本發(fā)明屬于營(yíng)養(yǎng)檢測(cè)、模式識(shí)別和計(jì)算機(jī)視覺(jué)，涉及一種虹鱒魚(yú)片肌間脂肪含量預(yù)測(cè)模型及其構(gòu)建方法與應(yīng)用，具體涉及一種基于計(jì)算機(jī)視覺(jué)的虹鱒魚(yú)片肌間脂肪含量預(yù)測(cè)模型的構(gòu)建方法。本發(fā)明構(gòu)建通過(guò)彩色圖像測(cè)定虹鱒魚(yú)片肌間脂肪含量的預(yù)測(cè)模型，并將該模型應(yīng)用在虹鱒肉質(zhì)選育方面。

背景技術(shù)：

1、虹鱒作為一種在全球范圍內(nèi)廣泛養(yǎng)殖的冷水性經(jīng)濟(jì)魚(yú)類，以其豐富的優(yōu)質(zhì)蛋白和多不飽和脂肪酸含量而深受國(guó)內(nèi)外消費(fèi)者的喜愛(ài)。自1959年被引入中國(guó)以來(lái)，虹鱒養(yǎng)殖業(yè)已在全國(guó)超過(guò)20個(gè)省份得到推廣和發(fā)展，形成了以高原水庫(kù)及山區(qū)淡水池塘為主要養(yǎng)殖環(huán)境的特定模式。此外，近年來(lái)，隨著對(duì)黃海冷水團(tuán)的有效開(kāi)發(fā)以及深海養(yǎng)殖網(wǎng)箱技術(shù)的成功應(yīng)用，中國(guó)鮭鱒魚(yú)類養(yǎng)殖產(chǎn)業(yè)正從傳統(tǒng)陸基養(yǎng)殖向海洋深水養(yǎng)殖進(jìn)行轉(zhuǎn)變。

2、在過(guò)去幾十年里，隨著虹鱒養(yǎng)殖產(chǎn)量的穩(wěn)步增長(zhǎng)，虹鱒水產(chǎn)養(yǎng)殖行業(yè)的重心從提高產(chǎn)量轉(zhuǎn)向提高魚(yú)片的質(zhì)量。魚(yú)肉的脂肪含量是影響其質(zhì)量的關(guān)鍵因素，影響著口感、風(fēng)味、色澤和保質(zhì)期等屬性。虹鱒魚(yú)片的脂肪含量約為4～18％。在特定范圍內(nèi)，增加魚(yú)肉中的脂肪含量可提高魚(yú)片的風(fēng)味和整體可接受度。然而，過(guò)多的脂肪含量會(huì)帶來(lái)加工上的挑戰(zhàn)，導(dǎo)致魚(yú)片的硬度降低、油膩感增加以及魚(yú)腥味增強(qiáng)。在虹鱒魚(yú)片中，脂肪主要位于結(jié)蹄組織中的白色條紋內(nèi)，稱為肌間脂肪，將紅色肌肉組織分隔成垂直塊，使得魚(yú)片呈現(xiàn)明顯的紅白相間條紋狀圖案。在畜牧動(dòng)物中，肉塊的肌間脂肪較厚并影響口感，從而在加工過(guò)程中被去除。與此不同，虹鱒等鮭科魚(yú)類魚(yú)片會(huì)保留肌間脂肪，由此產(chǎn)生的紅白條紋是消費(fèi)者評(píng)估魚(yú)片質(zhì)量的關(guān)鍵指標(biāo)。

3、肌間脂肪含量是影響虹鱒魚(yú)片品質(zhì)和風(fēng)味的重要因素，但現(xiàn)在缺乏有效快捷的測(cè)定方法。目前用于測(cè)量虹鱒魚(yú)片肌間脂肪含量的方法有限，主要是由于分離肌間脂肪和肌肉異常困難，需要投入大量的時(shí)間和人力成本。x射線計(jì)算機(jī)斷層掃描和磁共振成像等技術(shù)可以提供關(guān)于魚(yú)片中肌間脂肪分布的信息，但這些方法的設(shè)備昂貴。

4、基于此，本發(fā)明提供一種虹鱒魚(yú)片肌間脂肪含量測(cè)定方法，大幅提升了虹鱒魚(yú)片肌間脂肪含量測(cè)定的效率和準(zhǔn)確率，將有力推動(dòng)虹鱒肉質(zhì)性狀育種工作的發(fā)展。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于解決現(xiàn)有技術(shù)中存在的上述問(wèn)題，提出了一種虹鱒魚(yú)片肌間脂肪含量預(yù)測(cè)模型及其構(gòu)建方法與應(yīng)用，采用本發(fā)明模型能夠精準(zhǔn)預(yù)測(cè)虹鱒魚(yú)片肌間脂肪含量，r2可達(dá)90％以上，真實(shí)值和預(yù)測(cè)值皮爾森相關(guān)系數(shù)大于0.9，5折交叉驗(yàn)證表明模型穩(wěn)定性大于0.7，具有良好泛化能力。

2、本發(fā)明的技術(shù)方案是：

3、一種虹鱒魚(yú)片肌間脂肪含量預(yù)測(cè)模型的構(gòu)建方法，包括以下步驟：

4、s1、統(tǒng)一拍照箱的拍照環(huán)境，選取虹鱒魚(yú)片樣本置于拍照箱內(nèi)，對(duì)樣本橫截面進(jìn)行俯拍，獲得樣本圖像，圖像大小為6016*4016像素；

5、s2、結(jié)合圖像紅色通道信息去除圖像背景，設(shè)為透明；將透明背景圖像利用藍(lán)色通道信息進(jìn)行二值化，將脂肪區(qū)塊設(shè)為白色，肌肉區(qū)塊設(shè)為黑色，統(tǒng)計(jì)白色像素點(diǎn)占二值化圖片總像素點(diǎn)的比例，記為圖片肌間脂肪比例iimf％；

6、其中，計(jì)算圖片肌間脂肪百分比(iimf％)如下：iimf％＝肌間脂肪面積像素/(肌間脂肪面積像素+肌肉面積像素)。

7、s3、從步驟s2得到的透明背景圖像提取圖像的色彩信息，即圖像的特征參數(shù)，包括紅色通道(r)的平均值及標(biāo)準(zhǔn)差、綠色通道(g)的平均值及標(biāo)準(zhǔn)差、藍(lán)色通道(b)的平均值及標(biāo)準(zhǔn)差、色相(h)的平均值及標(biāo)準(zhǔn)差、飽和度(s)的平均值及標(biāo)準(zhǔn)差、亮度(i)的平均值及標(biāo)準(zhǔn)差、明度通道(l)的平均值及標(biāo)準(zhǔn)差、綠紅通道(a)的平均值及標(biāo)準(zhǔn)差、藍(lán)黃通道(b)的平均值及標(biāo)準(zhǔn)差；

8、s4、通過(guò)人為切割虹鱒魚(yú)片樣本肌肉和肌間脂肪，分別對(duì)其稱重，計(jì)算肌間脂肪含量真實(shí)值imf％；

9、s5、根據(jù)iimf％、圖像特征參數(shù)和肌間脂肪含量真實(shí)值imf％建立隨機(jī)森林模型，對(duì)模型進(jìn)行優(yōu)化和訓(xùn)練，得到預(yù)測(cè)虹鱒魚(yú)片肌間脂肪含量的模型。

10、進(jìn)一步的，所述步驟s1中，以成年虹鱒作為樣本來(lái)源，取不少于110塊的背部和腹部魚(yú)片，每塊大小為4cm*3cm。

11、上述魚(yú)片的數(shù)量為110塊或更多，通過(guò)擴(kuò)充虹鱒魚(yú)片樣本數(shù)量，從而對(duì)模型進(jìn)行優(yōu)化。通過(guò)不斷增加樣本量進(jìn)行模型訓(xùn)練，可不斷提高模型的準(zhǔn)確率，精度和穩(wěn)定性。

12、進(jìn)一步的，所述步驟s1中，采用led燈調(diào)節(jié)拍照箱內(nèi)光照，使用黑色吸光板作為背景，統(tǒng)一拍照環(huán)境。

13、進(jìn)一步的，所述步驟s2中，將圖像導(dǎo)入python軟件進(jìn)行處理，分離圖片rgb通道，利用圖像的r通道閾值區(qū)分前景和背景，r值大于150為前景，r值小于150識(shí)別為背景，將背景像素點(diǎn)轉(zhuǎn)為透明像素。

14、進(jìn)一步的，所述步驟s2中，將得到的透明背景圖像利用藍(lán)色通道信息進(jìn)行二值化，對(duì)于每個(gè)像素點(diǎn)，將b通道值大于140的像素點(diǎn)識(shí)別為脂肪區(qū)塊，轉(zhuǎn)為白色像素點(diǎn)，將b通道值小于140的像素點(diǎn)識(shí)別為肌肉區(qū)塊，轉(zhuǎn)為黑色像素點(diǎn)，然后將其轉(zhuǎn)化為灰度格式，對(duì)灰度圖像中的每個(gè)像素進(jìn)行局部分析，檢查一個(gè)11x11的鄰域中白色和黑色像素的數(shù)量，如果黑色像素的數(shù)量超過(guò)一個(gè)閾值5，則將當(dāng)前像素設(shè)置為黑色，從而進(jìn)一步凈化圖像。

15、進(jìn)一步的，所述步驟s5中，將步驟s2獲得的iimf％和步驟s3獲得的所有圖像的特征參數(shù)作為預(yù)測(cè)變量，將步驟s4獲得的imf％作為目標(biāo)變量，構(gòu)建隨機(jī)森林模型。

16、進(jìn)一步的，所述步驟s5中，通過(guò)gridsearchcv進(jìn)行參數(shù)優(yōu)化，尋找最佳的樹(shù)數(shù)量、最大深度、內(nèi)部節(jié)點(diǎn)分裂所需的最小樣本數(shù)和葉節(jié)點(diǎn)所需的最小樣本數(shù)，優(yōu)化過(guò)程基于5折交叉驗(yàn)證和r2分?jǐn)?shù)作為評(píng)分標(biāo)準(zhǔn)，使用最佳模型參數(shù)的隨機(jī)森林回歸器與selectfrommodel，基于中位數(shù)閾值選擇重要特征，進(jìn)行特征選擇，并將選擇的特征用于模型的重新訓(xùn)練，使用5折交叉驗(yàn)證評(píng)估所選擇特征下模型的穩(wěn)定性。

17、本發(fā)明還提供了采用上述構(gòu)建方法構(gòu)建得到的虹鱒魚(yú)片肌間脂肪含量預(yù)測(cè)模型。

18、本發(fā)明又提供了采用上述構(gòu)建方法構(gòu)建得到的虹鱒魚(yú)片肌間脂肪含量預(yù)測(cè)模型在虹鱒選育方面的應(yīng)用。

19、本發(fā)明的有益效果：

20、本發(fā)明是基于計(jì)算機(jī)視覺(jué)快速測(cè)定虹鱒魚(yú)片肌間脂肪的含量，利用虹鱒魚(yú)片圖片rgb色彩信息去除圖片背景，并將圖片二值化，獲得肌間脂肪分布特征及占比，并提取圖片18個(gè)色彩特征值，根據(jù)特征值和實(shí)際脂肪含量測(cè)定值建立虹鱒魚(yú)片肌間脂肪含量隨機(jī)森林模型，最后通過(guò)該模型對(duì)虹鱒魚(yú)片肌間脂肪含量進(jìn)行預(yù)測(cè)，實(shí)現(xiàn)了對(duì)虹鱒魚(yú)片肌間脂肪含量快速、準(zhǔn)確的測(cè)量。

21、利用本發(fā)明模型能夠很好地預(yù)測(cè)虹鱒魚(yú)片肌間脂肪含量，應(yīng)用于虹鱒肉質(zhì)選育工作，具有良好的應(yīng)用意義。

技術(shù)特征：

1.一種虹鱒魚(yú)片肌間脂肪含量預(yù)測(cè)模型的構(gòu)建方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的構(gòu)建方法，其特征在于，所述步驟s1中，以成年虹鱒作為樣本來(lái)源，取不少于110塊的背部和腹部魚(yú)片，每塊大小為4cm*3cm。

3.根據(jù)權(quán)利要求1所述的構(gòu)建方法，其特征在于，所述步驟s1中，采用led燈調(diào)節(jié)拍照箱內(nèi)光照，使用黑色吸光板作為背景，統(tǒng)一拍照環(huán)境。

4.根據(jù)權(quán)利要求1所述的構(gòu)建方法，其特征在于，所述步驟s2中，將圖像導(dǎo)入python軟件進(jìn)行處理，分離圖片rgb通道，利用圖像的r通道閾值區(qū)分前景和背景，r值大于150為前景，r值小于150識(shí)別為背景，將背景像素點(diǎn)轉(zhuǎn)為透明像素。

5.根據(jù)權(quán)利要求1所述的構(gòu)建方法，其特征在于，所述步驟s2中，將得到的透明背景圖像利用藍(lán)色通道信息進(jìn)行二值化，對(duì)于每個(gè)像素點(diǎn)，將b通道值大于140的像素點(diǎn)識(shí)別為脂肪區(qū)塊，轉(zhuǎn)為白色像素點(diǎn)，將b通道值小于140的像素點(diǎn)識(shí)別為肌肉區(qū)塊，轉(zhuǎn)為黑色像素點(diǎn)，然后將其轉(zhuǎn)化為灰度格式，對(duì)灰度圖像中的每個(gè)像素進(jìn)行局部分析，檢查一個(gè)11x11的鄰域中白色和黑色像素的數(shù)量，如果黑色像素的數(shù)量超過(guò)一個(gè)閾值5，則將當(dāng)前像素設(shè)置為黑色，從而進(jìn)一步凈化圖像。

6.根據(jù)權(quán)利要求1所述的構(gòu)建方法，其特征在于，所述步驟s5中，將步驟s2獲得的iimf％和步驟s3獲得的所有圖像的特征參數(shù)作為預(yù)測(cè)變量，將步驟s4獲得的imf％作為目標(biāo)變量，構(gòu)建隨機(jī)森林模型。

7.根據(jù)權(quán)利要求1所述的構(gòu)建方法，其特征在于，所述步驟s5中，通過(guò)gridsearchcv進(jìn)行參數(shù)優(yōu)化，尋找最佳的樹(shù)數(shù)量、最大深度、內(nèi)部節(jié)點(diǎn)分裂所需的最小樣本數(shù)和葉節(jié)點(diǎn)所需的最小樣本數(shù)，優(yōu)化過(guò)程基于5折交叉驗(yàn)證和r2分?jǐn)?shù)作為評(píng)分標(biāo)準(zhǔn)，使用最佳模型參數(shù)的隨機(jī)森林回歸器與selectfrommodel，基于中位數(shù)閾值選擇重要特征，進(jìn)行特征選擇，并將選擇的特征用于模型的重新訓(xùn)練，使用5折交叉驗(yàn)證評(píng)估所選擇特征下模型的穩(wěn)定性。

8.根據(jù)權(quán)利要求1-7任一項(xiàng)所述構(gòu)建方法構(gòu)建得到的虹鱒魚(yú)片肌間脂肪含量預(yù)測(cè)模型。

9.根據(jù)權(quán)利要求1-7任一項(xiàng)所述構(gòu)建方法構(gòu)建得到的虹鱒魚(yú)片肌間脂肪含量預(yù)測(cè)模型在虹鱒選育方面的應(yīng)用。

技術(shù)總結(jié)
本發(fā)明屬于營(yíng)養(yǎng)檢測(cè)、模式識(shí)別和計(jì)算機(jī)視覺(jué)技術(shù)領(lǐng)域，涉及一種虹鱒魚(yú)片肌間脂肪含量預(yù)測(cè)模型及其構(gòu)建方法與應(yīng)用。選取虹鱒魚(yú)片樣本置于拍照箱內(nèi)，對(duì)樣本橫截面進(jìn)行俯拍，獲得樣本圖像；去除圖像背景，設(shè)為透明；將透明背景圖像進(jìn)行二值化，將脂肪區(qū)塊設(shè)為白色，肌肉區(qū)塊設(shè)為黑色，統(tǒng)計(jì)白色像素點(diǎn)占圖片總像素點(diǎn)的比例，記為圖片肌間脂肪比例IIMF％；提取圖像的特征參數(shù)；人為切割虹鱒魚(yú)片樣本肌肉和肌間脂肪，分別稱重，計(jì)算肌間脂肪含量真實(shí)值IMF％；根據(jù)IIMF％、圖像特征參數(shù)和IMF％建立隨機(jī)森林模型，預(yù)測(cè)肌間脂肪含量。利用本發(fā)明模型能夠很好地預(yù)測(cè)虹鱒魚(yú)片肌間脂肪含量，將該模型應(yīng)用在虹鱒選育方面，具有較好的應(yīng)用價(jià)值。

技術(shù)研發(fā)人員：田源,黃銘,高勤峰,姜文鑫,于弋甯,湯慶凱,王美君,曾祥兵,薛娜
受保護(hù)的技術(shù)使用者：中國(guó)海洋大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/2