基于X射线的盒装水饺异物自动检测与分类
针对盒装水饺中的异物严重危害消费者身心健康, 以及传统金属检测机只能检测金属、检测结果无法直观可视的现状, 提出使用X射线成像技术和图像处理技术对水饺中的金属钢球、细铁丝、螺钉、石头和玻璃5种异物进行自动检测与分类方法. 首先提取图像的LBP, HOG, Gabor纹理特征构建特征向量, 使用支持向量机对异物水饺图像进行识别; 在图像分割阶段, 提出一种附加偏移量的最大熵算法与线性递减权重的粒子群算法结合的阈值分割算法, 把图像目标区域的熵附加一个偏移函数, 将图像总熵作为粒子群算法的适应度函数来获取图像的最佳分割阈值,实现对异物水饺图像的分割; 在异物分类阶段, 提取水饺二值图像中异物的圆度、长宽比、偏心率和灰度图像中异物最小外接矩形区域的灰度均值、方差、熵、三阶矩、7个灰度不变矩、LBP等 76个特征构建特征向量, 使用 BP神经网络、支持向量机、K 邻近、AdaBoost 和朴素贝叶斯分类器对 5 种异物进行分类. 实验结果表明, 文中提出的识别方法对异物水饺图像的识别率达到99.52%; 与Otsu分割算法、K-means分割算法、基于最大熵与遗传算法的分割算法(KSW-GA)、基于遗传神经网络的图像分割算法(GA-BP)相比, 文中的分割算法分割结果更加精确; BP神经网络分类结果优于其他分类器, 总体识别率达到 98.90%. 文中方法为食品中的异物在线自动检测提供了新的思路, 对保证食品安全具有重要的现实意义.
盒装水饺、支持向量机、图像分割、BP神经网络、异物识别、食品安全
30
TP391.41(计算技术、计算机技术)
江苏省高端装备研制赶超工程项目JSJXZB201606;江苏省科技成果转化专项资金项目BA2013101
2019-01-16(万方平台首次上网日期,不代表论文的发表时间)
共11页
2242-2252