本發(fā)明涉及圖像檢測領(lǐng)域，尤其涉及一種基于機(jī)器視覺的食品無損檢測模型構(gòu)建方法。

背景技術(shù)：

1、食品安全是關(guān)系國計(jì)民生的問題，而無損檢測技術(shù)作為保障食品安全的關(guān)鍵技術(shù)之一，近年來發(fā)展迅速。傳統(tǒng)的食品無損檢測方法存在難以克服的缺點(diǎn)，主觀性強(qiáng)傳統(tǒng)方法依賴人工評定，例如依靠視覺觀察食品的顏色、形狀進(jìn)行判斷，受主觀因素影響較大，效率低下，檢測的速度有限，破壞性檢測以及難以檢測內(nèi)部缺陷。然而，基于機(jī)器視覺的食品無損檢測模型具有多方面優(yōu)勢：非接觸、無損檢測，基于機(jī)器視覺的檢測技術(shù)能夠通過攝像頭或掃描設(shè)備獲取食品圖像或視頻，無需直接接觸食品，避免對食品的污染或破壞。自動化、高效率，機(jī)器視覺系統(tǒng)可以全自動地對食品進(jìn)行檢測和分析提高檢測效率。但是，通過形變維度的檢測對于食品本身形變?nèi)鄙俦鎰e的綜合分析多維度指標(biāo)，使得不能對食品進(jìn)行更全面的評估。

技術(shù)實(shí)現(xiàn)思路

1、基于此，本發(fā)明有必要提供一種基于機(jī)器視覺的食品無損檢測模型構(gòu)建方法，以解決至少一個(gè)上述技術(shù)問題。

2、為實(shí)現(xiàn)上述目的，基于機(jī)器視覺的食品無損檢測模型構(gòu)建方法，包括以下步驟：

3、步驟s1：對食品進(jìn)行多視角圖像拍攝處理，得到食品多視角圖像；基于食品多視角圖像對食品進(jìn)行食品三維模型構(gòu)建，得到食品三維模型；

4、步驟s2：對食品多視角圖像進(jìn)行圖像紋理識別，得到食品圖像紋理；基于食品圖像紋理對食品三維模型進(jìn)行表面紋理映射，得到三維模型表面紋理；基于食品三維模型對三維模型表面紋理進(jìn)行表面形變區(qū)域定位，得到三維模型形變區(qū)域；

5、步驟s3：基于三維模型形變區(qū)域?qū)κ称愤M(jìn)行區(qū)域內(nèi)部圖像獲取，得到形變區(qū)域內(nèi)部圖像；對形變區(qū)域內(nèi)部圖像進(jìn)行內(nèi)部形變?nèi)S建模，得到內(nèi)部形變?nèi)S模型；基于內(nèi)部形變?nèi)S模型對食品三維模型進(jìn)行擬合，得到食品形變?nèi)S模型；

6、步驟s4：對食品進(jìn)行紅外光譜成像處理，得到食品紅外光譜成像圖像；基于食品形變?nèi)S模型對食品紅外光譜成像圖像進(jìn)行無損食品標(biāo)記，得到標(biāo)記無損食品。

7、本發(fā)明通過多視角圖像拍攝和三維模型構(gòu)建技術(shù)，可以完整、精確地記錄食品的外形特征，建立起食品的數(shù)字化三維模型。這為后續(xù)的紋理分析、形變區(qū)域定位以及最終的無損標(biāo)記提供了基礎(chǔ)；利用圖像紋理識別技術(shù)，可以識別和提取食品表面的顏色、紋理等視覺信息，并將其映射到三維模型上，使模型更加逼真。更重要的是，通過分析紋理的變化，可以精準(zhǔn)定位食品發(fā)生形變的區(qū)域，為下一步的內(nèi)部形變分析提供目標(biāo)區(qū)域；針對形變區(qū)域，獲取其內(nèi)部圖像并進(jìn)行三維建模，能夠深入分析食品內(nèi)部的形變情況，例如裂紋、孔洞等，這是傳統(tǒng)表面分析無法做到的。將內(nèi)部形變模型與原始三維模型擬合，最終得到包含表里信息的完整形變?nèi)S模型，為食品品質(zhì)評估提供更全面的數(shù)據(jù)支持；紅外光譜成像技術(shù)可以反映食品的內(nèi)部成分和品質(zhì)信息。利用形變?nèi)S模型對紅外光譜圖像進(jìn)行標(biāo)記，可以將食品的外部形變信息和內(nèi)部品質(zhì)信息關(guān)聯(lián)起來，實(shí)現(xiàn)食品的無損檢測和精準(zhǔn)分析，可以全面的分析食品的外部特征和內(nèi)部特征，為食品的安全性和質(zhì)量控制提供全面的數(shù)據(jù)支持，通過綜合分析多維度指標(biāo)，使得能夠?qū)κ称愤M(jìn)行更全面的評估。

8、優(yōu)選地，步驟s1包括以下步驟：

9、步驟s11：對食品進(jìn)行多視角圖像拍攝處理，得到食品多視角圖像；

10、步驟s12：對食品多視角圖像進(jìn)行食品圖像特征點(diǎn)分析，得到食品圖像特征點(diǎn)；

11、步驟s13：基于食品圖像特征點(diǎn)對食品多視角圖像進(jìn)行特征點(diǎn)匹配，得到多角度圖像匹配數(shù)據(jù)；

12、步驟s14：對多角度圖像匹配數(shù)據(jù)以及食品多視角圖像進(jìn)行三維點(diǎn)云數(shù)據(jù)定位，得到食品三維點(diǎn)云數(shù)據(jù)；

13、步驟s15：基于食品三維點(diǎn)云數(shù)據(jù)對食品進(jìn)行食品三維模型構(gòu)建，得到食品三維模型。

14、本發(fā)明通過多視角圖像拍攝，可以全面捕捉食品的外部幾何形狀和表面紋理信息，為后續(xù)的三維重建提供豐富的數(shù)據(jù)基礎(chǔ)，多視角拍攝能夠克服單一視角的局限性，獲取更完整的食品三維信息；對多視角圖像進(jìn)行特征點(diǎn)分析，提取圖像中具有代表性的點(diǎn)，例如角點(diǎn)、邊緣點(diǎn)等，這些特征點(diǎn)具有較強(qiáng)的穩(wěn)定性和可區(qū)分性，能夠有效地用于不同視角圖像之間的匹配，特征點(diǎn)是后續(xù)圖像匹配和識別的參考依據(jù)，從而提高匹配和識別的準(zhǔn)確性和效率；基于提取的特征點(diǎn)，進(jìn)行多視角圖像之間的匹配，找到不同視角下同一個(gè)空間點(diǎn)的對應(yīng)關(guān)系，這是三維重建的關(guān)鍵步驟，準(zhǔn)確的特征點(diǎn)匹配才能保證最終三維模型的精度和完整性；利用匹配的特征點(diǎn)以及相機(jī)的幾何關(guān)系，可以計(jì)算出特征點(diǎn)在三維空間中的坐標(biāo)，從而得到食品表面的三維點(diǎn)云數(shù)據(jù)，這些點(diǎn)云數(shù)據(jù)密集地分布在食品表面，構(gòu)成了三維模型的骨架；基于獲取的三維點(diǎn)云數(shù)據(jù)，通過表面重建算法，構(gòu)建出完整的食品三維模型，該模型能夠精確地反映食品的幾何形狀、大小以及表面細(xì)節(jié)特征，為食品的數(shù)字化、自動化分析提供了基礎(chǔ)。

15、優(yōu)選地，步驟s12包括以下步驟：

16、步驟s121：對食品多視角圖像進(jìn)行圖像像素點(diǎn)集獲取，得到圖像像素點(diǎn)集；

17、步驟s122：對圖像像素點(diǎn)集進(jìn)行像素點(diǎn)亮度梯度分析，得到圖像像素梯度數(shù)據(jù)；

18、步驟s123：基于圖像像素梯度數(shù)據(jù)對圖像像素點(diǎn)集進(jìn)行像素自相關(guān)矩陣構(gòu)建，得到像素自相關(guān)矩陣；

19、步驟s124：基于像素自相關(guān)矩陣對圖像像素點(diǎn)集進(jìn)行像素點(diǎn)特征值計(jì)算，得到像素點(diǎn)特征值；

20、步驟s125：基于像素點(diǎn)特征值對圖像像素點(diǎn)集進(jìn)行食品圖像特征點(diǎn)識別，得到食品圖像特征點(diǎn)。

21、本發(fā)明通過獲取食品多視角圖像的像素點(diǎn)集，將圖像信息轉(zhuǎn)化為數(shù)字化矩陣，為后續(xù)的像素級分析奠定基礎(chǔ)，每個(gè)像素點(diǎn)包含顏色、亮度等信息，這些信息蘊(yùn)含著圖像的特征，像素點(diǎn)集也是圖像特征點(diǎn)識別的前提，只有獲取了完整的像素點(diǎn)集信息，才能夠準(zhǔn)確的識別和提取特征點(diǎn)；對圖像像素點(diǎn)集進(jìn)行亮度梯度分析，提取圖像中亮度變化劇烈的區(qū)域，例如邊緣、角點(diǎn)等。這些區(qū)域通常對應(yīng)著圖像中重要的結(jié)構(gòu)信息，是識別特征點(diǎn)的關(guān)鍵，基于圖像像素梯度數(shù)據(jù)構(gòu)建像素自相關(guān)矩陣，該矩陣描述了圖像局部區(qū)域內(nèi)像素之間的相關(guān)性，通過分析自相關(guān)矩陣，可以進(jìn)一步提取圖像的局部特征，例如紋理、方向性；計(jì)算像素自相關(guān)矩陣的特征值，這些特征值能夠量化地描述圖像局部區(qū)域的特征，例如，較大的特征值通常對應(yīng)著圖像中比較顯著的角點(diǎn)或邊緣，從而為后續(xù)的特征點(diǎn)識別和匹配提供重要的參考依據(jù)；根據(jù)計(jì)算得到的像素點(diǎn)特征值，設(shè)定閾值或采用其他篩選策略，識別出圖像中的特征點(diǎn)，這些特征點(diǎn)能夠穩(wěn)定地代表食品的形狀和表面紋理信息，可用于后續(xù)的三維建模、目標(biāo)識別等應(yīng)用，從而更好的理解和分析食品的表觀特征。

22、優(yōu)選地，步驟s2包括以下步驟：

23、步驟s21：對食品多視角圖像進(jìn)行圖像紋理識別，得到食品圖像紋理；

24、步驟s22：基于食品圖像紋理對食品三維模型進(jìn)行表面紋理映射，得到三維模型表面紋理；

25、步驟s23：對三維模型表面紋理進(jìn)行紋理坐標(biāo)系構(gòu)建，得到三維紋理坐標(biāo)系；

26、步驟s24：基于食品三維模型基于食品三維模型對三維模型表面紋理進(jìn)行食品形變紋理特征分析，得到食品形變紋理特征；

27、步驟s25：基于三維紋理坐標(biāo)系對食品形變紋理特征進(jìn)行表面形變區(qū)域定位，得到三維模型形變區(qū)域。

28、本發(fā)明通過圖像紋理識別技術(shù)，可以提取食品表面的顏色、紋理、圖案等視覺信息，為后續(xù)的形變分析提供更豐富的特征，相比于單純的幾何形狀，紋理信息能夠更敏感地反映食品的形變情況；將提取的食品圖像紋理映射到三維模型表面，使三維模型更加逼真，同時(shí)也將二維紋理信息與三維空間信息關(guān)聯(lián)起來，為后續(xù)的形變分析提供空間參考，同時(shí)，表面紋理也可以為形變分析提供重要的視覺參考，在三維模型表面構(gòu)建紋理坐標(biāo)系，為每個(gè)紋理像素點(diǎn)分配對應(yīng)的三維坐標(biāo)，建立二維紋理空間和三維模型空間之間的映射關(guān)系，這為后續(xù)分析紋理變化與模型形變之間的對應(yīng)關(guān)系提供了基礎(chǔ)；對三維模型表面紋理進(jìn)行分析，提取能夠表征食品形變的紋理特征，例如紋理方向的變化、紋理密度的變化、紋理斷裂等，這些特征能夠敏感地反映食品表面發(fā)生的形變情況，基于提取的形變紋理特征以及三維紋理坐標(biāo)系，可以精確地定位發(fā)生形變的三維模型區(qū)域，例如識別出食品表面出現(xiàn)的裂紋、凹陷、變形等區(qū)域。這為食品品質(zhì)評估、缺陷檢測等提供了重要的參考依據(jù)。

29、優(yōu)選地，步驟s24包括以下步驟：

30、步驟s241：對食品三維模型進(jìn)行模型面網(wǎng)格切割，得到食品三維模型面網(wǎng)格；

31、步驟s242：對食品三維模型面網(wǎng)格進(jìn)行模型表面曲率計(jì)算，得到模型表面曲率數(shù)據(jù)；

32、步驟s243：對模型表面曲率數(shù)據(jù)進(jìn)行異常形變識別，得到模型異常形變區(qū)域；

33、步驟s244：基于模型異常形變區(qū)域以及食品三維模型面網(wǎng)格對食品三維模型進(jìn)行異常形變紋理獲取，得到異常形變紋理；

34、步驟s245：基于異常形變紋理對三維模型表面紋理進(jìn)行食品形變紋理特征分析，得到食品形變紋理特征。

35、本發(fā)明通過將食品三維模型進(jìn)行面網(wǎng)格切割，將復(fù)雜的模型表面離散成一個(gè)個(gè)小的三角形或四邊形面片，方便進(jìn)行后續(xù)的曲率計(jì)算和分析，面網(wǎng)格的精細(xì)程度直接影響到后續(xù)分析的精度；對每個(gè)面網(wǎng)格進(jìn)行表面曲率計(jì)算，得到模型表面的曲率數(shù)據(jù)，曲率是描述模型表面彎曲程度的量，能夠反映模型表面的凹凸變化，是識別異常形變的重要指標(biāo)，表面曲率計(jì)算可以幫助識別和分析食品表面的形變和缺陷，為異常形變識別提供重要信息；通過分析模型表面曲率數(shù)據(jù)，識別出曲率異常的區(qū)域，例如曲率突變、曲率過大或過小的區(qū)域，這些區(qū)域通常對應(yīng)著食品表面出現(xiàn)的裂紋、凹陷、變形等異常形變；基于識別出的模型異常形變區(qū)域，提取該區(qū)域?qū)?yīng)的三維模型面網(wǎng)格以及紋理信息，得到異常形變紋理，這相當(dāng)于將異常形變區(qū)域從三維模型中分離出來，以便進(jìn)行更精細(xì)的分析，異常形變紋理可以幫助理解和分析食品形變的原因和影響；對提取的異常形變紋理進(jìn)行特征分析，例如分析紋理的形狀特征、方向特征、空間分布特征等，這些特征能夠更全面地描述食品的形變情況，為食品品質(zhì)評估、缺陷檢測等提供更豐富的信息。

36、優(yōu)選地，步驟s3包括以下步驟：

37、步驟s31：基于三維模型形變區(qū)域?qū)κ称愤M(jìn)行區(qū)域內(nèi)部圖像獲取，得到形變區(qū)域內(nèi)部圖像；

38、步驟s32：對形變區(qū)域內(nèi)部圖像進(jìn)行形變邊緣紋理特征分析，得到形變邊緣紋理特征；

39、步驟s33：基于形變邊緣紋理特征對形變區(qū)域內(nèi)部圖像進(jìn)行形變邊緣分析，得到形變邊緣數(shù)據(jù)；

40、步驟s34：對形變邊緣數(shù)據(jù)進(jìn)行內(nèi)部形變?nèi)S建模，得到內(nèi)部形變?nèi)S模型；

41、步驟s35：基于內(nèi)部形變?nèi)S模型對食品三維模型進(jìn)行擬合，得到食品形變?nèi)S模型。

42、本發(fā)明通過在已定位的形變區(qū)域基礎(chǔ)上，獲取該區(qū)域的內(nèi)部圖像信息。這可以通過多種方式實(shí)現(xiàn)，例如對形變區(qū)域進(jìn)行剖切、使用x射線或ct掃描等技術(shù)，獲取內(nèi)部圖像信息能夠更直觀地反映食品內(nèi)部的形變情況，為后續(xù)的內(nèi)部形變建模提供數(shù)據(jù)基礎(chǔ)；對形變區(qū)域內(nèi)部圖像進(jìn)行分析，提取形變邊緣的紋理特征，這些特征能夠反映形變邊緣的形狀、方向、紋理變化等信息，為后續(xù)的形變邊緣分析提供依據(jù)，這些特征可以為后續(xù)的形變邊緣分析和內(nèi)部形變?nèi)S建模提供重要參考；基于提取的形變邊緣紋理特征，對形變區(qū)域內(nèi)部圖像進(jìn)行分析，識別并提取出形變邊緣數(shù)據(jù)，例如邊緣的位置、方向、長度等，這些數(shù)據(jù)能夠準(zhǔn)確地描述形變邊緣的幾何形態(tài)；利用提取的形變邊緣數(shù)據(jù)，進(jìn)行內(nèi)部形變?nèi)S建模，構(gòu)建出能夠反映食品內(nèi)部形變的三維模型，該模型能夠更直觀地展示食品內(nèi)部的裂紋、空洞、變形等情況，內(nèi)部形變?nèi)S模型可以直觀的呈現(xiàn)食品形變對內(nèi)部結(jié)構(gòu)的影響，為后續(xù)的擬合和分析提供基礎(chǔ)模型；將構(gòu)建的內(nèi)部形變?nèi)S模型與原始的食品三維模型進(jìn)行擬合，得到包含內(nèi)部形變信息的完整食品形變?nèi)S模型，該模型能夠更全面、更精確地反映食品的形變情況，為食品品質(zhì)評估、缺陷檢測等提供更可靠的依據(jù)。

43、優(yōu)選地，步驟s32包括以下步驟：

44、步驟s321：對形變區(qū)域內(nèi)部圖像進(jìn)行形變邊緣檢測，得到形變邊緣圖像數(shù)據(jù)；

45、步驟s322：對形變邊緣圖像數(shù)據(jù)進(jìn)行單像素提取，得到邊緣單像素?cái)?shù)據(jù)；

46、步驟s323：對邊緣單像素?cái)?shù)據(jù)進(jìn)行邊緣單像素方向分析，得到邊緣單像素方向數(shù)據(jù)；

47、步驟s324：基于邊緣單像素方向數(shù)據(jù)以及邊緣單像素?cái)?shù)據(jù)對形變邊緣圖像數(shù)據(jù)進(jìn)行形變邊緣段聚類處理，得到形變邊緣段數(shù)據(jù)；

48、步驟s325：對形變邊緣段數(shù)據(jù)進(jìn)行紋理特征提取，得到形變邊緣紋理特征。

49、本發(fā)明通過變邊緣檢測能夠幫助獲取形變區(qū)域的邊界信息，通過檢測內(nèi)部圖像中的亮度、顏色、紋理等變化，可以識別出形變導(dǎo)致的邊緣特征，形變邊緣檢測可以為后續(xù)的邊緣分析和處理提供基礎(chǔ)數(shù)據(jù)，同時(shí)也可以幫助評估形變的程度和范圍；單像素提取旨在獲取邊緣圖像的關(guān)鍵信息，通過提取單像素?cái)?shù)據(jù)，可以對邊緣進(jìn)行詳細(xì)的分析和處理，包括后續(xù)的方向分析和聚類處理，單像素提取可以提高邊緣特征的識別精度，減少噪聲和干擾的影響，從而提高后續(xù)處理的準(zhǔn)確性和效率；邊緣方向分析能夠描述邊緣像素的方向特征，通過分析單像素的亮度變化方向，可以識別出邊緣的方向信息，包括水平、垂直、斜向等，邊緣方向分析可以為后續(xù)的邊緣段聚類處理提供重要參考，同時(shí)也可以幫助理解形變的機(jī)制和特點(diǎn)；邊緣段聚類處理能夠?qū)⒎稚⒌倪吘墕蜗袼鼐酆铣蛇B續(xù)的邊緣段，通過對單像素方向數(shù)據(jù)的分析和處理，可以將具有相似方向和位置的單像素聚合在一起，形成連續(xù)的邊緣段，邊緣段聚類處理可以提高后續(xù)紋理特征提取的準(zhǔn)確性和效率，同時(shí)也可以幫助簡化計(jì)算和處理過程；對每個(gè)形變邊緣段進(jìn)行紋理特征提取，例如計(jì)算邊緣段的長度、曲率、方向變化等。這些特征能夠有效地描述形變邊緣的幾何形態(tài)和紋理信息，為后續(xù)的形變分析、缺陷檢測等提供更精細(xì)、更準(zhǔn)確的依據(jù)。

50、優(yōu)選地，步驟s4包括以下步驟：

51、步驟s41：對食品進(jìn)行紅外光譜成像處理，得到食品紅外光譜成像圖像；

52、步驟s42：基于食品形變?nèi)S模型對食品紅外光譜成像圖像進(jìn)行損傷圖像獲取，得到食品損傷紅外圖像；

53、步驟s43：基于食品紅外光譜成像圖像以及食品損傷紅外圖像對食品進(jìn)行食品無損評定，得到食品無損評定數(shù)據(jù)；

54、步驟s44：基于食品無損評定數(shù)據(jù)對食品進(jìn)行無損食品標(biāo)記，得到標(biāo)記無損食品。

55、本發(fā)明通過紅外光譜成像處理能夠獲取食品內(nèi)部結(jié)構(gòu)和成分的信息，通過紅外光譜技術(shù)對食品進(jìn)行掃描和成像，可以獲得食品在紅外波段下的光譜特征，反映出食品中不同成分的吸收和反射情況，為后續(xù)的損傷圖像獲取和無損評定提供基礎(chǔ)數(shù)據(jù)，同時(shí)也可以幫助識別食品中的外來物質(zhì)和污染物；損傷圖像獲取是基于食品形變?nèi)S模型的輔助，通過利用三維模型對損傷區(qū)域的定位和識別，可以獲取食品損傷的特定區(qū)域圖像，包括裂痕、凹陷、變色等損傷特征，損傷圖像可以為食品無損評定提供重要的視覺信息，同時(shí)也可以幫助分析損傷的原因和機(jī)制；結(jié)合完整的食品紅外光譜成像圖像和損傷紅外圖像，對食品進(jìn)行無損評定。通過對比分析形變區(qū)域與其他區(qū)域的光譜差異，可以判斷形變對食品品質(zhì)的影響程度，例如判斷形變是否導(dǎo)致食品內(nèi)部成分發(fā)生變質(zhì)；無損食品標(biāo)記是基于食品無損評定的結(jié)果，通過對符合標(biāo)準(zhǔn)的食品進(jìn)行標(biāo)記，可以向消費(fèi)者提供直觀的質(zhì)量和安全性信息，同時(shí)也可以防止食品在運(yùn)輸和儲存過程中的損耗和變質(zhì)，提高食品的安全性。

56、優(yōu)選地，步驟s43包括以下步驟：

57、步驟s431：對食品損傷紅外圖像進(jìn)行損傷光譜分析，得到損傷光譜數(shù)據(jù)；

58、步驟s432：基于食品紅外光譜成像圖像對損傷光譜數(shù)據(jù)進(jìn)行圖像損傷像素灰度閾值獲取，得到圖像損傷像素灰度閾值；

59、步驟s433：對圖像損傷像素灰度閾值進(jìn)行損傷像素灰度區(qū)間劃分，得到損傷像素灰度區(qū)間；

60、步驟s434：基于損傷像素灰度區(qū)間對食品進(jìn)行食品無損評定，得到食品無損評定數(shù)據(jù)。

61、本發(fā)明通過損傷光譜分析能夠獲取食品損傷的特定光譜特征，通過對損傷紅外圖像的處理和分析，可以識別出與損傷相關(guān)的光譜峰和波段，包括水分含量、蛋白質(zhì)變化、脂肪氧化等，損傷光譜分析可以為食品無損評定提供重要的參考信息，幫助評估食品的質(zhì)量和安全性；圖像損傷像素灰度閾值獲取旨在區(qū)分正常像素和損傷像素，通過分析損傷紅外圖像的灰度分布，可以獲取損傷像素的灰度閾值，即能夠有效區(qū)分損傷特征的灰度值，灰度閾值獲取可以幫助后續(xù)的損傷像素灰度區(qū)間劃分和無損評定，提高評定的準(zhǔn)確性和可靠性；損傷像素灰度區(qū)間劃分能夠?qū)p傷像素進(jìn)行細(xì)致的分類和劃分，通過對圖像損傷像素灰度閾值的進(jìn)一步處理，可以將損傷像素分為不同的灰度區(qū)間，反映出損傷的程度和類型，包括輕度、中度、重度等，灰度區(qū)間劃分可以為食品無損評定提供精細(xì)的參考標(biāo)準(zhǔn)，提高評定的分辨率和準(zhǔn)確性；根據(jù)每個(gè)像素的灰度值，判斷其所屬的損傷像素灰度區(qū)間，從而實(shí)現(xiàn)對食品的無損評定，例如，可以根據(jù)像素?cái)?shù)量落在每個(gè)損傷區(qū)間的比例，來評估整個(gè)食品的損傷程度和品質(zhì)等級。

62、優(yōu)選地，步驟s431包括以下步驟：

63、步驟s4311：對食品損傷紅外圖像進(jìn)行光譜數(shù)據(jù)預(yù)處理，得到預(yù)處理光譜數(shù)據(jù)；

64、步驟s4312：對預(yù)處理光譜數(shù)據(jù)進(jìn)行新吸收峰識別，得到新吸收峰數(shù)據(jù)；

65、步驟s4313：對預(yù)處理光譜數(shù)據(jù)進(jìn)行吸收峰強(qiáng)增強(qiáng)分析，得到增強(qiáng)吸收峰數(shù)據(jù)；

66、步驟s4314：對新吸收峰數(shù)據(jù)以及增強(qiáng)吸收峰數(shù)據(jù)進(jìn)行損傷敏感吸收波段特征擬合，得到損傷敏感吸收波段特征；

67、步驟s4315：基于損傷敏感吸收波段特征對損傷紅外圖像進(jìn)行損傷光譜分析，得到損傷光譜數(shù)據(jù)。

68、本發(fā)明通過光譜數(shù)據(jù)預(yù)處理可以有效去除原始光譜數(shù)據(jù)中的噪聲和干擾，通過平滑、濾波、校正等操作，可以提升光譜數(shù)據(jù)的質(zhì)量和準(zhǔn)確性，有利于后續(xù)準(zhǔn)確識別和分析損傷相關(guān)的特征峰和波段，同時(shí)也可以減少后續(xù)計(jì)算和分析過程中的誤差和不確定性；新吸收峰識別能夠獲取與食品損傷相關(guān)的特定光譜特征，通過對預(yù)處理后的光譜數(shù)據(jù)分析，可以識別出在損傷后出現(xiàn)的新吸收峰，這些吸收峰與食品中某些成分的變化或生成物有關(guān)，新吸收峰的識別可以為損傷敏感吸收波段的確定提供重要參考；將識別出的新吸收峰數(shù)據(jù)和增強(qiáng)吸收峰數(shù)據(jù)進(jìn)行整合分析，擬合出對損傷敏感的吸收波段特征，這些特征波段能夠更靈敏地反映食品的損傷程度和品質(zhì)變化；基于擬合得到的損傷敏感吸收波段特征，對損傷紅外圖像進(jìn)行損傷光譜分析，提取出這些特征波段的光譜信息，例如吸光度、反射率等，損傷光譜分析可以為食品無損評定提供重要的參考依據(jù)，幫助評估食品的質(zhì)量和安全性，同時(shí)也可以為食品損耗的控制和預(yù)防提供依據(jù)。