在家禽机械化屠宰加工过程中,家禽胴体表面极易受到肠道粪便、胆汁、血液的污染。有些污染物会受到胴体表面残留水分的稀释而成为低可见物,很难被人工或常规的机器视觉检测出来,存在很大的安全隐患。因此,必须研究出有效的检测方法,将受到污染的家禽检测出来,将其剔除或进行适当的处理才能确保家禽肉制品的安全。高光谱图像由于同时具备空间信息和很高的光谱分辨度已广泛地应用于检测研究领域,成为智能化生产的有力工具。本论文通过对高光谱图像数据的采集、分析、建模、和图像处理等,构建了一套鸡胴体表面污染物特征识别的方法,提出了三种检测算法:①利用连续投影(SPA)-多元线性回归(MLR)-受试者特性分析(ROC)分类器进行模型化识别污染区域的方法;②构建高光谱二维谱结合二维散点图识别稀释污染物的方法;③基于区域特征构建了自适应感兴趣区的分割方法,并在污染物具有最大识别度的波段实现了低浓度、低可见污染物的识别。主要的研究内容和结果如下:1、构建了可以模型化提取污染物特征的SPA-MLR-ROC分类器算法。SPA-MLR-ROC分类器借助更加丰富的光谱信息获得了高真阳性率(真阳性率:实际是污染点也被算法正确地判为污染点的数量占所有实际污染点数量的百分比)和低假阳性率(假阳性率:实际是非污染点而被检测算法错误地判断为污染点的假阳性点数量占所有非污染点数量的百分比)。算法流程为:由高光谱图像系统获取用于训练和验证的鸡胴体高光谱图像。通过SPA选取12个识别污染物的特征波段(505,537,561,562,564,575,604,627,656,665,670,和689 nm),利用MLR构建分类器的回归模型,ROC分析结果显示T=1为SPA-MLR-ROC分类器的最优阈值。与线性的连续投影(SPA)-偏最小二乘回归(PLS)-受试者特性分析(ROC)分类器以及非线性的连续投影(SPA)-最小二乘支持向量机分类器(LS-SVM)相比,SPA-MLR-ROC分类器具有最优性能,污染区域识别率可以达到100%,而像素级别的假阳性率仅有0.392%。2、构建了高光谱二维相关谱,并利用二维散点图对稀释的污染物进行识别检测。鸡胴体表面污染物被水稀释后,污染物的光谱特征变弱,则可以通过将高光谱的谱维度扩展到二维,从而提取出最能反映污染物特征的波段构建二维散点图,在二维散点图中通过阈值分割识别污染区域像素。算法流程为:首先,在采集的高光谱数据中,选择一个由非污染皮肤像素构成的集合,和分别由血液、胆汁、盲肠、十二指肠粪便污染区域像素构成的四个集合,共同构成训练集。其中非污染训练集合的平均光谱作为原始光谱,而各个污染区域像素的平均光谱分别构成四个变化光谱,变化光谱与原始光谱之间的差值为差异光谱,用于相关性分析。在高光谱2D相关光谱中,两个最大的自动峰,和其对应的一对儿交叉峰出现在656nm和474nm处,由于这两个波段是无污染的皮肤对于污染物的添加最为敏感的波段,因此被选取为特征波段。在474和656nm空间中的2D散点图,非污染像素、污染像素、和背景像素具有不同的分布规律,以此利用阈值分割将污染像素识别出来。根据ROC的分析,如果将656 nm波段的反射率大于0.5,而474 nm波段的反射率小于0.3的像素判定为污染像素,同时规定一个连通区域中如果有大于50个像素被检出,则此区域在检测结果图中被标记为检出污染区,利用这种方法,污染区域检出率可以达到95.03%,而像素级别的假阳性率仅有0.82%。3、提出了基于区域特征的双波段算法检测低浓度、低可见污染物。如果鸡胴体表面污染物与水1:2稀释后,则污染物与皮肤的反差很小,皮肤褶皱和组织连接处等区域产生的假阳性点会对检测结果造成不容忽视的影响,因此可以根据检测需要,定向提取污染物出现概率最高的胸腹部,最大程度的避开容易产生假阳性点的区域,降低假阳性率。双波段特征提取算法中,一个波段用于掩膜,从而获得能够根据鸡胴体形状及位置自适应调节的最大感兴趣区ROI(RegionofInteresting)。另一个波段是基于污染区域具有最大识别度的原则提取出来的,用于识别污染物。检测结果显示这种算法可以有效地提取污染特征,实现高光谱图像中低可见污染区域的识别任务。算法流程为:首先,在所采集的高光谱数据中,选择ROI内光谱的同一性最好、同时与边缘区域平均光谱差值最大的675 nm波段图像进行二值化处理,利用区域生长法提取最大连通区域作为掩膜。再将掩膜与污染物可分辨度最大的400 nm波段图像进行“与”操作,提取出最大面积的鸡胴体待检ROI,最后利用标记法识别出ROI内有污染物存在的鸡胴体。试验结果表明,采用这种双波段算法,不仅可以获得能够根据鸡胴体形状及位置自适应调节的最大ROI,而且对鸡胴体表面低可见的血液、胆汁和粪便污染区域的正确检出率平均可达81.6%。4、探讨了基于污染物识别度提取检测特征波段的方法在五种标准光源(卤素光源、D65、TL84、CWF、以及U30)照射条件下的适用性,同时对比了双波段检测算法在两种高光谱图像系统中的检测结果。研究结果显示每种污染物识别度最高的特征波段在不同光源照射条件下保持了一致性;双波段检测方法的污染区域检出率在采用EMCCD相机和卤素光源的高光谱图像系统中与采用CCD高光谱相机和LED光源的高光谱系统中也保持了一致。可见恰当的特征提取方法不受光照条件的限制,因而能够更好地适应复杂的检测环境。构建的每种算法的检测对象都不局限于某种类型的污染物,都可以同时检测胴体表面涂布的所有类型的污染区域。在实际生产中可以根据不同的需要选择不同的检测算法。如果要求高精度地检出胴体表面较为明显的污染区域,则可以选择SPA-MLR-ROC分类器;如果需要检测出被水稀释后的污染物,则可以选择二维散点图算法;如果要求检测出胴体表面浓度很低,可见度很差的污染区域,则要选择双波段检测方法。