基于红外成像的食品熟度判别的探讨

饶哲，秦工

（江汉大学人工智能学院，湖北武汉，430056）

0 引言

自古以来，由于食品问题与民生息息相关，一直以来就备受关注，由于肉类产品容易在加工、运输等过程中受到大肠杆菌，沙门氏杆菌等微生物污染，肉类产品本身也可能存在绦虫，蛔虫等寄生虫，不仅如此，部分动物疾病可以通过肉类传播【1】。对于以上情况，最常用的处理方式是热处理，而如何在热处理过程中，较为方便的判断食品加热是否达到标准在食品检测邻域中是比较重要的。按照我国熟肉制品的热加工要求，食品需中心温度达到70℃以上【2】。目前，国内外主要使用穿刺式温度计检测食品的中心温度，这种装置需要直接接触食品，所以，在食品加热过程中进行检测存在不便性，而且对温度计要严格消毒。

目前，红外热像技术在医学、工业等邻域研究众多，比如利用红外热像，结合生物传热学辅助肿瘤诊断，通过红外图像判断体内异物【3-4】。而在食品领域，有，如对水果的机械损伤进行检测【5】；通过激光辅助以检测食品的腐败情况【6】等。食品中肉制品的表面温度与其中心温度间存在一定的关联，但由于生物组织的复杂情况，往往难以分析。基于此，本文通过烧烤炉对鸡边腿进行加热，以期探寻使用红外热像技术在加热过程对食品进行非接触检测的可能性。

1 食品熟度判别原理

1.1 红外热像技术

所有温度大于绝对零度（即0K或-273.15℃）的物体均会向外辐射电磁波，对于温度较低的物体，其能量较低，发射出的电磁波波长较长，多分布于红外波段。黑体辐射与温度的关系可以使用普朗克定律进行描述

其中M是单色光的光谱辐射射出射度[W·μm-1· m-2]，λ是辐射的波长，T是黑体的绝对温度，k为玻尔兹曼常数，h是普朗克常数，c为真空中光速

红外热像技术是一种辐射测温技术，这种技术可以不直接与待测对象接触，而是通过探测待测对象所发射出来的电磁波，并将这种电磁波转换为温度值表面温度并通过数字图像技术进行处理，以伪彩色图的形式进行显现输出。红外热像技术响应速度快，且由于不会与待测物体直接接触，所以并不会影响被测食品的温度分布，也不会对待测食品造成二次污染。

1.2 生物传热

在生物组织传热的应用方面，由于生物组织的构成十分复杂，如何准确地描述生物体的空间温度场分布情况一直是业界的一个难题。目前，对于生物组织传热常使用Pennes方程进行描述，其形式为

其中ρ为组织的密度、c为组织比热容、k为组织热导率；ρb为血液的密度、cb为血液的比热容，ωb为血液的灌注率，Ta为动脉血温度，T为组织温度，Qm为组织代谢产热；Qr为空间加热产生的体积热源强度，X指生物组织内一点在空间直角坐标系的位置，其包含直角坐标系x，y，z三个分量。

考虑到目标与环境的对流情况，其边界条件为

其中hc是生物组织与环境的对流交换系数；Ts和Tα是生物组织的表面温度和周围空气的温度；ε为辐射率；σ为斯蒂芬-玻尔兹曼常数；Qe是蒸发热损失。

1.3 图像处理的判别依据分析

一般来说红外图像较可见光图像分辨率较低，且由于红外辐射的特性，其易受到噪声，对比度较可见光图像较弱，边缘较为模糊。因此，对红外图像，需要进行一定的图像处理，将目标物从所获得的图像中提取出来。

图像分割是将一幅图像划分为若干个感兴趣的区域的图像处理技术。图像分割对象可以是灰度图或彩色图，对红外图像，一般作为灰度图像进行处理，其中灰度值为温度向灰度值的一个映射，其映射关系如下

其中I为灰度图矩阵，I(i,j)为其中第i行，第j列的灰度值；I1为温度矩阵，I(i,j)为其中第i行，第j列的温度值。

对灰度图像进行分割的基本是通过设置灰度阈值，将灰度图像划分为一个或多个部分来实现。

选择合适的阈值后，就可以对图像进行二值化处理，所得二值图像显示的为所需的温度范围内的图像区域。

由于同一个生物组织在环境中加热，其温度分布应当是相近的，而对其加热的烧烤炉的温度分布会受加热管以及空气对流等因素等影响，被分为多个不相连的小块，从中选取其中的最大连通域，便可提取出目标区域。

2 实验装置

2.1 实验操作与装置

2.1.1 实验装置

本实验，采用鸡边腿作为样本，每只鸡边腿厚度平均厚度为224(±10)mm，最窄处均不小于180mm；使用深圳市衡益科技有限公司的 海曼5.0型 红外测温模块点阵测温模块作为红外摄像头，对样本的表面温度进行获取；利用深圳市聚茂源科技有限公司的GM113型食品温度计对样本中心温度进行采集；通过额定功率为1500W的 DKS-301电烧烤炉对样本进行烤制。最后将实验所得数据传输入计算机中处理。

实验搭建的装置示意图如下图1所示。

图1 实验装置

2.1.2 实验操作

实验中，将烤炉定为2档，设置红外测温模块为每隔30秒对样本的表面温度进行采取，同时每间隔1分钟通过食品温度计采集样本中心温度。

2.1.3 数据采集

每隔30秒，红外测温模块会将所探测到的图像转换为温度矩阵，并通过串口将矩阵发送到上位机；每1分钟，将食品温度计插入样本，记录所显示的数据。

红外测温模块传输给上位机的温度矩阵，在上位机中使用matlab对其进行图像处理。

在本实验中，是以图像灰度直方图为依据进行的图像分割。实验中，目标需要与背景相分割开来，并且由于烤炉温度分布不均匀，在计算平均背景温度时，占据面积小、温度过高的加热管对均值影响大，故需要单独分割。本实验中，分割目标物所选取的所选取的阈值Tth1= 2 5，分割背景中加热管所选取的阈值Tth2= 1 24。利用这两个阈值，对图像进行简单的阈值处理，将得到的二值图像提取其中最大的连通域并提取就可以得到如图2所示的目标区域温度分布情况。

图2 图像处理后样本红外图

3 实验结果与分析

实验所得样本红外图像及各部分温度变化曲线如图2，3所示。在设定阈值Tth1= 25下，在加热的前期，由于待测物体温度较背景有较大差异，可以将待测物体比较完整从背景中分割出来；随着加热时间，被测物体的温度逐渐升高，对比度逐渐下降，分割出的图像附带上了除被测物体的之外的部分区域，但被测物体主体轮廓依然较为清晰；可以观测到，在加热7.5分钟（如图2中15*0.5min）之后，图像轮廓情况出现波动情况，到加热15分钟时（如图2中30*0.5min），图像轮廓出现不全，且温度较高。结合图3发现，此时为加热温度的高峰。

图3 加热过程中参数曲线

分割结果中，鉴于多数图像分割较为完全，残缺图像中，主体保存也较为完整，所统计数据是较为可信的。

图3曲线①的尖峰是样本翻面造成的结果，这种变化在加热前期并不明显，且表面温度受到对流及其他因素的影响，其值会在一定的范围区间波动。

从图3中对比曲线①与曲线④可以发现，中心温度的变化是滞后于表面温度的变化的，在含加热管背景温度在140℃-180℃，无加热管背景温度100℃-120℃的条件下，在表面温度达到70℃后5-7分钟，中心温度也会达到这个温度，也即可食用标准，这个规律在其余5组实验中也均有这样的表现。

4 结论

本实验使用了烤炉对鸡边腿进行加热，并利用红外测温模块对鸡边腿的表面温度场分布进行了采集，通过食品温度计对其中心温度进行探测。发现在一定的加热环境下，表面温度达到70℃后5-7分钟，中心温度达到70℃，即可食用标准，证明了可以通过红外成像技术判别肉质品的熟度，给非接触式食品熟度检测的实现提供了新的思路与参考。

本实验可以进一步改进，在图像分割上，可以通过加装可见光摄像头，对可见光图像进行处理，将目标提取，再将其与红外图像相结合。这样，可以尽可能的避免由于样本温度变化而导致样本轮廓不完整，从而影响实验结果。