图像纹理分析技术实现植物油掺假检测研究

何 鹏 万晓青 康子洋

图像纹理分析技术实现植物油掺假检测研究

何 鹏 万晓青 康子洋

（齐齐哈尔大学通信与电子工程学院，齐齐哈尔 161006）

针对目前部分不法商贩为了牟取利润在植物油中掺入动物油的现象，提出一种新的食用植物油掺假检测方法。采用频谱法、小波共生矩阵等技术提取图像纹理特征，运用SPSS中最小二乘法对混合油中胆固醇含量和图像纹理特征参数进行分析，研究表明两者之间有很强的相关性和最相关系数R2为0.975 9，从而建立两者之间的多元线性回归方程。其中小波共生矩阵被证明是分类识别样本图像的最有用技术。将运用本方法计算的混合油样本（随机选取市售的不同品牌植物油中掺入动物油）胆固醇含量值与运用标准化学方法测定值进行比较。结果表明两者之间的最大相对误差为5.75%。说明在误差允许范围内所提出的方法准确、可行。

植物油 胆固醇 纹理分析 图像识别

油脂是人类赖以生存的重要物质，我国是世界第一植物油消费大国。因此，食用植物油的品质与监管成为国计民生的大问题［1-2］。然而，近年来许多不法商贩为了牟取较大的利润，将动物油掺入到植物油中［3］。这些动物油部分来自于貂和狐狸等动物取皮之后剩余的肉类中炼制出来的，还有的是从鸡肠、鸭肠，甚至是病死动物的尸体中提炼出来的，从而导致食用油中毒事件屡见不鲜。目前一些社区非常关注动物脂肪的存在，尤其是猪油，从宗教信仰角度来看，伊斯兰教和犹太教禁止食用或消费含有猪油或任何猪派生成分的食品和其他产品［4］，上述存在的问题已引起全社会的广泛关注。此外食用动物油和植物油的混合油与《中国居民膳食指南2007》的推荐和国标中的规定不符［5-6］。从商业和健康角度来看检测植物油中掺杂动物油是非常重要的［7-8］。

目前国内外检测食用植物油掺假的主要方法有傅里叶变换红外光谱法、电子鼻法和差示扫描量热法等。这些方法在检测结果和识别率方面有很好的表现，但所应用的实验设备需专业人员操作且价格昂贵，无法得到普及应用。基于上述不足提出运用图像纹理分析技术检测植物油掺假的研究，目前国内外未发现运用该技术检测植物油掺假的相关研究。课题的研究积极响应科技部和财政部为贯彻落实《国家中长期科学和技术发展规划纲要（2006—2020）》组织实施的科技惠民计划。课题的研究成果可应用于清真食品市场和城乡镇早晚市场中煎炸食品所使用的油品，判断油品中是否掺杂动物油。

1 系统设计

为了实现实时检测试验样本，研制一套图像处理分析装置。试验设备主要包括：SH-301A加热搅拌器：台湾上泰（SUNTEX）有限公司；721型分光光度计：上海舜宇恒平有限公司；电热恒温水浴：金坛市晨阳电子仪器厂；无线发射摄像头：深圳市冠通安防技术有限公司；QQDVR图像采集卡：深圳市万道视讯科技有限公司；RADIO AV RECEIVER无限收发模块：NORDIC公司；自制圆柱桶。图像处理分析装置如下所示：

图1 图像处理分析装置

设计了一套密封试验装置，运用上述自制装置实现实时采集样本图像。该装置的主要功能是避免或者尽量减小光照等外界干扰因素对捕获油品图像时产生的干扰。该装置是一个可以自由移动的圆柱桶，副桶盖内侧嵌入两个高灵敏光源和高清CCD摄像头，主桶盖内侧安装总开关来控制装置的开启与闭合。桶壁被刷成黑色油漆以降低光源反光。此装置形成一个密闭环境，可以很好的降低外界环境的干扰。在计算机处理分析系统和图像捕获设备之间固定一个DSP板，板外扩展图像压缩模块、存储模块和无线收发模块，从而实现实时传输样本图像。

2 材料与方法

为了研究不同混合油样本的图像纹理特征参数与胆固醇含量之间的关系，具体试验设计如下。

2.1 试验材料

试验所用植物油样品购自齐齐哈尔油品市场。主要包括金龙鱼大豆油、福临门玉米油和金龙鱼葵花籽油。动物油为新鲜猪油、牛油和鸡油（来自于动物脂肪）。

2.2 试验步骤

混合油样本的制备：以大豆油中掺入不同比例猪油样本为例，试验步骤如下所示。

在制备猪油过程中容易存留残渣，使用75μm不锈钢筛进行分离以确保滤除猪油脂肪球。准备好大豆油、猪油和混合油，混合油为大豆油中分别掺入比例变化范围为2%到40%（98∶2、90∶10、80∶20和70∶30等）的猪油，共20组样本；使用磁石搅拌器以每分钟50、200、500和1 000转等的速度分别搅拌试验样本5 min；不同样本被置于95℃水浴锅中并保持10 min；将制备好的油样置于自制试验装置中，打开试验装置以5 s的间隔连续捕获不同样本图像。通过国标方法测定不同油品样本中的胆固醇含量［9］。

2.3 胆固醇含量的测定

溶液的准备：胆固醇标准储备液（1 mg／mL）：精确称取胆固醇100 mg，溶于冰乙酸中，并定容至100 mL。此液至少在2个月内保持稳定。胆固醇标准常备液（100μg／mL）：吸取胆固醇标准储备液10 mL，用冰乙酸定容至100 mL。临时配制该溶液。铁矾显色剂。铁矾储备液：溶解4.463 g硫酸铁铵［FeNH4（SO4）2·H2O］于 100 mL 85%磷酸中，贮于干燥器内，此液在室温中稳定。铁矾显色液：吸取铁矾储备液10 mL，用浓硫酸定容至100 mL。贮于干燥器内以防吸水。50%氢氧化钾溶液：称取50 g氢氧化钾，用蒸馏水溶解，并稀释至100 mL。5%氯化钠溶液：称取5 g氯化钠，用蒸馏水溶解，并稀释至100 mL。钢瓶氮气：纯度99.99%。

胆固醇标准线：吸取胆固醇标准常备液0.0、0.5、1.0、1.5、2.0 mL分别置于 10 mL试管内，在各管内加入冰乙酸使总体积皆达4 mL。沿管壁加入2 mL铁矾显色液，混匀，在15～90 min内，在560～575 nm波长下比色。以胆固醇标准浓度为横坐标，吸光度值为纵坐标做标准曲线。

食品脂肪的提取与测定：分别用索氏脂肪提取法、研磨浸提法和罗高氏法提取脂肪。并计算出每100 g食品中的脂肪含量。

食品胆固醇的测定：将提取的油脂3～4滴（约含胆固醇300～500μg），置于25 mL试管内，准确记录其重量。加入4 mL无水乙醇和0.5 mL 500 g／L氢氧化钾溶液，然后在65℃恒温水浴中皂化1 h。皂化时每隔20～30 min振摇1次使皂化完全。皂化完毕，取出试管，冷却。加入3 mL 5%氯化钠溶液，10 mL石油醚，盖紧玻塞，在电动振荡器上振摇2 min，静置分层。取上层石油醚液2 mL，置于10 mL具玻塞试管内，在65℃水浴中用氮气吹干，加入4 mL冰乙酸，2 mL铁矾显色液，混匀，放置15 min后在560～575 nm波长下比色，测得吸光度，在标准曲线上查出相应的胆固醇含量。结果计算如下所示：

式中：X为样品中胆固醇含量／mg／100 g；m为测得的吸光度值在胆固醇标准线上显示的胆固醇含量／μg；V为石油醚总体积／mL；V1为取出的石油醚体积／mL；m1为称取食品油脂样品量／g；c为试样中油脂含量／g／100 g；1／1 000为每100 g试样中胆固醇毫克数。

3 图像处理分析

本文将RGB图像模型转换为HIS模型，因为R、G、B 3个分量的相关性较大，从而使得在细节方面难以进行数字化调整，此外在处理数字图像时，HIS模型可以保留尽量丰富的色彩和宽阔的色域，因为该模型可在彩色图像中从携带的彩色信息（色调和饱和度）里消去强度分量的影响［10］。本研究主要采用纹理频谱法、分形维数、小波共生矩阵（基于小波、灰度共生矩阵和颜色特征相结合的技术）和改进的Hu不变矩技术来提取图像的纹理特征。

3.1 纹理的频谱度量

纹理的频谱度量是一种频域上易于识别的全局纹理模式，纹理的频谱对于判别周期和非周期纹理模式非常有用，对于量化两个周期模式间的差也非常有用。它们构成了整幅图像或所考虑区域的纹理的谱能量描述。

用极坐标表示频谱所得到的函数S（r，θ），其中S是频谱函数，r和θ是极坐标系中的变量。r为定值时，分析Sr（θ）可以得到以原点为中心的一个圆的频谱特性；θ为定值时，分析Sθ（r）可以得到从原点出发沿半径方向的频谱特性，通过求函数的积分（离散变量求和），可以得到全局描述［10］。

式中：R0为中心在原点的圆的半径。相同试验环境下不同油品样本的纹理频谱图如图2所示。

图2 不同油品样本的纹理频谱图

图2 中 a、b、c、d、e和 f分别表示大豆油、猪油和大豆油中掺入10%、20%、30%和50%比例猪油的混合油样本纹理频谱图。

3.2 图像的分形维数

Sarkar等［11］在分析众多分维数提取算法的基础上，提出一种简单、快速，被称为差分盒维数法（Differential Box Counting，DBC）的计算图像分维数的方法。提取图像差分盒维数的主要思想如下所示。将N×N大小的图像分割成m×m的子块，令r＝m／N。将图像假想成三维空间中的曲面，x，y表示平面位置空间，z轴表示灰度值。平面xy被子块分割成许多m×m的网格，在每个网格上面，是一列m×m×m的小盒子，设图像灰度在第（i，j）网格中的最小值和最大值分别落在第k和第l个盒子中，即［12］：

Kr（i，j）是覆盖第（i，j）网格中的图像所需的盒子数，设覆盖整个图像所需盒子数为Kr。即：

分形维数为：

应用最小二乘法做直线最小二乘拟合，直线的斜率即为图像的差分盒维数D。进一步提取图像多种特征量：包括纹理的方向性、粗糙度和方向度信息，将图像分维数和提取图像的多种特征量相结合作为用于分类识别样本图像的纹理特征。图3为不同样本图像在相同试验环境下的差分盒维数。

图3 不同样本油品的差分盒维数

图3 中a、b、c、d、e和f分别代表大豆油、猪油和混合油（大豆油中掺入10%、20%、30%和40%比例猪油）样本的差分盒维数。由图3可知大豆油的差分盒维数高于猪油的差分盒维数，随着猪油比例的增加混合油样本的差分盒维数降低。有研究表明维数越大则表明表面纹理复杂程度越高，这与人们视觉感知相一致。因此计算差分盒维数可作为鉴别大豆油是否掺假的一种依据。

3.3 图像的小波共生矩阵

图像小波共生矩阵的主要思想是将树型小波技术、灰度共生矩阵和颜色特征提取技术相结合，以便提取最优纹理特征集，实现更准确地分类识别样本图像。试验流程图如下所示。

图4 试验框架流程图

在对样本图像进行分析时，选取8×8的图像局部区域，利用Haar小波对子块图像进行树型小波分解。运用小波共生矩阵技术提取图像纹理特征的试验步骤如下所示：

载入样本图像，将RGB彩色模型转化为HIS模型，然后提取样本图像的S分量均值；将样本图像分成8×8子块，对子块图像进行3层树型小波分解，共得到10个子带图像，分别计算各个分解层次上的各子带图像能量；在低频带上构造灰度共生矩阵（4个方向，分别为0°、45°、90°和135°），计算共生矩阵的4个特征参数（相关性（COR）、二阶矩（ASM）、熵（ENT）和逆矩阵（IDM）），为了使计算结果更加精确，取4个方向上特征参数均值；将树型小波各分解层次上子带图像能量、灰度共生矩阵统计量和颜色特征值相结合，产生最优子集然后对其进行归一化处理，其结果作为分类识别样本图像的纹理特征集；最后运用改进的最近邻域分类器进行分类识别样本图像，每组纹理特征集为选取的160幅试验样本图像的测量结果均值。

图5 样本图像3层树型小波分解图

图5 中 a1、a2和 a3；b1、b2和 b3；分别代表在加热状态下不同混合油（大豆油；玉米油中掺入不同比例猪油、牛油和鸡油）样本3层树型小波分解图。

运用小波共生矩阵技术提取不同混合油样本图像的纹理特征参数结果如下所示。

表1 不同样本图像的纹理特征参数值

样本a、b、c、d和 e代表分别大豆油和混合油（大豆油中掺入10%、20%、30%和40%比例猪油）。

3.4 改进的Hu不变矩（改进矩）

一幅数字图像 f（x，y）的二维（p+q）阶矩定义和相应的中心矩定义为：

归一化（p+q）阶中心矩为：

ηpq＝upq／ur00r＝（p+q）／2+1

通过以下公式推导对平移、缩放、镜像和旋转都不敏感的7个二维不变矩集合［13］：

将获取的图像进行灰度化，转换成灰度图像，计算图像7个不变矩，将7个不变矩和由灰度共生阵技术提矩取的图像纹理特征（相关性、熵、二阶矩和逆矩阵）相结合形成最优纹理特征集。

将提取的7个不变矩和纹理特征参数进行归一化处理。归一化结果如下所示：

归一化后的特征向量为：

归一化后的特征向量作为分类识别样本图像的最优纹理特征集。

4 结果分析与方法验证

4.1 结果分析

运用标准化学方法测定相同试验环境下不同混合油样本的胆固醇含量，运用上述提出的纹理分析技术提取样本图像的纹理特征参数，使用SPSS中最小二乘法分析纹理特征参数和胆固醇含量之间的相关性并建立多元回归分析方程。将不同比例猪油掺入到大豆油、玉米胚芽油和葵花籽油中，得到混合油样本，其多元线性回归分析结果如表2所示。

表2 基于小波共生矩阵技术的纹理特征参数和混合油中胆固醇含量的线性相关性

上述样本a、b和c分别代表大豆油、玉米油和葵花籽油中掺入不同比例猪油。式中y代表胆固醇含量，x1、x2、x3、x4和 x5分别代表 S分量均值、相关性、熵、二阶矩和逆矩阵，建立的模型显著性水平均小于0.05，可以说明模型是显著的。在分析混合油中纹理特征参数和胆固醇含量是否相关过程中，通过大量试验论证搅拌速度是一个重要的影响因子。随着搅拌速度的增加两者之间的相关性随之增加，当搅拌速度达到1 000 r／min时纹理特征参数和混合油中胆固醇含量之间的相关性趋于平衡。

分类能力比较：运用改进的最近邻域分类器分别比较纹理频谱法、分形维数、小波共生矩阵和改进的Hu不变矩技术的分类识别能力。改进的最近邻域分类法主要思想如下所示。

假定由7个特征参数来识别分类160幅图像，先从数据文件中读取对应于上面的特征向量Ri的7个特征对照值上下限。将求得的图像特征值分别与符合数值范围的N类样本图像相应对照值上下限相减，取其较小差值形成N组数，对应于公式d（X，Ri）＝min｜X-Ri｜k＝0，1，2，．．．，li，再把每组数中的 7个数值相加，N组数中7个数和最小的那一组相对应的样本类别即为所求。如果所求得的数值不符合任何一类样本得出的参考值，则系统判定该幅图像为无法识别［14］。测试样本为每组试验选取160幅样本进行测试。测试结果如下所示。

表3 基于不同纹理分析技术的图像分类识别能力

上述样本a、b和c分别代表大豆油中掺入5%、8.5%、13.5%比例猪油的混合油。表3结果表明，在相同试验环境下小波共生技术和改进的Hu不变矩技术在特征提取时间和识别率方面表现良好。

运用小波共生矩阵和改进的Hu不变矩技术实现分类识别不同混合油样本。试验结果如下所示。

图6 不同混合油实验样本分类识别率比较

图6 中a和b分别代表运用小波共生矩阵和改进的Hu不变矩技术可以检测识别出混合油（大豆油、玉米油和葵花籽油中分别掺入不同猪油、牛油和鸡油）样本中动物油的最低掺杂比例。通过大量试验论证了植物油中掺入超过上图显示的动物油掺杂比例，就可以有效的运用纹理分析技术检测识别出混合油样本。

4.2 方法验证

为了验证方法的有效性，随机选取市售的九三大豆油；西王玉米胚芽油和福临门葵花籽油样本，将不同比例的猪油、牛油和鸡油分别掺入到上述3种不同品牌的植物油中。运用国标方法测定混合油样本中胆固醇含量，然后通过本文提出的方法计算混合油样本胆固醇含量，通过本文方法和国标方法得到的胆固醇含量值的比较结果如下所示。

表4 基于小波共生矩阵技术的本文方法和国标方法对不同混合油样本中胆固醇含量的测定结果

a0、a1和 a2；b0、b1和 b2；c0、c1和 c2分别代表混合油（大豆油、玉米油和葵花籽油中掺入猪油；牛油和鸡油）测试样本。由表4可知通过国标方法测定的胆固醇含量值和本方法计算值之间的最大相对误差为5.75%。说明运用本方法检测识别植物油掺假具有可行性。

5 结论

提出运用图像纹理分析技术实现植物油掺假检测研究，通过自制试验装置实现实时检测试验样本，所提方案具备试验设备成本低廉、试验方法无损和易于普及的优点。采用SPSS中最小二乘法分析纹理特征参数和混合油中胆固醇含量之间的相关性，结果显示两者之间显著相关和最相关系数为R2＝0.975 9。其中小波共生矩阵由于具有较强的适应能力、鲁棒性和多尺度表征图像纹理特征的优势，在特征提取时间和判别率方面表现最为突出。

分别运用标准化学方法和本研究提出的方法测定重新选取的试验样本胆固醇含量值，以此来验证所提方法的可行性。在测试自制试验装置时有时会出现接触不良，导致传输到计算机中的画面出现波动等问题，在未来工作中主要针对如何提高装置可靠性与灵敏度提出具体方案。

［1］黄纪念，曹艳明，张丽霞.食用植物油掺假检测方法的研究进展［J］.农产品加工·学刊，2011（2）：67-71

［2］侯冬岩，回瑞华，刘晓媛.食用植物油中掺假的鉴别和分析方法的研究［J］.鞍山师范学院学报，2006，8（4）：33-35

［3］薛雅琳，王雪莲，张蕊.食用植物油掺伪鉴别快速检验方法研究［J］.中国粮油学报，2010，25（10）：116-118

［4］Yaakob B，Che Man，Abdul Rohman.Detection of lard in vegetable oils［J］.Lipid Technology，2011，23（8）：180-182

［5］王兴国.动物油与植物油搭配食用好吗［J］.家庭科技，2011（3）：33

［6］李昌，单良，王兴国.食用油掺假检测方法概述［J］.农业工程技术·农产品加工，2007（5）：30-35

［7］Ballesteros E，Gallego M，Valcircel M.Simultaneous determination of sterols in edible oils by use of a continuous separation module coupled to a gas chromatograph［J］.Analytica Chimica Acta，1995（308）：253-260

［8］Marikkar JM N，Ghazali H M，Che Man Y B，et al.Use of gas liquid chromatography in combination with pancreatic lipolysis and multivariate data analysis techniques for identification of lard contamination in some vegetable oils［J］.Food Chemistry，2005（90）：23-30

［9］中华人民共和国国家标准食品中胆固醇的测定方法-Method for determination of cholesterol in foods，GB／T 15206-1994

［10］Rafael C Gonzalez，Richard E Woods，Steven L Eddins，et al.Digital Image Processing Using MATLAB［M］.Publishing House of Electronics Industry，2005：154-155

［11］Sarkar N，Chaudhuri B B.An efficient differential boxcounting approach to compute fractal dimension of image［J］.IEEE Transactions System Man and Cybernet，1994，24（1）：115-120

［12］夏德深，金盛，王健.基于分数维与灰度梯度共生矩阵的气象云图识别［J］.南京理工大学学报，1999，23（3）：278-281

［13］张德丰.MATLAB数字图像处理［M］.北京：机械工业出版社，2012：359-360

［14］杨帆.数字图像处理与分析［M］.北京：北京航空航天大学出版社，2007：323-324.

Determination of Vegetable Oil Adulteration Based on Image Texture Analysis Technology

He Peng Wan Xiaoqing Kang Ziyang
（College of Communication and Electronic Engineering Qiqihar University，Qiqihar 161006）

Aiming the current phenomenon that some illegal manufacturer obtain unlawful profits by mixing with animal oil in vegetable oil，a new edible vegetable oil adulteration detection method has been proposed in the paper.Frequency spectrum method，wavelet symbiotic matrix and other technologies have been adopted to extract respectively image texture features，establishing multiple linear regression equation between image texture features parameters and cholesterol content by least squares method in SPSS.Experimental results showed that there was significant correlation between the image texture features parameters and cholesterol content，the most correlation coefficient R2is 0.9759，whose wavelet symbiotic matrix was proved to be the most useful technology of classification and recognition sample images.Determination of cholesterol content in mixed oil samples（randomly selected from the different brands sold in the market as vegetable oil adulterated with animal oil）by the proposed method，comparing with the measured cholesterol content by standard chemical method.Maximum relative error of cholesterol content between calculated value and measured value is 5.75%.It prove that in the range of allowable error，the proposed method is feasible and accurate.

vegetable oil，cholesterol，texture analysis，image recognition

TS225.1

A

1003-0174（2014）03-0102-08

科技部国家国际科技合作专项（S2013GR0264），齐齐哈尔大学研究生创新科研项目（YJSCX2013-033X）

2013-05-06

何鹏，男，1970年出生，教授，数字图像处理、生物信息检测