(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210263992.1 (22)申请日 2022.03.17 (65)同一申请的已公布的文献号 申请公布号 CN 114359539 A (43)申请公布日 2022.04.15 (73)专利权人 广东省农业科 学院农业质量标准 与监测技 术研究所 地址 510665 广东省广州市天河区金颖路 20号 (72)发明人 徐赛　陆华忠　梁鑫　 (74)专利代理 机构 广州市科丰知识产权代理事 务所(普通 合伙) 44467 专利代理师 罗啸秋 (51)Int.Cl. G06V 10/22(2022.01)G06V 10/26(2022.01) G06V 10/44(2022.01) G06V 10/58(2022.01) G06V 10/774(2022.01) G06V 10/764(2022.01) G06V 20/68(2022.01) G06K 9/62(2022.01) G01N 21/25(2006.01) (56)对比文件 US 2008064058 A1,20 08.03.13 审查员 邱立英 (54)发明名称 一种生鱼片中寄生虫高光谱图像智能识别 方法 (57)摘要 本发明属于光学检测技术领域， 公开了一种 生鱼片中寄生虫高光谱图像智能识别方法， 所述 方法具体包括如下步骤： 步骤1： 获取生鱼片的 300～1100nm范围内的高光谱图像； 步骤2： 提取 高光谱图像在437～446nm波长中任一波长值时 的灰度图像； 对灰度图像进行中值滤波、 二值化 处理， 可得到图像中鱼肉的位置范围； 步骤3： 提 取高光谱图像中位置范围的像素点的光谱信号， 将光谱信号进行一阶导数处理后得到一阶导数 平均光谱信号， 将一阶导数平均光谱信号导入到 预设的第一模型、 第二模型、 第三模型中进行分 析。 该方法可精确度高的分辨出鱼片中的虫体 。 权利要求书1页 说明书4页 附图2页 CN 114359539 B 2022.06.21 CN 114359539 B 1.一种生鱼片中寄生虫高光谱图像智能识别方法， 其特征在于， 所述方法具体包括如 下步骤： 步骤1： 获取生鱼片的3 00～1100nm范围内的高光谱图像； 步骤2： 提取高光谱图像在437nm波长值时的灰度图像； 对灰度图像进行中值滤波、 二值 化处理， 可得到图像中鱼肉的位置范围； 步骤3： 提取高光谱图像 中位置范围的像素点的光谱信号， 将光谱信号进行一阶导数处 理， 将一阶导数处理后的光谱信号导入到预设的第一模型、 第二模型、 第三模型中进行分 析； 第一模型用于对484.88～655.95  nm范围内的一阶导数平均光谱信号进行分析， 以表 征虫体、 鱼肉的边 缘和鱼肉； 第二模型用于对368.37～461.18nm范围内的一阶导数平均光谱信号进行分析， 以表征 虫体和鱼肉； 第三模型用于对892.64～1002.86nm范围内的一阶导数平均光谱信号进行分析， 以表 征虫体和鱼肉的边 缘； 通过第一模型、 第二模型、 第三模型识别该生鱼片中是否有寄生虫。 2.根据权利要求1所述的生鱼片中寄生虫高光谱图像智能识别方法， 其特征在于， 所述 高光谱图像中有M *N个像素点， 每 个像素点具有光谱信号； 步骤2具体为： 提取每个像素点的光谱信号在437nm波长值时的灰度 值， 将M*N个像素点 的光谱信号在437nm波长值时的灰度值组合 成为一个灰度图像； 对灰度图像进 行中值滤波、 二值化处理、 黑白翻转得到黑白图像， 可 得到黑白图像中鱼肉的位置范围。 3.根据权利要求1所述的生鱼片中寄生虫高光谱图像智能识别方法， 其特征在于， 所述 步骤3中第一模型、 第二模型、 第三模型的训练方法为： 步骤31： 预 先获取训练用的生鱼片的高光谱图像； 步骤32： 将高光谱图像中的鱼肉、 虫体、 鱼肉边 缘的像素点进行 标识和分别取 出； 步骤33： 将步骤32得到的各像素点 的484.88～655.95  nm范围内的一阶导数平均光谱 信号导入到第一模 型中进行训练， 将步骤32得到的像素点的368.37～461.18nm范围内的一 阶导数平均光谱信号导入到第二模型中进行训练， 将步骤32得到的像素点的892.64～ 1002.86nm范围内的一阶导数平均光谱信号 导入到第三模型中进行训练； 所述一阶导数平均光谱信号是指多条经过一阶导数处理的光谱信号在各波长处的响 应值的集 合。 4.根据权利要求1所述的生鱼片中寄生虫高光谱图像智能识别方法， 其特征在于， 所述 步骤3中的将光谱信号进行一阶导数处 理的具体方法为： 先对步骤3中的光谱信号进行SG平滑滤波处理、 SNV校正处理， 最后进行一阶导数求导 处理即可。 5.根据权利要求1所述的生鱼片中寄生虫高光谱图像智能识别方法， 其特征在于， 所述 步骤3还包括： 根据第一模 型、 第二模 型、 第三模 型所识别出属于虫体的像素点， 得到虫体的 所代表的像素点的集 合以及该像素点的位置 。权　利　要　求　书 1/1 页 2 CN 114359539 B 2一种生鱼片中寄生虫高光谱图像智能识别方 法 技术领域 [0001]本发明涉及 光学检测技术领域， 具体为一种生鱼片中寄生虫高光谱图像智能识别 方法。 背景技术 [0002]CN201980030718.6公开了一种用于识别和任选地定量生物来源的离散对 象的方 法和系统， 所述生物 来源为诸如细胞、 细胞质结构、 寄生虫、 寄生虫卵等， 它们典型地是显微 分析的对象。 其可以以用于训练计算机识别样本中的目标生物材料 的方法的形式来实施。 该方法可以包括访问多个训练图像， 所述训练图像通过包含目标生物材料和任选地 非目标 生物材料的一个或多个样本的光学显微术获得。 训练图像由人类或计算机裁剪以产生裁剪 图像， 每个裁剪图像主要显示目标生物材料。 然后， 人类在可能识别的裁剪图像中的每一个 中识别目标生物材料， 并将识别标签与可能识别的裁剪图像中的每一个相关联。 然后， 将 计 算机实现的特征提取方法应用于每个标记的裁剪图像。 然后， 将计算机实现的学习方法应 用于每个标记的裁 剪图像， 以将生物材 料的提取 特征与目标生物材 料相关联。 [0003]具体到鱼片中的虫卵识别中， 上述方法存在 如下问题： [0004]参考图1， 图1中， 虫卵和鱼片边缘 的颜色相对较难分辨； 参考图2， 图2示出了生鱼 片区域不同对象的原始平均光谱信号， 图2中的光谱信号难于 分辨和区别， 无法实现虫体的 分辨。 [0005]本方案所要解决的技 术问题是： 如何准确的分辨出鱼片中虫体。 发明内容 [0006]本发明的目的在于提供一种生鱼片中寄生虫高光谱图像智能识别方法， 该方法可 精确度高的分辨出鱼片中的虫体。 [0007]为实现上述目的， 本发明提供如下技术方案： 一种生鱼片中寄生虫高光谱图像智 能识别方法， 所述方法具体包括如下步骤： [0008]步骤1： 获取生鱼片的3 00～1100nm范围内的高光谱图像； [0009]步骤2： 提取高光谱图像在437～446nm波长中任一波长值时 的灰度图像； 对灰度图 像进行中值滤波、 二 值化处理， 可得到图像中鱼肉的位置范围； [0010]步骤3： 提取高光谱图像中位置范围的像素点的光谱信号， 将光谱信号进行一阶导 数处理， 将一阶导数 处理后的光谱信号导入到预设的第一模型、 第二模型、 第三模型中进 行 分析； [0011]第一模型用于对484.88～655.95  nm范围内的一阶导数平均光谱信号进行分析， 以表征虫体、 鱼肉的边 缘和鱼肉； [0012]第二模型用于对368.37～461.18nm范围内的一阶导数平均光谱信号进行分析， 以 表征虫体和鱼肉； [0013]第三模型用于对892.64～1002.86nm范围内的一阶导数平均光谱信号进行分析，说　明　书 1/4 页 3 CN 114359539 B 3