顾晓雯

摘 要：为了保证食品种类分析检测工作的质量，应认识到图像识别处理技术的特点，并能结合实际的食品种类检测工作需要以及这种技术在应用方面标准，制定科学的图像识别分析检测技术应用方案。本文就图像识别类型的食品种类分析检测技术进行了分析。关键词：图像识别；食品；检测食品加工原料的种类以及质量直接决定了食品产品的口感、含有的营养元素种类、食品的安全质量。为了保证现代消费者的个人安全，需要食品检验部门能更有效的对食品进行检验。但由于过去食品检验工作存在一定的局限性，影响了食品安全监管的质量，因此目前在食品安全监管方面出现图像识别类型的食品检验技术，让食品安全得到更有利的保证。1 图像识别类型食品种类分析检测技术分析食品行业在人口数量庞大的我国一直是一个重要的产业，在种植技术发展趋向于现代化以及机械化之后，各种农作物的实际产量在持续提升、食品加工工艺的自动化程度也在加强，让人们在选择食品的时候有了更多的选择空间。在现代食品生产领域有更多资本注入并且发展提速的阶段，也出现了一些不法商家，为了能获得更多的利润，生产中使用劣质原材料进行食品加工生产，影响食品的安全性，也危害到了消费者自身的健康。为了防止这一类劣质产品继续在市场上流通，需要食品安全方面的检验人员能采用图像识别类型的检测技术，强化對食品的安全检查工作质量。在过去的食品种类分析检测当中，主要采用的分析技为直接检测技术以及化学类型的检测技术，这两种食品种类分析检测的方法在实际运用中存在差别。直接检测技术在运用的时候，需要检测人员深入到农作物种植田地，并在田地环境中对农作物的实际生长情况进行记录分析，这种类型食品种类分析检定方式存在工作量繁重、人工判断可靠性偏低的局限，并且在现代食品加工中出现了众多食品精加工以及深加工工艺，在经过这些加工之后，也就难以精准的判断出食品加工生产的原料质量。因而在过去的食品安全检验中，主要会采用化学类型的食品种类分析检测方式，也就是运用化学试剂、蛋白电脉冲、化学荧光定量类型分析方式进行检测，这种分析方式虽然具有良好的准确性，但这种检测设备所需要的设备往往造价较高，并且需要操作人员有扎实的操作技术功底。而现代数据分析处理技术的发展完善也对食品加工产业产生了影响，能让食品种类分析检测工作进入数据化的时代。图像识别类型的食品种类分析检测技术就是集合了现代数据分析技术以及图像识别技术的新型食品安全监管模式，推进了食品种类分析检测技术发展。2 图像识别类型食品种类分析检测技术设计方案分析目前食品种类分析检测中运用的图像识别分析检测技术在实际运用中需要众多环节协助完成，现代一般会将食品安全检测技术划分为三个组成部分。首先是信息录入部分，利用高质量的摄像或者是扫描设备进行图像采集，之后再将采集到的图像信息转化成电信号。在图像识别分析检测系统的第二部分中，会对采集到的图像信息进行处理，强化图像的质量，这一部分的图像操作中常包含对信号信息的强化处理、过滤处理以及平滑处理，以期通过这种类型的处理方式让图像中的特征信息更加明显，而让干扰信息的得到有效控制。最后一步就是在前期操作的基础上，对相应的图像信息进行分析并获得相应的数据内容。其中，电荷耦合器件摄像机为食品图像采集及信号转换设备，将数字信号传递给数据采集器。监控计算机为整个系统的核心部件，控制整个过程的正常运作，若无异常，则将检测过程及结果通过显示器传递给操作人员，如有必要，可通过打印机将结果打印；若发现异常，则通过报警装置将警报信息传递给操作人员，操作人员查看情况后利用键盘输入解除警报。3 图像识别技术处理过程分析3.1 数据图像获取过程图像识别技术中第一部分为图像获取，采集的图像一般为模拟图象，其信息是由图像上点的光强体现，图像元素又简称为像素，以图像原本色素和灰度编码组成，图像按像素分成不同小区域，这种虚拟信号计算机无法直接处理，必须要转化成计算机能够接受并处理的数字信号。3.2 图像预处理及特征提取过程图像识别技术中第二部分为计算机获得可处理的量化离散型数字图像，预处理过程一般包括图像变换，即将图像转换至变化域或空间域，利用变化域或空间域的特质，更加准确有效提取图像特征；图像增强，即强化目标信息，改善图像原本视觉效果，利于计算机处理；图像去噪，即尽量去除图像中的降质，改善图像尤其是退化图像的质量；图像数据压缩，即在图像传输和存储过程中根据信号数码对图像进行合理有效压缩，减少容纳数据集合所需要的空间；图像边缘检测，即根据图像灰度突变的像素集合，收集图像边缘蕴含的内在信息。图像背景分割的目的是将图像进行边界分割，形成有用区域和无用区域，图像边界包含了不同区域间的所有边界，是图像信息的集合。图像分割一般采用阈值分割法，即将图像灰度划分成多个等级，利用不同区域间灰度值的区别，先假设某一个或多个灰度值作为阈值，目标和背景灰度值落在不同区间，根据区间设定找出该图像实际阈值，进而将图像目标从背景中分离。3.3 图像识别技术图像特征参数计算图像识别技术中第三部分为特征识别，由于图像模式特征不同，可选择不同的识别方法，例如模式匹配法，即根据待识别图像绘制标准模板输入计算机，将图像与模板进行比对，进而进行分析判断；统计识别法，即提取图像数字信号中的特征信息，利用统计原理设定参数，对图像样本参数进行统计及识别；模糊识别法，即利用模糊集理论对图像特征进行推广，同时引进不同算法，形成系统性的理论框架及内容，解决图像识别问题；人工神经网络识别法，即对于有特征部分的图像，采用神经网络分辨能力直接进行特征提取，对于没有特征部分的图像，去除特征提取环节，直接将图像输入神经网络，利用模式维数对图像进行分析，这种方法是传统图像提取分析法的延伸和推广。4 结束语食品的安全性关系着居民的身体健康以及社会未来的发展，需要食品种类检测部门能不断的优化食品安全检测技术，推动食品检测工作发展。在落实食品种类分析检测技术的时候，要能认识到要注意这项技术的特点以及食品检测工作的实际需要，从检测技术完善和检测人员专业性强化两方面入手，使食品安全检测技术能真正的获得全面发展。参考文献[1]顾理琴.基于图像识别技术的食品种类检测方法[J].食品研究与开发，2017，38（2）：186-189.[2]霍志林.食品安全追溯系统中的蔬菜种类识别方法研究[D].中国计量大学，2016.[3]金声琅.显微图像识别技术快速检测食品细菌总数的研究[D].吉林大学，2006.[4]方波，吕秀凤，程春明，等.基于动态拍照的食品图像识别技术研究[J].家电科技，2016（4）：72-75.