一種肉類質(zhì)量檢測(cè)系統(tǒng)，包括采集肉類樣品脂肪組織圖像的圖像采集模塊、提取所述脂肪組織圖像中的培養(yǎng)基的圖像處理模塊、獲取所述培養(yǎng)基中的細(xì)菌菌斑的總面積與培養(yǎng)基面積的比值的特征值提取模塊、解析所述樣品的近紅外光譜以獲取所述肉類樣品的結(jié)構(gòu)組成數(shù)據(jù)的光譜分析模塊、及對(duì)所述特征值提取模塊獲取的比值和所述肉類樣品的結(jié)構(gòu)組成數(shù)據(jù)進(jìn)行融合處理以得到一實(shí)際輸出值的數(shù)據(jù)融合處理模塊，所述培養(yǎng)基是在所述脂肪組織圖像中檢測(cè)到的僅具有所述肉類樣品的脂肪組織的一固定區(qū)域，所述實(shí)際輸出值表征所述肉類樣品的質(zhì)量。本發(fā)明還提供一種肉類質(zhì)量檢測(cè)方法，所述肉類質(zhì)量檢測(cè)系統(tǒng)及方法可快速、準(zhǔn)確檢測(cè)肉類質(zhì)量，且結(jié)構(gòu)和檢測(cè)過程簡(jiǎn)單。

1.一種肉類質(zhì)量檢測(cè)系統(tǒng)，包括一采集肉類樣品脂肪組織圖像的圖像采
集模塊、一提取所述脂肪組織圖像中的培養(yǎng)基的圖像處理模塊、一獲取所述
培養(yǎng)基中的細(xì)菌菌斑的總面積與培養(yǎng)基面積的比值的特征值提取模塊、一解
析所述樣品的近紅外光譜以獲取所述肉類樣品的結(jié)構(gòu)組成數(shù)據(jù)的光譜分析模
塊、及一對(duì)所述特征值提取模塊獲取的比值和所述肉類樣品的結(jié)構(gòu)組成數(shù)據(jù)
進(jìn)行融合處理以得到一實(shí)際輸出值的數(shù)據(jù)融合處理模塊，所述光譜分析模塊
包括近紅外光源和檢測(cè)單元，所述近紅外光源通過兩束不同波長的近紅外光
照射所述肉類樣品，所述檢測(cè)單元采集所述肉類樣品在所述兩不同波長下的
光譜，并通過計(jì)算所述肉類樣品對(duì)所述兩不同波長的近紅外光的吸收度差來
分析所述肉類樣品的結(jié)構(gòu)組成數(shù)據(jù)；所述培養(yǎng)基是在所述脂肪組織圖像中檢
測(cè)到的一固定區(qū)域，該固定區(qū)域僅包括所述肉類樣品的脂肪組織圖像，所述
實(shí)際輸出值表征所述肉類樣品的質(zhì)量。
2.如權(quán)利要求1所述的肉類質(zhì)量檢測(cè)系統(tǒng)，其特征在于，所述圖像處理
模塊包括一提取所述肉類樣品脂肪組織圖像中的綠色通道并將提取的圖像轉(zhuǎn)
換為8位灰度圖像的圖像轉(zhuǎn)換單元、一通過霍夫變換法從所述灰度圖像中提
取培養(yǎng)基的培養(yǎng)基提取單元、及一增強(qiáng)所述培養(yǎng)基所在圖像對(duì)比度的圖像增
強(qiáng)單元。
3.如權(quán)利要求2所述的肉類質(zhì)量檢測(cè)系統(tǒng)，其特征在于，所述培養(yǎng)基是
在所述灰度圖像中提取的一圓形區(qū)域，所述圓形區(qū)域的半徑為整個(gè)灰度圖像
的寬度的三分之一到二分之一之間，所述圓形區(qū)域的圓心處于所述灰度圖像
的一圓內(nèi)，該圓的圓心為所述灰度圖像中心，半徑為整個(gè)灰度圖像的寬度的
六分之一。
4.如權(quán)利要求1所述的肉類質(zhì)量檢測(cè)系統(tǒng)，其特征在于，所述特征值提
取模塊包括一像素檢測(cè)單元、一第一累加器、一第二累加器及一運(yùn)算單元，
所述像素檢測(cè)單元檢測(cè)所述培養(yǎng)基所在圖像各像素的灰度值以及所檢測(cè)像素
的位置，當(dāng)檢測(cè)到所述培養(yǎng)基所在圖像中的一像素的灰度值為0時(shí)，所述第
一累加器加1，當(dāng)該像素位于所述培養(yǎng)基中時(shí)，所述第二累加器加1，所述運(yùn)
算單元計(jì)算所述第一、第二累加器的累加值的比值，即所述菌斑總面積與所
述培養(yǎng)基面積的比值。
5.如權(quán)利要求1所述的肉類質(zhì)量檢測(cè)系統(tǒng)，其特征在于，所述光譜分析
模塊還包括一照射所述肉類樣品的中紅外光源，所述檢測(cè)單元通過解析所述
肉類樣品的中紅外光譜得到所述肉類樣品的各組成成分的含量數(shù)據(jù)，所述數(shù)
據(jù)融合處理模塊對(duì)所述特征值提取模塊獲取的比值、所述光譜分析模塊
獲取的肉類樣品的結(jié)構(gòu)組成數(shù)據(jù)和各組成成分的含量數(shù)據(jù)進(jìn)行融合處理以得
到所述實(shí)際輸出值。
6.一種肉類質(zhì)量檢測(cè)方法，包括以下步驟：
采集步驟：采集一肉類樣品的脂肪組織圖像；
培養(yǎng)基提取步驟：提取所述脂肪組織圖像中的僅具有所述肉類樣品的脂
肪組織的一固定區(qū)域作為培養(yǎng)基；
特征值提取步驟：計(jì)算所述培養(yǎng)基中的菌斑的面積與所述培養(yǎng)基面積的
比值；
光譜分析步驟：通過解析所述肉類樣品的近紅外光譜來獲取所述肉類樣
品的結(jié)構(gòu)組成數(shù)據(jù)，所述光譜分析步驟通過計(jì)算所述肉類樣品對(duì)兩種不同波
長的近紅外光的吸光度差來分析所述肉類樣品的結(jié)構(gòu)組成數(shù)據(jù)；以及
數(shù)據(jù)融合步驟：將所述菌斑面積與培養(yǎng)基面積的比值以及所述肉類樣品
的結(jié)構(gòu)組成數(shù)據(jù)代入一預(yù)設(shè)的運(yùn)算法則中進(jìn)行融合運(yùn)算，以輸出一實(shí)際輸出
值，所述實(shí)際輸出值用以表征所述肉類樣品的質(zhì)量。
7.如權(quán)利要求6所述的肉類質(zhì)量檢測(cè)方法，其特征在于，所述采集步驟
和培養(yǎng)基提取步驟之間還包括以下步驟：
提取所述脂肪組織圖像中的綠色通道，并將提取的只有綠色通道的圖像
轉(zhuǎn)換為8位的灰度圖像；以及
通過霍夫變換法從所述灰度圖像中提取一只包含脂肪組織圖像的圓形區(qū)
域或一橢圓形區(qū)域作為所述培養(yǎng)基。
8.如權(quán)利要求6所述的肉類質(zhì)量檢測(cè)方法，其特征在于，所述數(shù)據(jù)融合
步驟包括：
通過一神經(jīng)網(wǎng)絡(luò)單元的輸入層接收所述培養(yǎng)基中的菌斑面積與培養(yǎng)基面
積的比值以及所述肉類樣品的結(jié)構(gòu)組成數(shù)據(jù)；
將所述培養(yǎng)基中的菌斑面積與培養(yǎng)基面積的比值以及所述肉類樣品的結(jié)
構(gòu)組成數(shù)據(jù)代入一預(yù)設(shè)的運(yùn)算法則中進(jìn)行融合運(yùn)算，以得到一實(shí)際輸出值；
找到與接收的數(shù)據(jù)最接近的訓(xùn)練樣本，并運(yùn)算對(duì)應(yīng)該訓(xùn)練樣本的期望輸
出值和所述實(shí)際輸出值之間的誤差值，所述訓(xùn)練樣本包括一菌斑面積與培養(yǎng)
基面積的比值數(shù)據(jù)和對(duì)應(yīng)的樣本結(jié)構(gòu)組成數(shù)據(jù)，各期望輸出值是將對(duì)應(yīng)的訓(xùn)
練樣本中的數(shù)據(jù)代入所述預(yù)設(shè)運(yùn)算法則中計(jì)算出的值，代表不同樣本的質(zhì)量；
判斷所述實(shí)際輸出值與所述期望輸出值之間的誤差值是否在一允許的誤
差范圍內(nèi)；
如果所述實(shí)際輸出值與所述期望輸出值之間的誤差值在所述允許的誤差
范圍內(nèi)，由所述神經(jīng)網(wǎng)絡(luò)單元的一輸出層輸出所述實(shí)際輸出值；以及
如果所述實(shí)際輸出值與所述期望輸出值之間的誤差值不在所述允許的誤
差范圍內(nèi)，改變所述預(yù)設(shè)運(yùn)算法則的權(quán)值，并重新將所述培養(yǎng)基中的菌斑面
積與培養(yǎng)基面積的比值以及所述肉類樣品的結(jié)構(gòu)組成數(shù)據(jù)代入所述預(yù)設(shè)的運(yùn)
算法則中進(jìn)行融合運(yùn)算，直至計(jì)算得到的實(shí)際輸出值與所述期望輸出值之間
的誤差值在所述允許的誤差范圍內(nèi)，再由所述輸出層輸出符合條件的實(shí)際輸
出值。