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.

基于X射线和卷积神经网络的异物水饺识别

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,建立一种基于LeNet卷积神经网络(convolutional neural networks,CNN)模型的异物水饺识别方法,对含有金属钢球、铁丝、螺钉、石头和玻璃5种异物的X射线水饺图像进行检测。首先利用X射线检测设备获取无异物和异物水饺图像,对图像进行去噪和对比度拉伸变换处理。其次,采用批量归一化方法、Softmax线性回归分类器,以ReLu为激活函数、Max-Pooling为下采样方法,对设计的CNN模型进行优化、训练和验证。利用训练好的网络模型对无异物和异物水饺图像各100幅进行测试,结果表明:该方法可以精确地识别异物水饺,识别率为99.78%。最后,通过提取局部二值模式、方向梯度直方图和Gabor常规纹理特征作为识别无异物和异物水饺的特征向量,利用BP神经网络、支持向量机(support vector machine,SVM)、K最邻近分类器、AdaBoost分类器、朴素贝叶斯分类器和决策树类器对水饺图像进行识别,将识别结果与本实验网络模型进行对比,验证了本实验算法的优越性和所提取特征的有效性。该研究为食品中的异物检测提供了新的思路,有利于保障食品安全。