专利名称：一种畜肉细菌总数无损检测方法
技术领域：
本发明属于农畜产品无损检测领域，涉及一种畜肉细菌总数无损检测方法，更具
体地，涉及一种牛肉细菌总数无损检测方法。
背景技术：
牛肉是主要肉类产品之一，具有高蛋白质、低脂肪、维生素及矿物质含量丰富、含
有人们所需要的一切必需氨基酸等特点，是一种营养价值较高的保健型肉食品，深受国际
国内市场的青睐。随着人们膳食结构的不断变化及对健康的日益关注，牛肉品质安全受到
了前所未有的重视，优质、高档牛肉供不应求。食品卫生与人的健康关系极为密切。食品中
的微生物是人类许多疾病发生的根源之一。在微生物污染中，细菌性污染是涉及面最广、影
响最大、问题最多的一种污染。由此引出了食品微生物的检测，通过食品微生物的检测，可
以判断食品加工环境及食品卫生情况，能够对食品被细菌污染的程度及腐败程度做出正确
的评价，为各项管理工作提供科学依据，防止人类、动物食品中毒。细菌总数是食品检疫中
最重要的指标之一，它能反映肉产品的腐败程度，作为新鲜度的参考指标之一，比挥发性盐
基氮可靠性更高，目前传统的培养计数法，需要48小时才能得出准确的结果，已越来越不
能满足如今日益快速的生活节奏。因此，需要建立现代的微生物快速检测方法。 高光谱图像能够同时提供大量不间断的光频谱和空间信息，因此可以获得比传统
光谱分析技术更精确的分析结果。Bosoon Park等人利用高光谱成像技术成功检测出家禽
胴体表面排泄物的污染，准确率可达到96%以上。Peng和Lu基于空间分辨高光谱漫反射
成像技术对水果和蔬菜的光学特性进行了研究，证明了该方法是检测水果和蔬菜的品质参
数的有效工具。乔军等人利用高光谱成像技术成功的对牛肉的大理石纹、滴水损失率、颜色
等指标进行了预测，但是，基于高光谱成像的食用肉内部品质安全的无损检测研究在我国
尚未开展。

发明内容
( — )要解决的技术问题 针对背景技术中所提到的问题，本发明利用高光谱成像技术，探求食用肉的光学特性，以牛肉这一重要食用肉为对象，探索食用肉的可见光和红外线光(VIS/NIR)的散射和吸收特征参数；找出牛肉细菌总数与光学信号的特征的内在关联并建立预测评估数学模型，以开发快速、无损的牛肉微生物腐败的检测方法。
( 二 )技术方案 为达到上述目的，本发明的技术方案提供一种畜肉细菌总数无损检测方法，其特征在于，包括以下步骤 Sl、获取待测畜肉样品的高光谱散射图像； S2、根据国标GB/T 4789. 2-2003检测待测畜肉样品的菌落总数即为细菌总数测量值；
S3、使用洛伦兹分布函数拟合待测样品表面高光谱散射图像在各个波长处的散射 曲线，得到洛伦兹参数及参数的乘积值，来表征待测畜肉样品表面在各个波长处的散射特 征； S4、使用多元线性回归法求出各波长处待测畜肉样品特征参数与细菌总数测量值 间的相关性及预测误差； S5、比较分析对应于不同波长处的待测畜肉样品特征参数与细菌总数测量值间的 相关性，使用逐步回归方法求出用于预测待测畜肉样品细菌总数的最佳波长和波长数；
S6、利用已求出的最佳波长建立待测畜肉样品细菌总数的预测评估模型，与细菌 总数测量值对比来预测待测畜肉样品的细菌总数。 其中，所述步骤S1中的高光谱散射图像是通过在待测畜肉样品表面选取不同位
置的扫描线，对每条扫描线扫描多次，之后对获取的扫描图像取平均值获得。 其中，所述步骤S3中建立的洛伦兹分布函数为
/ 一 ,.
乂W — i , z / L 其中，I:代表反射强度(即CCD灰度值)；X:代表散射曲线离中心点的距离，单位 是mm ;a :代表散射曲线在扫描线中心点的峰值；b :代表a/2位置处散射曲线离中心点的距
离，单位是mm ;Wi :波长范围在400 1100nm内的某一波长，i = 1，2， ，N，N为总的波长数。 其中，所述步骤S4中建立的多元线性回归数学模型为
F = /。 +》/,J Wi
/ = 1 其中，F是检测参数值；f。和&是回归方程系数；i = 1，2. . . ， m， m是所建模型中 优选波长数目；X代表洛伦兹分布函数拟合曲线的a、 b或aXb ;Wi为选择的优化波长。
其中，在建立预测评估模型时，随机选取待测畜肉样品的3/4，用于预测模型的建 立；剩余的1/4样品作为验证组，用于评价模型预测效果。
(三)有益效果 上述技术方案具有如下优点通过分析待测牛肉样品的高光谱图像特征，将洛伦 兹函数用于拟合牛肉的高光谱散射曲线，利用拟合得到的洛伦兹参数a、 b和aXb，采用逐 步回归法选择最优波长组合建立牛肉的特征光谱与细菌总数之间的定标模型，比较三个参 数的模型预测结果，结果证实基于参数aXb的多元线性回归(MLR)预测模型效果最好。可 见，利用可见-近红外光谱波长范围内的光作为点光源照射牛肉样品，分析其在表面形成 的散射光信息，可以作为畜肉细菌总数的无损检测方法；将本发明进行必要修正，也可以作 为一种新的方法应用于畜肉水分、蛋白质、脂肪含量等内部成分的无损检测领域中。


图1是本发明畜肉细菌总数无损检测方法中获取待测牛畜肉样品表面高光谱图 像的成像系统结构组成示意图； 图2是本发明畜肉细菌总数无损检测方法中待测牛肉样品表面高光谱散射图像；
图3是本发明畜肉细菌总数无损检测方法中利用洛伦兹函数在756nm波长处的曲
4线拟合图； 图4是本发明畜肉细菌总数无损检测方法中洛伦兹参数a、 b和aXb与牛肉细菌总数的相关系数分布图； 图5a是本发明畜肉细菌总数无损检测方法中基于洛伦兹参数a的模型校正结
果；
果；
果；
果；
果；
图5b是本发明畜肉细菌总数无损检测方法中基于洛伦兹参数a的模型预测结图6a是本发明畜肉细菌总数无损检测方法中基于洛伦兹参数b的模型校正结图6b是本发明畜肉细菌总数无损检测方法中基于洛伦兹参数b的模型预测结图7a是本发明畜肉细菌总数无损检测方法中基于洛伦兹参数aXb的模型校正结图7b是本发明畜肉细菌总数无损检测方法中基于洛伦兹参数aXb的模型预测结 其中，1 :光源系统；2 :光纤；3 :第一透镜；4 :高光谱摄制仪；5 :CCD数字照相机；6 :相机控制系统；7 :计算机；8 :第二透镜；9 :待测样品。
具体实施例方式
下面结合附图和实施例，对本发明的具体实施方式
作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。 本发明畜肉细菌总数无损检测方法中，使用高光谱成像系统来获取待测牛肉样品表面的高光谱图像，所述高光谱成像系统包括
—个高性能的背后照明式CCD数字照相机； 高光谱摄制仪(其覆盖波长为400 1100nm，光谱分辨率为2. 8nm)，用于摄制光谱图像； 第一透镜，用于将光源系统发出的光线准直；
第二透镜，用于会聚待测畜肉样品表面反射的光线； 200W卤钨灯及带有反馈控制器的光源供给系统，为图像采集装置提供足够的光照强度； 样本载物台及其调节机构； 计算机，用于图像数据显示及处理。 在使用高光谱成像系统获取待测牛肉样品表面的高光谱图像，并检测其细菌总数时，需要进行如下操作 1)试验开始前，选取合适的牛肉样品，用无菌刀切割成8cmX4cmX3. 5cm的小块，
随后用保鲜袋密封贮藏于冰箱中，贮藏温度为8°C ; 2)将整个高光谱成像系统安置在一个封闭的光屏蔽舱内，以防外部光干扰；
3)将待测牛肉样品置于光屏蔽舱内图像采集装置的下方； 4)调制光源供给系统，使在图像采集装置的正下方的待测样品上形成足够的光照强度的区域； 5)开启高光谱摄制仪和CCD相机，采集待测牛肉样品的图像数据，为提高图像的 信噪比，对原始图像1040 X 1376作2 X 2binning处理，处理后图像降为520 X 688像素，每 个样本表面平行选取4个不同位置的扫描线，每个扫描线扫描四次，每次获取一张图像，每 个样本共扫描16次，获取16个扫描图像，然后取16个图像的平均图像作为该样本的最终 图像，相机控制器将图像数据传输给计算机，利用Matlab软件处理图像数据；
6)牛肉样品在采集完光谱图像后立即根据国标GB/T4789. 2-2003检测得到的菌 落总数即为细菌总数测量值； 7)使用洛伦兹函数(Lorentzian distribution function)，从高光谱图像中抽取 图像特征并建立牛肉散射曲线的数学模型，每一条散射曲线包含了该波长的光对被测物的 反映，即被测物组织成分的光学特性，描述样品间组织成分差异的特征参数，用多元线性回 归法求出各波长特征参数与被测值间的相关性及预测误差； 8)比较分析对应于不同波长的相关性，用逐步回归法求出用于预测被测值的最佳 波长和波长数，利用已求出的波长可进一步建立被测值的预测评估模型，然后与细菌总数 测量值的标准参照值对比来预测牛肉的细菌总数。 本发明提供的牛肉细菌总数无损检测的高光谱成像系统及检测方法，采用洛伦兹 参数作为光谱数据建立多元线性回归模型。下面结合附图予以说明。 图1所示为获取待测牛畜肉样品表面高光谱图像的成像系统结构组成示意图。图 中CCD数字照相机5、高光谱摄制仪4和第二透镜8组成图像采集装置、200W钨卤素灯及带 有反馈控制器的光源供给系统1、光纤2和第一透镜3组成光照装置，提供满足图像所需光 照强度，使在图像采集装置的正下方的待测牛肉样品9上形成足够的光照强度的区域；相 机控制系统6连接在CCD数字照相机5和计算机7之间。整个系统安置在一个封闭的光屏 蔽舱内，以防外部光干扰。软件用Matlab设计。 图2是使用图l所示系统从某一牛肉样品采集的高光谱图像。图中纵轴为光谱轴， 横轴是空间轴，图像的灰度值代表反射强度。每个高光谱图像包含大量牛肉品质相关信息。 图像垂直线代表扫描线上对应点的光谱反射图像。使用原创的图像处理方法及数学算法， 从高光谱图像中抽取图像特征并建立数学模型，来预测牛肉的个质量安全参数。使用洛伦 兹函数来计算每一个散射图像的轮廓参数 Aw = ， ， z 、2 其中，I代表反射强度(CCD灰度值)；x代表散射曲线离中心点的距离，单位是mm; a代表散射曲线在扫描线中心点的峰值；b代表a/2位置处散射曲线离中心点的距离，单位 是mm ;下标Wi代表波长，范围是400-1100nm， i = 1， 2， 3， . . . ， N， N为总的波长数。
牛肉样本在每个波长上均有一条散射曲线，利用洛伦兹函数对该曲线进行拟合， 则每条曲线均可得到2个洛伦兹参数，即a和b。通过拟合得到的a和b，以及该参数的乘 积aXb作为每个样本的光谱参数，参与牛肉细菌总数的预测。图3为一个牛肉样本在波长 756nm处拟合得到的洛伦兹曲线与原散射曲线图，从图中可以看出，两参数洛伦兹函数能够 很好的拟合出牛肉样本的空间散射曲线。 高光谱图像表征投向牛肉的光子被牛肉吸收、散射后剩余的部分，在牛肉内部漫散射后通过样品表面向外部反射的强度和分布状态。从高光谱图像中抽取图像特征并建立牛肉散射曲线的数学模型，每一条散射曲线包含了该波长的光对被测物的反映，即被测物组织成分的光学特性，描述样品间组织成分差异的特征参数，用多元线性回归法求出各波长特征参数与被测值间的相关性及预测误差；比较分析对应于不同波长的相关性，用逐步回归法求出用于预测被测值的最佳波长和波长数，利用已求出的波长可进一步建立被测值的预测评估模型。 牛肉质量和安全指标的预测，依据从各样品的高光谱图像求取的光学散射和吸收的特征参数，利用逐步回归法和多元线性回归建立线性预测模型；关于建模过程，共29个牛肉样品，首先使用随机选取的3/4的样品(即21个)作为校正集建立校正模型，然后再用剩余的1/4的样品(即8个)作为检验集去验证模型的预测精度，通过相关性和误差分析，确定最佳的模型用于描述肉质特性与高光谱图像特征的关系。 通过所建立的高光谱成像系统，可以获得牛肉的高光谱图像，如图2、图3所示，采用洛伦兹参数拟合得到的洛伦兹参数a和b，以及该参数的乘积aXb作为光谱数据，利用逐步回归法选取最佳波长组合，建立多元线性预测模型，用检验集样本去验证模型效果，即可对牛肉的品质做出判断。 图4为参数a、b和aXb与牛肉细菌总数之间的简单相关分析图，即分析每一波长处a、 b和aXb与细菌总数的相关性。从图中可以看出，在560-980nm范围内，光谱反射与牛肉细菌总数的相关性有较大的变化。在560-800nm范围内，光谱反射与牛肉细菌总数正相关，而在820-980nm范围内，反射强度与细菌总数负相关，a和aXb与细菌总数的相关性优于b与细菌总数的相关性。 对560-980nm范围内的洛伦兹参数a、 b和aXb，用逐步回归法选择最优波长，用于建立多元线性回归模型。对于参数a选出的最佳波长组合为592， 596， 602， 659， 803和825nm，模型的校正和预测结果分别如图5a和图5b所示；对于参数b选出的最佳波长组合为596， 838， 905和913nm，模型的校正和预测结果分别如图6a和图6b所示；对于参数aXb选出的最佳波长组合为596，822，838，841，889和900nm，模型的校正和预测结果分别如图7a和图7b所示； 研究结果表明，将洛伦兹函数用于拟合牛肉的高光谱散射曲线，利用拟合得到的洛伦兹参数a、b和aXb建立定标模型。选用可见-近红外区(560-980nm)作为建模谱区，分别采用逐步回归和多元线性回归法(MLR)建立牛肉的特征光谱与细菌总数之间的定标模型。基于洛伦兹参数a、b和aXb的MLR预测模型的相关系数r2分别为0. 91、0. 69、0. 96，其中基于参数aXb的预测模型效果最好，可见，利用可见_近红外光谱波长范围内的光作为点光源照射牛肉样品，分析其在表面形成的散射光信息，可以作为畜肉细菌总数的无损检测方法；将本发明进行必要修正，也可以作为一种新的方法应用于畜肉水分、蛋白质、脂肪含量等内部成分的无损检测领域中。 以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和替换，这些改进和替换也应视为本发明的保护范围。
权利要求
一种畜肉细菌总数无损检测方法，其特征在于，包括以下步骤S1、获取待测畜肉样品的高光谱散射图像；S2、根据国标GB/T 4789.2-2003检测待测畜肉样品的菌落总数即为细菌总数测量值；S3、使用洛伦兹分布函数拟合待测样品表面高光谱散射图像在各个波长处的散射曲线，得到洛伦兹参数及参数的乘积值，来表征待测畜肉样品表面在各个波长处的散射特征；S4、使用多元线性回归法求出各波长处待测畜肉样品特征参数与细菌总数测量值间的相关性及预测误差；S5、比较分析对应于不同波长处的待测畜肉样品特征参数与细菌总数测量值间的相关性，使用逐步回归方法求出用于预测待测畜肉样品细菌总数的最佳波长和波长数；S6、利用已求出的最佳波长建立待测畜肉样品细菌总数的预测评估模型，与细菌总数测量值对比来预测待测畜肉样品的细菌总数。
2. 如权利要求1所述的畜肉细菌总数无损检测方法，其特征在于，所述步骤S1中的 高光谱散射图像是通过在待测畜肉样品表面选取不同位置的扫描线，对每条扫描线扫描多 次，之后对获取的扫描图像取平均值获得。
3. 如权利要求1所述的畜肉细菌总数无损检测方法，其特征在于，所述步骤S3中建立 的洛伦兹分布函数为其中，I :代表反射强度(即CCD灰度值)；X:代表散射曲线离中心点的距离，单位是mm; a:代表散射曲线在扫描线中心点的峰值；b :代表a/2位置处散射曲线离中心点的距离，单 位是mm;Wi :波长范围在400 1100nm内的某一波长，i = 1，2， . . . ，N， N为总的波长数。
4. 如权利要求1所述的畜肉细菌总数无损检测方法，其特征在于，所述步骤S4中建立 的多元线性回归数学模型为 <formula>formula see original document page 2</formula>其中，F是检测参数值；f。和fi是回归方程系数；i = 1，2... ， m， m是所建模型中优选 波长数目；X代表洛伦兹分布函数拟合曲线的a、b或aXb值；Wi为选择的优化波长。
5. 如权利要求1所述的畜肉细菌总数无损检测方法，其特征在于，在建立预测评估模 型时，随机选取待测畜肉样品的3/4作为校正组，用于模型的建立，剩余的1/4作为验证组， 用于模型预测结果的检验，比较相关性和误差分析，确定出最佳的预测评估模型。
全文摘要
本发明公开了一种畜肉细菌总数无损检测方法，利用高光谱成像系统获取待测畜肉样品的高光谱散射图像，采用洛伦兹函数拟合散射特征得到洛伦兹参数以及该参数的乘积作为光谱数据，利用逐步回归法选取最佳波长组合，使用最佳波长处的洛伦兹参数建立多元线性预测模型，使用预测模型可对畜肉细菌总数做出判断。本发明快速、无损，利用可见-近红外光谱波长范围内(400～1100nm)的光作为点光源照射畜肉样品，分析其表面的散射光谱信息，可以作为畜肉细菌总数的无损检测方法；将本发明进行必要修正，也可以作为一种新的方法应用于畜肉水分、蛋白质、脂肪含量等内部成分的无损检测领域中。
文档编号G01N21/35GK101776597SQ20101003451
公开日2010年7月14日 申请日期2010年1月19日 优先权日2010年1月19日
发明者吴建虎, 张静, 彭彦昆, 王伟, 黄慧 申请人:中国农业大学