本申請(qǐng)涉及食用肉檢測(cè)，特別是涉及一種基于深度學(xué)習(xí)的食用肉中病菌檢測(cè)方法、裝置、設(shè)備及介質(zhì)。

背景技術(shù)：

1、食用肉的安全性直接關(guān)系到人類健康。然而，肉類極易受到病原微生物的污染，尤其是大腸桿菌(escherichia?coli)的污染。傳統(tǒng)的微生物檢測(cè)方法如平板培養(yǎng)技術(shù)，耗時(shí)耗力。目前的快檢方法相較于傳統(tǒng)技術(shù)具有高度的靈敏度和特異性，克服了傳統(tǒng)方法帶來(lái)的局限性。但是快檢方法通常分為分子學(xué)生物、免疫學(xué)、基于生物傳感器方法等，仍存在成本及技術(shù)水平要求較高或者無(wú)法用于在線快速檢測(cè)，難以滿足現(xiàn)代工業(yè)化、自動(dòng)化、精細(xì)化生產(chǎn)要求的問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、本申請(qǐng)的目的是提供一種基于深度學(xué)習(xí)的食用肉中病菌檢測(cè)方法、裝置、設(shè)備及介質(zhì)，可提高檢測(cè)速度和準(zhǔn)確性。

2、為實(shí)現(xiàn)上述目的，本申請(qǐng)?zhí)峁┝巳缦路桨福?/p>

3、第一方面，本申請(qǐng)?zhí)峁┝艘环N基于深度學(xué)習(xí)的食用肉中病菌檢測(cè)方法，所述基于深度學(xué)習(xí)的食用肉中病菌檢測(cè)方法包括：

4、對(duì)目標(biāo)食用肉的高光譜圖像進(jìn)行校正，得到校正后的高光譜圖像；

5、從校正后的高光譜圖像中提取光譜反射率；

6、采用光譜預(yù)處理方法對(duì)提取的所述光譜反射率進(jìn)行預(yù)處理；

7、采用特征波長(zhǎng)選擇方法從預(yù)處理后的所述光譜反射率中提取特征波長(zhǎng)；

8、將所述特征波長(zhǎng)輸入目標(biāo)病菌檢測(cè)模型，得到目標(biāo)病菌檢測(cè)濃度；所述目標(biāo)病菌檢測(cè)模型為對(duì)深度學(xué)習(xí)模型進(jìn)行訓(xùn)練得到的。

9、可選地，采用光譜預(yù)處理方法對(duì)提取的所述光譜反射率進(jìn)行預(yù)處理，具體包括：

10、對(duì)所述光譜反射率進(jìn)行二階導(dǎo)數(shù)處理，得到預(yù)處理后的所述光譜反射率。

11、可選地，所述特征波長(zhǎng)選擇方法為變量迭代空間收縮法。

12、可選地，所述深度學(xué)習(xí)模型為依次連接的卷積神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)；所述卷積神經(jīng)網(wǎng)絡(luò)包括依次連接的第一卷積模塊、第二卷積模塊、第三卷積模塊、dropout層、全連接層、softmax層和分類層；所述第一卷積模塊、所述第二卷積模塊和所述第三卷積模塊均包括依次連接的卷積操作、批歸一化和relu激活函數(shù)。

13、可選地，對(duì)深度學(xué)習(xí)模型進(jìn)行訓(xùn)練，具體包括：

14、采用訓(xùn)練集對(duì)深度學(xué)習(xí)模型進(jìn)行訓(xùn)練：在采用所述訓(xùn)練集中每個(gè)訓(xùn)練樣本對(duì)深度學(xué)習(xí)模型進(jìn)行訓(xùn)練時(shí)，采用粒子群優(yōu)化算法對(duì)深度學(xué)習(xí)模型中超參數(shù)進(jìn)行優(yōu)化；所述訓(xùn)練樣本包括輸入數(shù)據(jù)和標(biāo)簽數(shù)據(jù)，所述輸入數(shù)據(jù)為特征波長(zhǎng)樣本，標(biāo)簽數(shù)據(jù)為與特征波長(zhǎng)樣本對(duì)應(yīng)的目標(biāo)病菌檢測(cè)濃度。

15、可選地，所述訓(xùn)練集中每個(gè)訓(xùn)練樣本對(duì)應(yīng)一個(gè)樣本圖像，各所述樣本圖像為附著不同濃度目標(biāo)病菌的目標(biāo)肉樣品的高光譜圖像；

16、所述目標(biāo)肉樣品的高光譜圖像為對(duì)目標(biāo)肉樣品的原始高光譜圖像校正后的高光譜圖像，校正公式為：

17、

18、其中，r為校正后的高光譜圖像，r0是原始高光譜圖像，w是高光譜白板圖像，d為高光譜暗背景圖像。

19、可選地，所述目標(biāo)病菌為大腸桿菌，所述目標(biāo)食用肉包括豬肉。

20、第二方面，本申請(qǐng)?zhí)峁┝艘环N基于深度學(xué)習(xí)的食用肉中病菌檢測(cè)裝置，所述基于深度學(xué)習(xí)的食用肉中病菌檢測(cè)裝置包括：

21、高光譜圖像校正模塊，用于對(duì)目標(biāo)食用肉的高光譜圖像進(jìn)行校正，得到校正后的高光譜圖像；

22、光譜反射率提取模塊，用于從校正后的高光譜圖像中提取光譜反射率；

23、預(yù)處理模塊，用于采用光譜預(yù)處理方法對(duì)提取的所述光譜反射率進(jìn)行預(yù)處理；

24、特征波長(zhǎng)提取模塊，用于采用特征波長(zhǎng)選擇方法從預(yù)處理后的所述光譜反射率中提取特征波長(zhǎng)；

25、目標(biāo)病菌濃度檢測(cè)模塊，用于將所述特征波長(zhǎng)輸入目標(biāo)病菌檢測(cè)模型，得到目標(biāo)病菌檢測(cè)濃度；所述目標(biāo)病菌檢測(cè)模型為對(duì)深度學(xué)習(xí)模型進(jìn)行訓(xùn)練得到的。

26、第三方面，本申請(qǐng)?zhí)峁┝艘环N計(jì)算機(jī)設(shè)備，包括：存儲(chǔ)器、處理器以及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序以實(shí)現(xiàn)上述中任一項(xiàng)所述的基于深度學(xué)習(xí)的食用肉中病菌檢測(cè)方法的步驟。

27、第四方面，本申請(qǐng)?zhí)峁┝艘环N計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述中任一項(xiàng)所述的基于深度學(xué)習(xí)的食用肉中病菌檢測(cè)方法的步驟。

28、根據(jù)本申請(qǐng)?zhí)峁┑木唧w實(shí)施例，本申請(qǐng)公開(kāi)了以下技術(shù)效果：

29、本申請(qǐng)?zhí)峁┝艘环N基于深度學(xué)習(xí)的食用肉中病菌檢測(cè)方法、裝置、設(shè)備及介質(zhì)，對(duì)目標(biāo)食用肉的光譜反射率進(jìn)行預(yù)處理，提高了光譜信息的有效性，然后從預(yù)處理后的光譜中提取特征波長(zhǎng)，降低了光譜數(shù)據(jù)的維度，從而降低了目標(biāo)病菌檢測(cè)模型的計(jì)算量，從而實(shí)現(xiàn)目標(biāo)病菌濃度的快速準(zhǔn)確檢測(cè)。

技術(shù)特征：

1.一種基于深度學(xué)習(xí)的食用肉中病菌檢測(cè)方法，其特征在于，所述基于深度學(xué)習(xí)的食用肉中病菌檢測(cè)方法包括：

2.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的食用肉中病菌檢測(cè)方法，其特征在于，采用光譜預(yù)處理方法對(duì)提取的所述光譜反射率進(jìn)行預(yù)處理，具體包括：

3.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的食用肉中病菌檢測(cè)方法，其特征在于，所述特征波長(zhǎng)選擇方法為變量迭代空間收縮法。

4.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的食用肉中病菌檢測(cè)方法，其特征在于，所述深度學(xué)習(xí)模型為依次連接的卷積神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)；所述卷積神經(jīng)網(wǎng)絡(luò)包括依次連接的第一卷積模塊、第二卷積模塊、第三卷積模塊、dropout層、全連接層、softmax層和分類層；所述第一卷積模塊、所述第二卷積模塊和所述第三卷積模塊均包括依次連接的卷積操作、批歸一化和relu激活函數(shù)。

5.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的食用肉中病菌檢測(cè)方法，其特征在于，對(duì)深度學(xué)習(xí)模型進(jìn)行訓(xùn)練，具體包括：

6.根據(jù)權(quán)利要求5所述的基于深度學(xué)習(xí)的食用肉中病菌檢測(cè)方法，其特征在于，所述訓(xùn)練集中每個(gè)訓(xùn)練樣本對(duì)應(yīng)一個(gè)樣本圖像，各所述樣本圖像為附著不同濃度目標(biāo)病菌的目標(biāo)肉樣品的高光譜圖像；

7.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的食用肉中病菌檢測(cè)方法，其特征在于，所述目標(biāo)病菌為大腸桿菌，所述目標(biāo)食用肉包括豬肉。

8.一種基于深度學(xué)習(xí)的食用肉中病菌檢測(cè)裝置，其特征在于，所述基于深度學(xué)習(xí)的食用肉中病菌檢測(cè)裝置包括：

9.一種計(jì)算機(jī)設(shè)備，包括：存儲(chǔ)器、處理器以及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序以實(shí)現(xiàn)權(quán)利要求1-7中任一項(xiàng)所述的基于深度學(xué)習(xí)的食用肉中病菌檢測(cè)方法。

10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1-7中任一項(xiàng)所述的基于深度學(xué)習(xí)的食用肉中病菌檢測(cè)方法。

技術(shù)總結(jié)
本申請(qǐng)公開(kāi)了一種基于深度學(xué)習(xí)的食用肉中病菌檢測(cè)方法、裝置、設(shè)備及介質(zhì)，涉及食用肉檢測(cè)技術(shù)領(lǐng)域，該方法包括：對(duì)目標(biāo)食用肉的高光譜圖像進(jìn)行校正，得到校正后的高光譜圖像；從校正后的高光譜圖像中提取光譜反射率；采用光譜預(yù)處理方法對(duì)提取的所述光譜反射率進(jìn)行預(yù)處理；采用特征波長(zhǎng)選擇方法從預(yù)處理后的所述光譜反射率中提取特征波長(zhǎng)；將所述特征波長(zhǎng)輸入目標(biāo)病菌檢測(cè)模型，得到目標(biāo)病菌檢測(cè)濃度；所述目標(biāo)病菌檢測(cè)模型為對(duì)深度學(xué)習(xí)模型進(jìn)行訓(xùn)練得到的。本申請(qǐng)可提高檢測(cè)速度和準(zhǔn)確性。

技術(shù)研發(fā)人員：謝傳奇,劉穎,周衛(wèi)東,徐杏
受保護(hù)的技術(shù)使用者：浙江省農(nóng)業(yè)科學(xué)院
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/26