yīng)的固態(tài)發(fā)酵 指標(biāo)含量值;
[0010] S3,繪制固態(tài)發(fā)酵指標(biāo)含量分布圖:根據(jù)步驟S2獲得的各像素點(diǎn)對(duì)應(yīng)的固態(tài)發(fā)酵 指標(biāo)含量值繪制固態(tài)發(fā)酵指標(biāo)含量分布圖;
[0011] S4,計(jì)算目標(biāo)區(qū)域指標(biāo)含量分布圖像的分布差異:計(jì)算目標(biāo)區(qū)域所有像素點(diǎn)指標(biāo) 含量均值Z.、標(biāo)準(zhǔn)差σ、圖像的標(biāo)準(zhǔn)差σ和圖像均值之的百分比值即NU值,依據(jù)均值際 準(zhǔn)差σ和NU值定量分析指標(biāo)含量分布圖像的分布差異。
[0012] 所述步驟S1建立固態(tài)發(fā)酵指標(biāo)含量預(yù)測模型過程如下:
[0013] (1)在固態(tài)發(fā)酵前期、中期和后期于同一發(fā)酵池上層、中層、下層取發(fā)酵基質(zhì)共η 份,并分別置于η個(gè)玻璃培養(yǎng)皿中,η大于等于1 ;采集發(fā)酵基質(zhì)的全波段高光譜圖像Ipi =1,2,......n,標(biāo)定后得到圖像民,i= 1,2,......η;在R上選取一定大小的像素區(qū)域,忽 略圖像的空間信息,獲得一個(gè)二維矩陣X=mXn來表征光譜反射率,其中m為高光譜全波 段的光譜變量個(gè)數(shù);
[0014]⑵以X為觀測矩陣,采用區(qū)間篩選法獲得最優(yōu)波數(shù)段λ3~λb、λε~λd、……, 再將獲得的最優(yōu)波段作為觀測矩陣,采用變量篩選方法獲得最優(yōu)特征波數(shù)λρλ2、…、 λ.,,j大于等于1;在高光譜圖像R中提取λi、λ2、…、λ,對(duì)應(yīng)的j個(gè)特征波長圖像ζ= eXfXj,其中e為圖像每一行中像素點(diǎn)個(gè)數(shù),f為圖像每一列中像素點(diǎn)個(gè)數(shù);
[0015] (3)測定η份發(fā)酵基質(zhì)的表征指標(biāo)(如總酸、pH等)含量為因變量,取步驟(2)中 優(yōu)選出的特征波長下的光譜反射率矩陣T=mXj為自變量,建立定量分析模型M,該模型可 預(yù)測表征指標(biāo)的含量。
[0016] 所述步驟S2計(jì)算高光譜圖像每個(gè)像素點(diǎn)對(duì)應(yīng)的固態(tài)發(fā)酵指標(biāo)含量如下:
[0017] (1)將步驟S1中的j個(gè)特征波長圖像的光譜矩陣Z=jXeXf轉(zhuǎn)化為一維矩陣F =1Xh,獲得各像素點(diǎn)對(duì)應(yīng)的光譜反射率為F,h=jXeXf;
[0018] (2)將F輸入步驟SI中的固態(tài)發(fā)酵指標(biāo)含量預(yù)測模型M,獲得向量y為各像素點(diǎn) 對(duì)應(yīng)的固態(tài)發(fā)酵指標(biāo)含量值。
[0019] 所述步驟S3繪制固態(tài)發(fā)酵指標(biāo)的含量分布圖過程如下:將向量y轉(zhuǎn)化矩陣G= eXf,以圖像形式顯示矩陣G,偽彩色處理后得到發(fā)酵基質(zhì)中指標(biāo)含量分布圖。
[0020] 所述步驟S4計(jì)算指標(biāo)含量分布圖像的分布差異過程如下:
[0021] (1)偽彩色圖B每個(gè)像素點(diǎn)(Xl,yi)對(duì)應(yīng)指標(biāo)含量Zi,計(jì)算目標(biāo)區(qū)域所有像素點(diǎn)指 標(biāo)含量均值Z計(jì)算σ,n代表像素點(diǎn)的個(gè)數(shù),共Xxy個(gè) 像素點(diǎn);
[0022] (2)在紅外成像技術(shù)中,圖像的標(biāo)準(zhǔn)差σ和圖像均值f的百分比值即公式
被作為圖像不均勻性指標(biāo),計(jì)算NU ;
[0023](3)依據(jù)均值f、標(biāo)準(zhǔn)差σ和NU值定量分析指標(biāo)含量分布圖像的分布差異,均值 可與常規(guī)理化檢測結(jié)果比較,分析目標(biāo)區(qū)域指標(biāo)含量平均水平;標(biāo)準(zhǔn)差能反映選中區(qū)域指 標(biāo)含量的差異,NU值則反映指標(biāo)含量分布圖的不均勻性,在均值反應(yīng)的目標(biāo)區(qū)域指標(biāo)含量 平均水平的基礎(chǔ)上,再結(jié)合標(biāo)準(zhǔn)差和NU值的水平,評(píng)價(jià)發(fā)酵均勻性,二者越大,說明該區(qū)域 指標(biāo)含量的離散程度越大,分布差異越大,固態(tài)發(fā)酵越不均勻,可能出現(xiàn)物料板結(jié)等現(xiàn)象, 需要及時(shí)調(diào)整發(fā)酵工藝;二者越小,說明該區(qū)域發(fā)酵指標(biāo)含量彼此越接近,分布均勻,發(fā)酵 狀況良好,工藝生產(chǎn)持續(xù)進(jìn)行;當(dāng)二者為零時(shí),固態(tài)發(fā)酵的發(fā)酵程度處于絕對(duì)均勻狀態(tài)。
[0024] 與現(xiàn)有技術(shù)相比,本發(fā)明具有以下有益的技術(shù)效果:
[0025] (1)優(yōu)選少數(shù)特征波長來建立的表征指標(biāo)含量預(yù)測模型,在準(zhǔn)確的基礎(chǔ)上比全光 譜建模更簡便和快速;
[0026] (2)以圖像均值、標(biāo)準(zhǔn)差和不均勻性為定量指標(biāo)精確檢測固態(tài)發(fā)酵指標(biāo)在不同區(qū) 域的含量分布差異,第一次被提出,具有創(chuàng)新性且比肉眼觀測圖像更精確;
[0027] (3)能夠定量分析較大的發(fā)酵層面和多個(gè)發(fā)酵池,相較于普通傳感器實(shí)現(xiàn)了由點(diǎn) 到面的檢測,為數(shù)字化地實(shí)時(shí)在線檢測固態(tài)發(fā)酵均勻性提供技術(shù)手段;
[0028] (4)相比理化檢測法,本發(fā)明避免使用任何化學(xué)材料,無需進(jìn)行理化分析,降低了 檢測成本,不污染環(huán)境。
【附圖說明】
[0029] 圖1 :10個(gè)最優(yōu)特征波長下的圖像;
[0030] 圖2 :香醋醋醅固態(tài)發(fā)酵指標(biāo)pH值分布圖和目標(biāo)區(qū)域;
【具體實(shí)施方式】
[0031] 下面結(jié)合實(shí)施例來說明本發(fā)明所述的高光譜圖像技術(shù)定量檢測固態(tài)發(fā)酵指標(biāo)的 分布差異。但實(shí)施方式并不限制本發(fā)明,本領(lǐng)域的普通技術(shù)人員根據(jù)本實(shí)施方式所做出的 結(jié)構(gòu)、方法、或功能上的變換均包含在本發(fā)明的保護(hù)范圍內(nèi)。
[0032] 實(shí)施例1 :
[0033] 以鎮(zhèn)江香醋固態(tài)發(fā)酵過程中發(fā)酵基質(zhì)(鎮(zhèn)江市恒順香醋股份有限公司的醋醅發(fā) 酵車間)的pH值分布差異的定量檢測為例,詳細(xì)闡述本發(fā)明的【具體實(shí)施方式】。
[0034] 本發(fā)明中涉及到的高光譜圖像采集系統(tǒng)包括:高光譜攝像機(jī)(ImSpector,V10E, 芬蘭)、150W光纖鹵素?zé)簦‵iber -LiteDC950Illuminator,DolanJennerIndust;ries 1此,獻(xiàn),美國),精密電控平移臺(tái)(2〇1丨1,303002認(rèn),北京)等。
[0035] -種高光譜圖像技術(shù)定量檢測鎮(zhèn)江香醋固態(tài)發(fā)酵指標(biāo)pH值的分布差異方法,包 括以下步驟:
[0036] S1,建立固態(tài)發(fā)酵指標(biāo)含量預(yù)測模型:采集固態(tài)發(fā)酵不同時(shí)期不同區(qū)域發(fā)酵基質(zhì) 的全波段高光譜圖像,篩選最優(yōu)波數(shù)段,再采用變量篩選法獲得最優(yōu)特征波數(shù);以測定發(fā)酵 基質(zhì)的表征指標(biāo)含量為因變量,以特征波數(shù)下的光譜反射率矩陣為自變量,建立固態(tài)發(fā)酵 指標(biāo)含量預(yù)測模型;
[0037]S2,計(jì)算高光譜圖像每個(gè)像素點(diǎn)對(duì)應(yīng)的固態(tài)發(fā)酵指標(biāo)含量:將步驟S1中特征波數(shù) 下的光譜反射率矩陣轉(zhuǎn)化為一維矩陣獲得各像素點(diǎn)對(duì)應(yīng)的光譜反射率;將各像素點(diǎn)對(duì)應(yīng)的 光譜反射率輸入步驟S1中的固態(tài)發(fā)酵指標(biāo)含量預(yù)測模型,獲得各像素點(diǎn)對(duì)應(yīng)的