一种脆化鱼饲料防伪检测的方法

1.本发明涉及饲料防伪技术领域，具体涉及一种脆化鱼饲料防伪检测的方法。


背景技术：

2.目前有部分饲料制造商为了防止饲料被伪造，通常会在饲料中加入适量无毒无害的有益微量元素（例如添加总量低于《饲料和饲料添加剂管理条例》规定的最高限量的硒元素、锌元素、钴元素）以标定饲料源。而在脆化鱼（脆肉鲩或脆肉罗非鱼）的饲料由于其中需加入蚕豆等含有l-3,4-二羟基苯丙氨酸的致敏因子成分促进鱼的肌肉肌纤维结构脆化，因此价格比一般鱼饲料高，尽管采用一般鱼饲料掺有蚕豆的仿制饲料喂养的脆化鱼虽然也能脆化，但是其脆化程度和营养成分比不上正规的脆化鱼饲料，因此有一些饲料制造商一般会在脆化鱼饲料中加入微量元素，在脆化鱼售后判断真伪时，通过光谱分析法或者微量元素分析仪等方式检测脆化鱼的肌肉切片判断该脆化鱼是否是采用添加有添加微量元素的脆化鱼饲料所喂养，从而从源头上保障脆化鱼的脆化品质和营养。
3.然而为了防止商品饲料中添加的微量元素超标，在脆化鱼饲料加入微量元素的总量不会很高，而脆化鱼的脆化原理是鱼体内的抗氧化性蛋白酶能够修复l-3,4-二羟基苯丙氨酸等致敏因子带来的溶血伤害，在蛋白酶与致敏因子的反复作用下，使鱼的肌肉肌纤维结构会发生变化从而肉质发生脆化，但是，在经过脆化鱼的反复溶血伤害的新陈代谢时，大量的微量元素会随着脆化鱼的溶血大量代谢，使得鱼肉中正在脆化中的区域的微量元素含量较少，使微量元素特征性不明显，鱼肉组织中微量元素的含量分布不均匀，从而使得检测不准确。


技术实现要素：

4.本发明的目的在于提出一种脆化鱼饲料防伪检测的方法，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。
5.为了实现上述目的，根据本发明的一方面，提供一种脆化鱼饲料防伪检测的方法，所述方法包括以下步骤：s100，对脆化鱼投喂一段时间待测饲料后，获取脆化鱼的肌肉组织的切片显微图像；s200，识别出切片显微图像中的强反演边界；s300，根据各个强反演边界构成的沉积区域计算强反演点，筛选出所有内部存在强反演点的沉积区域作为检测区；s400，获取各个检测区的微量元素含量；s500，如果有任意一个检测区内的微量元素平均含量超过阈值则判定为通过脆化鱼饲料喂养的脆化鱼，否则为掺假饲料喂养的脆化鱼。
6.其中，在s500中，阈值是预先测定好的标准脆化鱼肌肉的组织的微量元素的平均含量。
7.其中，在s500中，微量元素平均含量是指检测区内所有点位置的微量元素含量的平均值。
8.进一步地，在s100中，对脆化鱼投喂一段时间待测饲料的具体方法为：在5亩的水产养殖池中放养净重大于等于0.5斤/尾或1斤/尾的待脆化鱼，放养密度小于2000尾/亩，日投喂量为鱼体重的3%-5%，水体的含氧量大于5mg/l，水体的ph值为7.8-8.0，盐度为0.3
‰‑
0.4
‰
,水温为25℃-28℃，投喂待测饲料2-3个月。
9.其中，所述待脆化鱼为脆肉鲩或者脆肉罗非鱼。
10.优选地，所述待测饲料至少包括l-3,4-二羟基苯丙氨酸或者蚕豆制品。
11.进一步地，在s100中，获取脆化鱼的肌肉组织的切片显微图像的方法为：获取脆化鱼的肌肉组织切片，在0.8%的鱼用生理盐水中洗净并吸干表面水分；通过显微高光谱成像仪采集得到鱼肌肉组织切片的高光谱图像作为切片显微图像。
12.进一步地，在s100中，切片显微图像为光谱图像的硒元素含量、锌元素含量、钴元素含量中任意一种微量元素通过发明专利公告号为cn114577834b的发明专利中微量元素含量的定量分析法、光子扩散分析模型（analytical photon diffusion model）、原子荧光光谱法、原子吸收光谱法或者最小二乘支持向量机模型任意一种反演模型进行反演得到的图像。
13.优选地，在s100中，包括：获取切片显微图像中各个像素点的微量元素含量的方法为：通过usgs波谱数据库、asd原子光谱数据库、jpl标准波谱数据库、aster波谱数据库、hipas波谱数据库、jhu波谱数据库中任意一种数据库所提供的微量元素的光谱反射值对切片显微图像中各个像素点的微量元素的含量进行反演，反演过程基于郎伯-比尔定律，从而获取切片显微图像中各个像素点的微量元素的含量。
14.其中，所述微量元素包括硒元素、锌元素、钴元素中任意一种。
15.由于脆化鱼的反复溶血伤害的新陈代谢时，大量的微量元素会随着脆化鱼的溶血大量代谢，使得鱼肉中正在脆化中的位置的微量元素的沉积量较少，这种现象尤其在半脆化鱼（脆化度较低或者脆化处于初级阶段的脆化鱼）的鱼肉中，相应的脆化区域在切片显微图像上表现为溶血或半溶血位置的大量图像区域中微量元素的光谱反射率很低，在脆化鱼切片中，存在大量的溶血的组织与彻底脆化的鱼肉组织和无法脆化的鱼肉组织交错，以至于无法正常的识别反演获得鱼肉组织中微量元素的准确的整体含量；由于无溶血反应，已经彻底脆化的鱼肉组织和无法脆化的鱼肉组织区域的微量元素沉积量比正在脆化鱼肉组织的微量元素沉积量高，而已经彻底脆化的鱼肉组织由于蛋白质比未彻底脆化组织高很多，而无法脆化的鱼肉组织区域比未彻底脆化的组织的蛋白质的含量低，所以彻底脆化的鱼肉组织在灰度图上呈现为比未彻底脆化组织相对高的灰度值，而无法脆化的鱼肉组织在灰度图上呈现为比未彻底脆化组织相对低的灰度值，为了沉积量较大的无法脆化的鱼肉组织区域和已经彻底脆化的鱼肉组织选出，本技术提出以下方案：进一步地，在s200中，识别出切片显微图像中的强反演边界的方法包括：对切片显微图像灰度化获得灰度图像，计算切片显微图像中各个像素点的蛋白质含量的平均值为tu；计算灰度图像中各个灰度值的平均值为grayave，通过分水岭算法提取灰度图像中的各个边缘线，通过边缘线将灰度图像划分为多个子区域；选取各个子区域中所有像素灰度值的最大值小于grayave，并且，子区域中所有像素对应的蛋白质含量的平均
值小于tu的子区域记为第一筛选区域；（第一筛选区域是无法脆化的鱼肉组织区域）；选取各个子区域中所有像素灰度值的最小值大于grayave，并且，子区域中所有像素对应的蛋白质含量的平均值大于tu的子区域记为第二筛选区域；（第二筛选区域是已经彻底脆化的鱼肉组织）；将第一筛选区域和/或第二筛选区域记为沉积区域；以沉积区域的边界的边缘线作为强反演边界。
16.其中，切片显微图像中各个像素点的蛋白质含量通过多元线性回归分析得到蛋白质含量与高光谱图像中像素点反射率的关系，获取鱼蛋白质含量，例如公告号为cn103630499b的中国发明专利中的一种基于高光谱成像技术的鱼蛋白质含量分布检测方法。
17.由于强反演边界中的沉积区域是微量元素的沉积量较多的区域，但是在实际的检测过程中，沉积区域往往是面积较小的区域，由于鱼的肌肉组织有些是局部微量元素吸收较好或者较差，所以并不能代表脆化鱼整体性的微量元素吸收情况，因此需要通过本技术的以下方案定位待检测区的范围，保证检出准确率，具体方法如下：进一步地，在s300中，根据各个强反演边界构成的沉积区域计算强反演点，筛选出所有内部存在强反演点的沉积区域作为检测区的方法包括：对各个沉积区域进行角点检测获取角点，各个角点构成集合p,p={p0、p1、p2…
pi…
pn}，i=[1,n]，n是角点的总数；在i∈[1,n]的范围内依次计算所有角点pi位置的强反演点p(pi)：记与角点pi位置的微量元素含量差值最大的角点为pmax，记与角点pi位置的微量元素含量差值最小的角点为pmin，按照各个角点与角点pi的微量元素含量差值的大小从小到大将集合p中所有角点排列成序列l(pi)；则pmin在l(pi)中的序号为r1，则pmax在l(pi)中的序号为r2，在l(pi)中截取从序号r1到序号r2的所有节点构成贴近序列r(pi)，计算角点pi位置的强反演点p(pi)；；其中，pj是贴近序列r(pi)中序号从j=r1到j=r2的角点，(注：如果j-1为0则p
j-1
为0)，j是序号；k1是pj的前含量比， k2是pj的后含量比，；；含量权重比k=1-k1-k2；其中，qj是贴近序列r(pi)中序号从r1到r2的角点对应位置的微量元素含量；ql是贴近序列r(pi)中序号从r1到r2的角点对应位置的微量元素中最大的微量元素含量；qs是贴近序列r(pi)中序号从r1到r2的角点对应位置的微量元素中最小的微量元素含量；（强反演点是与角点pi位置对应的微量元素最平衡的点，即强反演点周围的各个沉积区域由于微量元素的梯度差较小，所以微量元素含量分布均匀、是最容易被检测到的位置，由于强反演点相对角点pi位置的已经趋向于梯度差较小的位置发生倾向性移动，所以比微量元素的梯度差大较弱、微量元素含量分布不均匀的区域内一般不存在强反演点）；筛选出所有内部存在强反演点的沉积区域作为检测区。
[0018]
优选地，为了提高检测速度，所述角点pi位置的强反演点p(pi)也可以为：强反演点
p(pi)为角点pi在角点为pmax和角点为pmin之间连接线上的投影点，但是会降低检测结果的精度。
[0019]
以上方法获得的检测区，其检测区的内部由于脆化鱼的快速溶血反应，在脆化度较低的脆化鱼的鱼肉组织切片上具有比较大的溶血区域在检测区内部，会导致检测区内部出现微量元素含量分布不均衡，在溶血区域分布较低，为进一步提高检测准确度，本发明提供了以下优选的方案：优选地，在s400中，筛选出所有内部存在强反演点的沉积区域作为检测区时包括以下步骤：在i∈[1,n]的范围内依次对各个强反演点p(pi)进行消溶血区操作：获取强反演点p(pi)与角点集合p中各个角点之间连接线之间的夹角；以强反演点p(pi)和角点集合p中各个角点位置的微量元素含量差值的平均值为temm；在角点集合p中筛选出强反演点p(pi)和角点集合p中各个角点位置的微量元素含量差值大于或等于temm的各个角点，从中选出和强反演点p(pi) 连接线之间的夹角中最大夹角的两个角点pe1和pe2；计算强反演点p(pi)和角点集合p中各个角点的连接线长度的均值为mead；记pe1到pe2之间的距离为ld；判断ld是否大于mead的th倍，如果大于，则将p(pi)、pe1和pe2互相连接构成三角区间，令p(pi)在pe1和pe2连接的边上的投影点为pe3，删除pe1和pe2在最近的强反演边界上的2个投影点pe4和pe5之间沉积区域的边，并连接pe3和pe4、连接pe3和pe5构成新的沉积区域；其中，th为预设阈值，th取值[0.7,3]，th取值越小，连接的沉积区域越小、检测精度越高，但是时间复杂度高，对检测仪器的压力越大，会产生较大的时延。
[0020]
本发明还提供了一种脆化鱼饲料防伪检测的系统，所述系统包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述一种脆化鱼饲料防伪检测的方法中任一项的步骤，所述一种脆化鱼饲料防伪检测的系统运行于桌上型计算机、笔记本、掌上电脑或云端数据中心的计算设备中，运行的系统包括处理器、存储器、服务器集群。
[0021]
如上所述，本发明所述的一种脆化鱼饲料防伪检测的方法，具有以下有益效果：提高了微量元素特征性，使鱼肉组织检测区域中微量元素的含量分布均匀，定位微量元素的梯度差较稳定的待检测区的范围，保证检出准确率和提高检测精度。
附图说明
[0022]
图1所示为一种脆化鱼饲料防伪检测系统结构图。
具体实施方式
[0023]
分别在试验养殖池和对照养殖池中放养净重1斤/尾(误差区间200克)的待脆化的罗非鱼，试验养殖池和对照养殖池均为5亩的水产养殖池，放养密度2000尾/亩，日投喂量为鱼体重的5%。在试验养殖池和对照养殖池分别投喂的待测饲料是掺有蚕豆制品的配合饲料制成的虚假饲料和饲料制造商制造的含有0.25mg/kg硒元素的水产脆化饲料（《饲料中添加剂使用标准》(gb/t 22247-2008)的规定,水产饲料中硒的添加量硒的添加量不得超过0.3mg/kg）。水体的含氧量5mg/l，水体的ph值维持在7.8-8.0，盐度为0.3
‰
,水温维持在25
℃-28℃。
[0024]
投喂待测饲料2个月后，分别各获取试验养殖池和对照养殖池中30尾脆化的罗非鱼的肌肉组织的切片显微图像，具体为：分别各获取试验养殖池和对照养殖池中30尾脆肉罗非鱼，获取脆化鱼的肌肉组织切片，在0.8%的鱼用生理盐水中洗净并吸干表面水分；通过显微高光谱成像仪采集得到鱼肌肉组织切片的高光谱图像作为切片显微图像。
[0025]
通过以下实施例一、实施例二、对比例中的防伪检测方法对30尾脆肉罗非鱼的肌肉组织的切片显微图像进行防伪检测：实施例一：识别出切片显微图像中的强反演边界；根据各个强反演边界构成的沉积区域计算强反演点，筛选出所有内部存在强反演点的沉积区域作为检测区；获取各个检测区的微量元素含量；如果有任意一个检测区内的微量元素平均含量超过阈值则判定为通过脆化鱼饲料喂养的脆化鱼，否则为掺假饲料喂养的脆化鱼，其中，阈值设置为0.25mg/kg。其中，微量元素为硒。
[0026]
其中，获取切片显微图像中各个像素点的微量元素含量的方法为：通过usgs波谱数据库的光谱反射值对切片显微图像中各个像素点的微量元素的含量进行反演，反演过程基于郎伯-比尔定律，从而获取切片显微图像中各个像素点的微量元素的含量。
[0027]
其中，识别出切片显微图像中的强反演边界的方法包括：对切片显微图像灰度化获得灰度图像，计算切片显微图像中各个像素点的蛋白质含量的平均值为tu；计算灰度图像中各个灰度值的平均值为grayave，通过分水岭算法提取灰度图像中的各个边缘线，通过边缘线将灰度图像划分为多个子区域；选取各个子区域中所有像素灰度值的最大值小于grayave，并且，子区域中所有像素对应的蛋白质含量的平均值小于tu的子区域记为第一筛选区域； 选取各个子区域中所有像素灰度值的最小值大于grayave，并且，子区域中所有像素对应的蛋白质含量的平均值大于tu的子区域记为第二筛选区域；将第一筛选区域和第二筛选区域记为沉积区域；以沉积区域的边界的边缘线作为强反演边界。
[0028]
其中，切片显微图像中各个像素点的蛋白质含量通过多元线性回归分析得到蛋白质含量与高光谱图像中像素点反射率的关系，获取鱼蛋白质含量。
[0029]
进一步地，根据各个强反演边界构成的沉积区域计算强反演点，筛选出所有内部存在强反演点的沉积区域作为检测区的方法包括：对各个沉积区域进行角点检测获取角点，各个角点构成集合p,p={p0、p1、p2…
pi…
pn}，i=[1,n]，n是角点的总数；在i∈[1,n]的范围内依次计算所有角点pi位置的强反演点p(pi)：记与角点pi位置的微量元素含量差值最大的角点为pmax，记与角点pi位置的微量元素含量差值最小的角点为pmin，按照各个角点与角点pi的微量元素含量差值的大小从小到大将集合p中所有角点排列成序列l(pi)；则pmin在l(pi)中的序号为r1，则pmax在l(pi)中的序号为r2，在l(pi)中截取从序号r1到序号r2的所有节点构成贴近序列r(pi)，计算角点pi位置的强反演点p(pi)；；其中，pj是贴近序列r(pi)中序号从j=r1到j=r2的角点，(注：如果j-1为0则p
j-1
为
0)，j是序号；k1是pj的前含量比， k2是pj的后含量比，；；含量权重比k=1-k1-k2；其中，qj是贴近序列r(pi)中序号从r1到r2的角点对应位置的微量元素含量；ql是贴近序列r(pi)中序号从r1到r2的角点对应位置的微量元素中最大的微量元素含量；qs是贴近序列r(pi)中序号从r1到r2的角点对应位置的微量元素中最小的微量元素含量；筛选出所有内部存在强反演点的沉积区域作为检测区。
[0030]
实施例二：识别出切片显微图像中的强反演边界；根据各个强反演边界构成的沉积区域计算强反演点，筛选出所有内部存在强反演点的沉积区域作为检测区；获取各个检测区的微量元素含量；如果有任意一个检测区内的微量元素平均含量超过阈值则判定为通过脆化鱼饲料喂养的脆化鱼，否则为掺假饲料喂养的脆化鱼，其中，阈值设置为0.25mg/kg。其中，微量元素为硒。
[0031]
其中，获取切片显微图像中各个像素点的微量元素含量的方法为：通过usgs波谱数据库的光谱反射值对切片显微图像中各个像素点的微量元素的含量进行反演，反演过程基于郎伯-比尔定律，从而获取切片显微图像中各个像素点的微量元素的含量。
[0032]
其中，识别出切片显微图像中的强反演边界的方法包括：对切片显微图像灰度化获得灰度图像，计算切片显微图像中各个像素点的蛋白质含量的平均值为tu；计算灰度图像中各个灰度值的平均值为grayave，通过分水岭算法提取灰度图像中的各个边缘线，通过边缘线将灰度图像划分为多个子区域；选取各个子区域中所有像素灰度值的最大值小于grayave，并且，子区域中所有像素对应的蛋白质含量的平均值小于tu的子区域记为第一筛选区域； 选取各个子区域中所有像素灰度值的最小值大于grayave，并且，子区域中所有像素对应的蛋白质含量的平均值大于tu的子区域记为第二筛选区域；将第一筛选区域和第二筛选区域记为沉积区域；以沉积区域的边界的边缘线作为强反演边界。
[0033]
进一步地，根据各个强反演边界构成的沉积区域计算强反演点，筛选出所有内部存在强反演点的沉积区域作为检测区的方法包括：对各个沉积区域进行角点检测获取角点，各个角点构成集合p,p={p0、p1、p2…
pi…
pn}，i=[1,n]，n是角点的总数；在i∈[1,n]的范围内依次计算所有角点pi位置的强反演点p(pi)：记与角点pi位置的微量元素含量差值最大的角点为pmax，记与角点pi位置的微量元素含量差值最小的角点为pmin，强反演点p(pi)为角点pi在角点为pmax和角点为pmin之间连接线上的投影点；筛选出所有内部存在强反演点的沉积区域作为检测区。
[0034]
以上补正为了提高检测速度，牺牲了检测结果的精度，为了兼顾精度，本实施例二通过以下优先的方案提高检测速度。
[0035]
其中，筛选出所有内部存在强反演点的沉积区域作为检测区时包括以下步骤：在i∈[1,n]的范围内依次对各个强反演点p(pi)进行消溶血区操作：获取强反演点p(pi)与角点集合p中各个角点之间连接线之间的夹角；以强反演点p(pi)和角点集合p中各个角点位置的微量元素含量差值的平均值为temm；在角点集合p中筛选出强反演点p(pi)和角点集合p中各个角点位置的微量元素含量差值大于或等于temm的各个角点，从中选出和强反演点p(pi) 连接线之间的夹角中最大夹角的两个角点pe1和pe2；计算强反演点p(pi)和角点集合p中各个角点的连接线长度的均值为mead；记pe1到pe2之间的距离为ld；判断ld
是否大于mead的th倍，如果大于，则将p(pi)、pe1和pe2互相连接构成三角区间，令p(pi)在pe1和pe2连接的边上的投影点为pe3，删除pe1和pe2在最近的强反演边界上的2个投影点pe4和pe5之间沉积区域的边，并连接pe3和pe4、连接pe3和pe5构成新的沉积区域；其中，th为预设阈值，th取值为1。
[0036]
对比例：以微波消解法分别处理试验养殖池和对照养殖池中的30尾脆肉罗非鱼的肌肉组织，用火焰原子吸收光谱法测定硒元素的含量。其中，将脆肉罗非鱼的肌肉组织以5 ml hno3和1 ml h2o2经微波消解处理后，测定硒元素含量，如果有任意次抽样检测的微量元素平均含量超过阈值则判定为通过脆化鱼饲料喂养的脆化鱼，否则为掺假饲料喂养的脆化鱼，阈值设置为0.25mg/kg。
[0037]
实施例一、实施例二、对比例的30尾脆肉罗非鱼的肌肉组织的防伪检测结果：采用了上述方法之后，经检测，本发明的实施例一、实施例二、对比例制备防伪检测结果数据如下：实施例一的检测结果为：30尾掺假饲料喂养的脆化鱼识别出30尾，30尾通过脆化鱼饲料喂养的脆化鱼识别出30尾。
[0038]
实施例二的检测结果为：30尾掺假饲料喂养的脆化鱼识别出29尾，30尾通过脆化鱼饲料喂养的脆化鱼识别出30尾。
[0039]
对比例的检测结果为：30尾掺假饲料喂养的脆化鱼识别出17尾，30尾通过脆化鱼饲料喂养的脆化鱼识别出27尾。
[0040]
防伪检测结果表面，实施例一、实施例二的识别准确度显著性的高于常规检测的对比例，通过本发明的发明能够准的识别出掺假饲料喂养的脆化鱼，尤其是实施例一，识别掺假饲料喂养的脆化鱼误检率最低。
[0041]
本发明的实施例还提供的一种脆化鱼饲料防伪检测的系统，如图1所示为本发明的一种脆化鱼饲料防伪检测的系统结构图，该实施例的一种脆化鱼饲料防伪检测的系统包括：处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种脆化鱼饲料防伪检测的系统实施例中的步骤。
[0042]
所述系统包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序运行在以下系统的单元中：强反演识别单元，用于识别出切片显微图像中的强反演边界；检测区筛选单元，用于根据各个强反演边界构成的沉积区域计算强反演点，筛选出所有内部存在强反演点的沉积区域作为检测区；元素反演单元，用于获取各个检测区的微量元素含量；防伪识别单元，用于如果有任意一个检测区内的微量元素平均含量超过阈值则判定为通过脆化鱼饲料喂养的脆化鱼，否则为掺假饲料喂养的脆化鱼。
[0043]
所述一种脆化鱼饲料防伪检测的系统可以运行于桌上型计算机、笔记本、掌上电脑及云端数据中心等计算设备中。所述一种脆化鱼饲料防伪检测的系统包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，所述例子仅仅是一种脆化鱼饲料防伪检测的方法的示例，并不构成对一种脆化鱼饲料防伪检测的方法的限定，可以包括比例子更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述一种脆化鱼饲料防伪检测的系统还可以包括输入输出设备、网络接入设备、总线等。
[0044]
所称处理器可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器 (digital signal processor，dsp)、专用集成电路 (application specific integrated circuit，asic)、现场可编程门阵列 (field-programmable gate array，fpga) 或者其他可编程逻辑器件、分立元器件门电路或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述一种脆化鱼饲料防伪检测的系统的控制中心，利用各种接口和线路连接整个一种基于梯度提升决策树的句词概率计算系统的各个分区域。
[0045]
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述一种脆化鱼饲料防伪检测的方法的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡（smart media card, smc），安全数字（secure digital, sd）卡，闪存卡（flash card）、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
[0046]
尽管本发明的描述已经相当详尽且特别对几个所述实施例进行了描述，但其并非旨在局限于任何这些细节或实施例或任何特殊实施例，从而有效地涵盖本发明的预定范围。此外，上文以发明人可预见的实施例对本发明进行描述，其目的是为了提供有用的描述，而那些目前尚未预见的对本发明的非实质性改动仍可代表本发明的等效改动。

技术特征：
1.一种脆化鱼饲料防伪检测的方法，其特征在于，所述方法包括以下步骤：s100，对脆化鱼投喂一段时间待测饲料后，获取脆化鱼的肌肉组织的切片显微图像；s200，识别出切片显微图像中的强反演边界；s300，根据各个强反演边界构成的沉积区域计算强反演点，筛选出所有内部存在强反演点的沉积区域作为检测区；s400，获取各个检测区的微量元素含量；s500，如果有任意一个检测区内的微量元素平均含量超过阈值则判定为通过脆化鱼饲料喂养的脆化鱼，否则为掺假饲料喂养的脆化鱼。2.根据权利要求1所述的一种脆化鱼饲料防伪检测的方法，其特征在于，在s100中，对脆化鱼投喂一段时间待测饲料的具体方法为：在水产养殖池中放养待脆化鱼，日投喂量为鱼体重的3%-5%，水体的含氧量大于5mg/l，水体的ph值为7.8-8.0，盐度为0.3
‰‑
0.4
‰
,水温为25℃-28℃。3.根据权利要求1所述的一种脆化鱼饲料防伪检测的方法，其特征在于，在s100中，获取脆化鱼的肌肉组织的切片显微图像的方法为：获取脆化鱼的肌肉组织切片，在鱼用生理盐水中洗净并吸干表面水分；通过显微高光谱成像仪采集得到鱼肌肉组织切片的高光谱图像作为切片显微图像。4.根据权利要求1所述的一种脆化鱼饲料防伪检测的方法，其特征在于，在s200中，识别出切片显微图像中的强反演边界的方法包括：对切片显微图像灰度化获得灰度图像，计算切片显微图像中各个像素点的蛋白质含量的平均值为tu；计算灰度图像中各个灰度值的平均值为grayave，通过分水岭算法提取灰度图像中的各个边缘线，通过边缘线将灰度图像划分为多个子区域；选取各个子区域中所有像素灰度值的最大值小于grayave，并且，子区域中所有像素对应的蛋白质含量的平均值小于tu的子区域记为第一筛选区域； 选取各个子区域中所有像素灰度值的最小值大于grayave，并且，子区域中所有像素对应的蛋白质含量的平均值大于tu的子区域记为第二筛选区域；将第一筛选区域和/或第二筛选区域记为沉积区域；以沉积区域的边界的边缘线作为强反演边界。5.根据权利要求1所述的一种脆化鱼饲料防伪检测的方法，其特征在于，在s300中，根据各个强反演边界构成的沉积区域计算强反演点，筛选出所有内部存在强反演点的沉积区域作为检测区的方法包括：对各个沉积区域进行角点检测获取角点，各个角点构成集合p,p={p0、p1、p2…
p
i
…
p
n
}，i=[1,n]，n是角点的总数；p
i
是集合p中的第i个角点；在i∈[1,n]的范围内依次计算所有角点p
i
位置的强反演点p(p
i
)：记与角点p
i
位置的微量元素含量差值最大的角点为pmax，记与角点p
i
位置的微量元素含量差值最小的角点为pmin，按照各个角点与角点p
i
的微量元素含量差值的大小从小到大将集合p中所有角点排列成序列l(p
i
)；则pmin在l(p
i
)中的序号为r1，则pmax在l(p
i
)中的序号为r2，在l(p
i
)中截取从序号r1到序号r2的所有节点构成贴近序列r(p
i
)，计算角点p
i
位置的强反演点p(p
i
)；；其中，p
j
是贴近序列r(p
i
)中序号从j=r1到j=r2的角点，如果j-1为0则p
j-1
为0，j是序号；
k1是p
j
的前含量比， k2是p
j
的后含量比，；；含量权重比k=1-k1-k2；其中，q
j
是贴近序列r(p
i
)中序号从r1到r2的角点对应位置的微量元素含量；ql是贴近序列r(p
i
)中序号从r1到r2的角点对应位置的微量元素中最大的微量元素含量；qs是贴近序列r(p
i
)中序号从r1到r2的角点对应位置的微量元素中最小的微量元素含量；筛选出所有内部存在强反演点的沉积区域作为检测区。6.根据权利要求1所述的一种脆化鱼饲料防伪检测的方法，其特征在于，在s500中，阈值是预先测定好的标准脆化鱼肌肉的组织的微量元素的平均含量。7.一种脆化鱼饲料防伪检测的系统，其特征在于，所述系统包括：存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至6中任一项所述的一种脆化鱼饲料防伪检测的方法中的步骤。

技术总结
本发明涉及饲料防伪技术领域，提出了一种脆化鱼饲料防伪检测的方法，通过识别出切片显微图像中的强反演边界；根据各个强反演边界构成的沉积区域计算强反演点，筛选出所有内部存在强反演点的沉积区域作为检测区；获取各个检测区的微量元素含量；如果有任意一个检测区内的微量元素平均含量超过阈值则判定为通过脆化鱼饲料喂养的脆化鱼，否则为掺假饲料喂养的脆化鱼。本发明提高了微量元素特征性，使鱼肉组织检测区域中微量元素的含量分布均匀，定位微量元素的梯度差较稳定的待检测区的范围，保证检出准确率和提高检测精度。证检出准确率和提高检测精度。证检出准确率和提高检测精度。


技术研发人员：彭凯 陈冰 邱建强 王国霞 杨经群
受保护的技术使用者：广东省农业科学院动物科学研究所
技术研发日：2023.06.15
技术公布日：2023/7/21