基于CHGLDA的鱼类新鲜度无损检测方法

快速准确地评估鱼类的新鲜度,对鱼类品质智能监控和保证食用者安全具有重要意义。目前基于图像的鱼类新鲜度评估方法中,基于鱼鳃特征的分析需去除鳃盖、对鱼体具有侵入性,利用其他部位则评估准确率较低。针对上述问题,提出了一种基于颜色纹理特征融合线性判别分析(CHGLDA)的鱼类新鲜度无损检测方法。首先,对采集的鱼体图像进行标注、图像缩放、颜色空间转换等预处理操作;然后,融合鱼体头部图像中提取的颜色直方图特征和灰度共生矩阵(GLCM)特征,并通过LDA进行特征降维;最后,利用K最近邻(KNN)算法对鱼的新鲜度进行分类。提出的GHGLDA新鲜度检测方法解决了提取的鱼体图像特征质量低致使分类性能差的问题。在真实的鲫鱼数据集上进行实验,其精确率、召回率、F1分数和准确率均为1。与颜色直方图、颜色矩、GLCM等特征相比,该方法在KNN、随机森林(RF)、人工神经网络(ANN)及轻量级梯度提升机(LightGBM)分类器上各评价指标的性能均有提高,其中KNN的评估时间最优,为0.01 s。