CN116026803B - 一种基于手持式食品残留检测设备的食品污染检测系统 - Google Patents

Abstract

本申请公开了一种基于手持式食品残留检测设备的食品污染检测系统，涉及食品检测领域，该手持式食品残留检测设备中的主控板控制激发光源照射待测食品的表面，主控板通过相机组件采集待测食品表面的目标波段下的荧光图像，目标波段是相机孔处的滤波片透过的光谱波段；主控板利用内置的深度学习网络提取得到荧光图像中的残留物区域并通过显示屏进行显示。利用手持式食品残留检测设备通过不同的滤波片采集不同光谱波段下的荧光图像，结合内置的深度学习网络可以实现残留物区域的提取分割，完成食品污染检测，该手持式食品残留检测设备体积小巧、便于携带，可以携带至检测现场使用，可以实时查看结果。

Description

一种基于手持式食品残留检测设备的食品污染检测系统

技术领域

本申请涉及食品检测领域，尤其是一种基于手持式食品残留检测设备的食品污染检测系统。

背景技术

食品污染是食品生产商、食品销售商、消费者、食品监管部门所共同关注的问题。食源性疾病是由食用受污染的食物引起的，食品加工设备表面形成的微生物生物膜是食品污染的一个来源，例如大肠杆菌、沙门氏菌。食品生产、加工销售过程中产生的残留物和污染物是滋生这些细菌的温床。

目前大多数的食品生产加工残留物检测仍是人工目视检测方法。这种方法受检察员的个人能力、疲劳程度和检测环境的影响较大，缺乏明确的衡量标准，准确性也较低。

针对食品污染检测的问题，目前也有各种实验室使用的检测设备和检测算法，但是普遍存在检测设备体积庞大、操作复杂，容易受使用场地的限制的问题。此外，目前的检测设备大多使用光谱相机，其检测速度慢、价格昂贵、难以达到快速检测的要求，不适用与一线检测。

发明内容

本申请人针对上述问题及技术需求，提出了一种基于手持式食品残留检测设备的食品污染检测系统，本申请的技术方案如下：

一种基于手持式食品残留检测设备的食品污染检测系统，该食品污染检测系统中的手持式食品残留检测设备包括手持壳体，手持壳体的工作端面处开设相机孔；

手持壳体的工作端面的外表面设置有激发光源，手持壳体的内部设置有主控板和相机组件，相机组件的镜头透过相机孔处朝向手持壳体的工作端面前方；主控板连接并控制激发光源和相机组件；手持壳体上还设置有显示屏，主控板连接显示屏；

手持壳体的工作端面处安装有滤波片转盘，滤波片转盘上固定有多个滤波片，不同的滤波片用于透过不同光谱波段的光，通过转动滤波片转盘切换不同的滤波片至相机孔处；

利用手持式食品残留检测设备实现食品污染检测的方法包括：通过手持壳体的工作端面朝向待测食品，主控板控制激发光源照射待测食品的表面，主控板通过相机组件采集待测食品表面的目标波段下的荧光图像，目标波段是相机孔处的滤波片透过的光谱波段；主控板利用内置的深度学习网络提取得到荧光图像中的残留物区域并通过显示屏进行显示。

其进一步的技术方案为，利用手持式食品残留检测设备实现食品污染检测的方法包括：

确定待检测的目标残留物类别；

选取透过的光谱波段覆盖目标残留物类别的荧光发射峰所在的光谱波段的滤波片作为目标滤波片，目标滤波片透过的光谱波段为目标波段；

转动滤波片转盘切换目标滤波片至相机孔处；

主控板通过相机组件采集待测食品表面在目标波段下的荧光图像，并利用内置的深度学习网络提取得到荧光图像中的目标残留物类别的残留物所在的残留物区域。

其进一步的技术方案为，手持壳体的内部还设置旋转电机，旋转电机的电机轴连接滤波片转盘的转轴，主控板连接并控制旋转电机；利用手持式食品残留检测设备实现食品污染检测的方法包括：

主控板控制旋转电机带动滤波片转盘依次转动不同的滤波片至相机孔处，并在每个滤波片转动至相机孔处时，主控板控制相机组件采集待测食品表面在当前位于相机孔处的滤波片透过的光谱波段的荧光图像；

主控板对各次采集到的荧光图像按光谱波段拼接后输入内置的深度学习网络，提取得到荧光图像中的多种不同的目标残留物类别的残留物所在的残留物区域。

其进一步的技术方案为，主控板内置的深度学习网络包括YOLO4-TINY网络以及U-Net语义分割网络；

YOLO4-TINY网络从输入到输出依次包括CSPDarknet53 Tiny骨干网络、FPN特征金字塔网络和YOLO Head检测头；CSPDarknet53 Tiny骨干网络对输入的荧光图像进行特征提取后输入FPN特征金字塔网络进行特征融合得到特征图，YOLO Head检测头对得到的特征图进行结果预测，提取残留物区域所在的荧光图像作为感兴趣区域输入U-Net语义分割网络；

U-Net语义分割网络从输入到输出依次包括主干特征提取模块、特征融合模块和预测模块，主干特征提取模块对输入的感兴趣区域进行多层卷积池化处理并输出多层有效特征层至特征融合模块，特征融合模块对多层有效特征层进行上采样和特征融合得到融合特征，预测模块对融合特征的各个像素点进行分类，提取得到荧光图像中的残留物区域。

其进一步的技术方案为，食品污染检测系统还包括云端服务器和模型训练终端，手持式食品残留检测设备的手持壳体内部还设置与在主控板相连的无线通信模组，模型训练终端训练得到深度学习网络并上传至云端服务器，主控板通过无线通信模组连接云端服务器并从云端服务器下载更新内置的深度学习网络。

其进一步的技术方案为，食品污染检测系统还包括结果查询终端，结果查询终端连接云端服务器，主控板提取得到荧光图像中的残留物区域并通过无线通信模组上传至云端服务器，结果查询终端从云端服务器获取提取得到荧光图像中的残留物区域实现远程的结果查询；或者，主控板提取得到荧光图像中的残留物区域并通过无线通信模组利用近场通信传输给结果查询终端。

其进一步的技术方案为，手持壳体的工作端面还内嵌有超声波测距探头，主控板连接并控制超声波测距探头；主控板通过超声波测距探头检测到手持壳体的工作端面与待测食品之间的距离小于距离阈值时，控制激发光源发光并控制相机组件采集荧光图像。

其进一步的技术方案为，手持壳体内部还设置有定位结构，定位结构包括棘爪、棘轮和限位弹簧，棘轮固定在滤波片转盘上，棘爪通过限位弹簧固定在手持壳体的内部，棘爪在滤波片转盘转动过程中与棘轮的齿部啮合实现定位。

其进一步的技术方案为，手持壳体上还开设散热通孔，手持壳体内部还安装散热风扇，主控板连接并控制散热风扇，且激发光源安装在金属散热片上。

其进一步的技术方案为，手持壳体的工作端面的外表面在不同位置布设有多个激发光源。

本申请的有益技术效果是：

本申请公开了一种基于手持式食品残留检测设备的食品污染检测系统，利用手持式食品残留检测设备通过不同的滤波片采集不同光谱波段下的荧光图像，结合内置的深度学习网络可以实现残留物区域的提取分割，完成食品污染检测，该手持式食品残留检测设备体积小巧、便于携带，可以携带至检测现场使用，可以实时查看结果。

该手持式食品残留检测设备搭配不同的滤波片，通过相机组件结合多个滤波片可以实现对不同类别的残留物的检测，适用范围广，且无需使用特定波段相机，通过更换滤波片就能改变检测的光谱波段，使用方便。

基于改进的YOLO4-TINY轻量化网络结合U-Net语义分割算法自动识别生产加工设备表面食品残留物并对荧光图像中的残留物区域进行分割，提高了检测精度。基于云传输技术可以实现深度学习网络的下载更新，以及食品污染检测结果的上传，降低了对手持式食品残留检测设备搭载的主控板的算力要求。

附图说明

图1是本申请一个实施例的手持式食品残留检测设备的结构爆炸图。

图2是本申请一个实施例的手持式食品残留检测设备的朝向工作端面的正视图。

图3是本申请一个实施例的手持式食品残留检测设备的工作端面处的滤波片转盘的结构示意图。

图4是本申请一个实施例的手持式食品残留检测设备的定位结构的结构示意图。

图5是本申请一个实施例的食品污染检测系统的系统通信架构图。

具体实施方式

下面结合附图对本申请的具体实施方式做进一步说明。

本申请公开了一种基于手持式食品残留检测设备的食品污染检测系统，请参考图1所示的爆炸图，该食品污染检测系统中的手持式食品残留检测设备包括手持壳体1，手持壳体1包括壳体腔1a和手柄1b，该手持式食品残留检测设备的其他各部分部件安装在壳体腔1a内，手柄1b固定在壳体腔1a上便于手持。

该手持壳体1包括一个工作端面，当该手持式食品残留检测设备工作时，该手持式食品残留检测设备通过工作端面朝向待测食品。请参考图2所示的手持壳体1的工作端面的正视图，手持壳体1的工作端面处开设相机孔2。手持壳体1的工作端面的外表面设置有激发光源3用于照射待测食品。在一个实施例中，根据食品残留物的荧光特性，选用中心波长400nm，波长范围395-405nm的大功率LED作为激发光源。在一个实施例中，为了均匀照射待测食品的表面以提高采集到的荧光图像的图像质量，手持壳体1的工作端面的外表面在不同位置布设有多个激发光源3，比如图2以工作端面的外表面在不同位置布设4个激发光源3为例。

手持壳体1的内部设置有主控板4和相机组件5，相机组件5的镜头透过相机孔2处朝向手持壳体1的工作端面前方。主控板4连接并控制激发光源3和相机组件4。另外，手持壳体1上还设置有显示屏6，主控板4连接显示屏6。该显示屏6还可以实现为触控屏，除了显示功能之外，还可以实现操作控制。为了方便使用，显示屏6一般设置子在手持壳体1的相对于工作端面的另一面。另外手持壳体1的内部还设置有用于给各个用电器件供电的供电模组7。

手持壳体1的工作端面处安装有滤波片转盘8，请参考图3，滤波片转盘8上固定有多个滤波片，不同的滤波片用于透过不同光谱波段的光，比如图3以滤波片转盘8上固定有6个滤波片分别为滤波片9a、9b、9c、9d、9e和9f为例。通过转动滤波片转盘8切换不同的滤波片至相机孔2处。对照图2和图3可以确定，图3以滤波片9a位于相机孔2处的状态为例。

利用手持式食品残留检测设备实现食品污染检测的方法包括：通过手持壳体的工作端面朝向待测食品，主控板控制激发光源照射待测食品的表面，主控板通过相机组件采集待测食品表面的目标波段下的荧光图像，目标波段是相机孔处的滤波片透过的光谱波段；主控板利用内置的深度学习网络提取得到荧光图像中的残留物区域并通过显示屏进行显示。

利用手持式食品残留检测设备实现食品污染检测的方法包括：通过手持壳体1的工作端面朝向待测食品，主控板4控制激发光源3照射待测食品的表面，主控板4通过相机组件5采集待测食品表面的目标波段下的荧光图像，目标波段是相机孔2处当前设置的滤波片所透过的光谱波段。然后主控板4利用内置的深度学习网络提取得到荧光图像中的残留物区域并通过显示屏进行显示，该残留物区域即为残留物在目标波段下产生的荧光所在的区域。

在一个实施例中，主控板内置的深度学习网络包括YOLO4-TINY网络以及U-Net语义分割网络。YOLO4-TINY网络从输入到输出依次包括CSPDarknet53Tiny骨干网络、FPN特征金字塔网络和YOLO Head检测头；CSPDarknet53 Tiny骨干网络对输入的荧光图像进行特征提取后输入FPN特征金字塔网络进行特征融合得到特征图，YOLO Head检测头对得到的特征图进行结果预测，提取残留物区域所在的荧光图像作为感兴趣区域输入U-Net语义分割网络。U-Net语义分割网络从输入到输出依次包括主干特征提取模块、特征融合模块和预测模块，主干特征提取模块对输入的感兴趣区域进行多层卷积池化处理并输出多层有效特征层至特征融合模块，特征融合模块对多层有效特征层进行上采样和特征融合得到融合特征，预测模块对融合特征的各个像素点进行分类，提取得到荧光图像中的残留物区域。

待测食品上在自然光下不可见的残留物存在相应的荧光发射峰，在荧光发射峰对应的波段下会产生荧光而可以与背景图像区分提取得到。不同类别的残留物的荧光发射峰不同，因此本申请的手持式食品残留检测设备设置多个透过不通过光谱波段的滤波片来实现对不同类别的残留物的检测。

在一个实施例中，首先确定待检测的目标残留物类别，然后选取透过的光谱波段覆盖该目标残留物类别的荧光发射峰所在的光谱波段的滤波片作为目标滤波片，目标滤波片透过的光谱波段为目标波段。转动滤波片转盘8切换目标滤波片至相机孔2处。主控板通过相机组件采集待测食品表面在目标滤波片透过的目标波段下的荧光图像，并利用内置的深度学习网络提取得到荧光图像中的目标残留物类别的残留物所在的残留物区域。从而可以实现对特定的目标残留物类别的检测。比如待检测的目标残留物类别为菠菜汁，菠菜汁在685nm处存在荧光发射峰，选用透过的光谱波段覆盖685nm的滤波片作为目标滤波片并旋转至相机孔2处，通过相机组件采集到的荧光图像包括菠菜汁产生的荧光，通过深度学习网络即可以提取出残留物区域，从而可以检测出待测食品表面是否残留有菠菜汁，以及残留有菠菜汁的区域。

在另一个实施例中，手持壳体的内部还设置旋转电机，图1未示出，旋转电机的电机轴连接滤波片转盘8的转轴，主控板4连接并控制旋转电机。利用手持式食品残留检测设备实现食品污染检测的方法包括：主控板4控制旋转电机带动滤波片转盘8依次转动不同的滤波片至相机孔2处，并在每个滤波片转动至相机孔2处时，主控板4控制相机组件5采集待测食品表面在当前位于相机孔2处的滤波片透过的光谱波段的荧光图像。主控板4对各次采集到的荧光图像按光谱波段拼接后输入内置的深度学习网络，提取得到荧光图像中的多种不同的目标残留物类别的残留物所在的残留物区域。不同的滤波片旋转至相机孔2处采集到的荧光图像中包括不同类别的残留物的荧光，则该实施例可以自动实现对多种不同类别的残留物的检测。

在另一个实施例中，该手持壳体的工作端面还内嵌有超声波测距探头10，主控板3连接并控制超声波测距探头10。主控板4通过超声波测距探头10检测到手持壳体1的工作端面与待测食品之间的距离小于距离阈值时，控制激发光源3发光并控制相机组件5采集荧光图像，触发上述检测流程。

为了保证所需的滤波片稳定设置在相机孔2处而不会在检测过程中发生移位导致图像采集错误，该手持壳体内部还设置有定位结构，请参考图4，定位结构包括棘爪12、棘轮11和限位弹簧13，棘轮11固定在滤波片转盘8上，棘爪12通过限位弹簧13固定在手持壳体1的内部，棘爪12在滤波片转盘8转动过程中与棘轮11的齿部啮合实现定位。具体的如图4所示，棘爪12末端的转动轴固定在手持壳体1的内部，棘爪12可绕着末端的转动轴旋转，限位弹簧13的一端固定在手持壳体1的内部、另一端固定在棘爪12的前端处，棘爪12的前端与棘轮11的齿部啮合，通过棘爪12与棘轮11的啮合可以对滤波片转盘8的位置进行定位，避免在使用过程中发生位置变化。

为了对手持壳体1内部的元器件进行散热，手持壳体1上开设有散热通孔14，手持壳体1内部还安装散热风扇15，主控板4连接并控制散热风扇15，另外激发光源3安装在金属散热片16上，如图4所示，当有多个激发光源3时，每个激发光源3分别安装在一个金属散热片16上，保证激发光源3快速散热。

如图5所示，该食品污染检测系统还包括云端服务器和模型训练终端20，该手持式食品残留检测设备的手持壳体内部还设置与在主控板4相连的无线通信模组，模型训练终端20训练得到深度学习网络并上传至云端服务器，主控板4通过无线通信模组连接云端服务器并从云端服务器下载更新内置的深度学习网络。另外，该食品污染检测系统还包括结果查询终端30，结果查询终端30连接云端服务器，主控板4提取得到荧光图像中的残留物区域并通过无线通信模组上传至云端服务器，结果查询终端30从云端服务器获取提取得到荧光图像中的残留物区域实现远程的结果查询。或者，主控板4提取得到荧光图像中的残留物区域并通过无线通信模组利用近场通信传输给结果查询终端30，从而可以在结果查询终端30中查看荧光图像中的残留物区域以及保存结果。

以上所述的仅是本申请的优选实施方式，本申请不限于以上实施例。可以理解，本领域技术人员在不脱离本申请的精神和构思的前提下直接导出或联想到的其他改进和变化，均应认为包含在本申请的保护范围之内。

Claims (8)

1.一种基于手持式食品残留检测设备的食品污染检测系统，其特征在于，所述食品污染检测系统中的手持式食品残留检测设备包括手持壳体，所述手持壳体的工作端面处开设相机孔；

所述手持壳体的工作端面的外表面设置有激发光源，所述手持壳体的内部设置有主控板和相机组件，所述相机组件的镜头透过所述相机孔处朝向所述手持壳体的工作端面前方；所述主控板连接并控制所述激发光源和所述相机组件；所述手持壳体上还设置有显示屏，所述主控板连接所述显示屏；

所述手持壳体的工作端面处安装有滤波片转盘，所述滤波片转盘上固定有多个滤波片，不同的滤波片用于透过不同光谱波段的光，通过转动所述滤波片转盘切换不同的滤波片至所述相机孔处；

利用所述手持式食品残留检测设备实现食品污染检测的方法包括：通过所述手持壳体的工作端面朝向待测食品，所述主控板控制所述激发光源照射所述待测食品的表面，所述主控板通过所述相机组件采集所述待测食品表面的目标波段下的荧光图像，所述目标波段是相机孔处的滤波片透过的光谱波段；所述主控板利用内置的深度学习网络提取得到所述荧光图像中的残留物区域并通过所述显示屏进行显示；所述主控板内置的深度学习网络包括YOLO4-TINY网络以及U-Net语义分割网络；所述YOLO4-TINY网络从输入到输出依次包括CSPDarknet53 Tiny骨干网络、FPN特征金字塔网络和YOLO Head检测头；CSPDarknet53Tiny骨干网络对输入的荧光图像进行特征提取后输入FPN特征金字塔网络进行特征融合得到特征图，YOLO Head检测头对得到的特征图进行结果预测，提取残留物区域所在的荧光图像作为感兴趣区域输入U-Net语义分割网络；所述U-Net语义分割网络从输入到输出依次包括主干特征提取模块、特征融合模块和预测模块，所述主干特征提取模块对输入的感兴趣区域进行多层卷积池化处理并输出多层有效特征层至所述特征融合模块，所述特征融合模块对多层有效特征层进行上采样和特征融合得到融合特征，所述预测模块对所述融合特征的各个像素点进行分类，提取得到所述荧光图像中的残留物区域；

所述手持壳体的内部还设置旋转电机，所述旋转电机的电机轴连接所述滤波片转盘的转轴，所述主控板连接并控制所述旋转电机；利用所述手持式食品残留检测设备实现食品污染检测的方法包括：所述主控板控制所述旋转电机带动所述滤波片转盘依次转动不同的滤波片至所述相机孔处，并在每个滤波片转动至所述相机孔处时，所述主控板控制所述相机组件采集所述待测食品表面在当前位于所述相机孔处的滤波片透过的光谱波段的荧光图像；所述主控板对各次采集到的荧光图像按光谱波段拼接后输入内置的深度学习网络，提取得到所述荧光图像中的多种不同的目标残留物类别的残留物所在的残留物区域。

2.根据权利要求1所述的食品污染检测系统，其特征在于，利用所述手持式食品残留检测设备实现食品污染检测的方法包括：

确定待检测的目标残留物类别；

选取透过的光谱波段覆盖所述目标残留物类别的荧光发射峰所在的光谱波段的滤波片作为目标滤波片，所述目标滤波片透过的光谱波段为目标波段；

转动所述滤波片转盘切换所述目标滤波片至所述相机孔处；

所述主控板通过所述相机组件采集所述待测食品表面在目标波段下的荧光图像，并利用内置的深度学习网络提取得到所述荧光图像中的目标残留物类别的残留物所在的残留物区域。

3.根据权利要求1所述的食品污染检测系统，其特征在于，所述食品污染检测系统还包括云端服务器和模型训练终端，所述手持式食品残留检测设备的手持壳体内部还设置与所述主控板相连的无线通信模组，所述模型训练终端训练得到所述深度学习网络并上传至所述云端服务器，所述主控板通过所述无线通信模组连接所述云端服务器并从所述云端服务器下载更新内置的深度学习网络。

4.根据权利要求3所述的食品污染检测系统，其特征在于，所述食品污染检测系统还包括结果查询终端，所述结果查询终端连接所述云端服务器，所述主控板提取得到所述荧光图像中的残留物区域并通过所述无线通信模组上传至所述云端服务器，所述结果查询终端从所述云端服务器获取提取得到所述荧光图像中的残留物区域实现远程的结果查询；或者，所述主控板提取得到所述荧光图像中的残留物区域并通过所述无线通信模组利用近场通信传输给所述结果查询终端。

5.根据权利要求1所述的食品污染检测系统，其特征在于，所述手持壳体的工作端面还内嵌有超声波测距探头，所述主控板连接并控制所述超声波测距探头；所述主控板通过所述超声波测距探头检测到所述手持壳体的工作端面与待测食品之间的距离小于距离阈值时，控制所述激发光源发光并控制所述相机组件采集荧光图像。

6.根据权利要求1所述的食品污染检测系统，其特征在于，所述手持壳体内部还设置有定位结构，所述定位结构包括棘爪、棘轮和限位弹簧，所述棘轮固定在所述滤波片转盘上，所述棘爪通过所述限位弹簧固定在所述手持壳体的内部，所述棘爪在所述滤波片转盘转动过程中与所述棘轮的齿部啮合实现定位。

7.根据权利要求1所述的食品污染检测系统，其特征在于，所述手持壳体上还开设散热通孔，所述手持壳体内部还安装散热风扇，所述主控板连接并控制所述散热风扇，且所述激发光源安装在金属散热片上。

8.根据权利要求1所述的食品污染检测系统，其特征在于，所述手持壳体的工作端面的外表面在不同位置布设有多个所述激发光源。