何 鵬 萬曉青 康子洋

圖像紋理分析技術實現(xiàn)植物油摻假檢測研究

何 鵬 萬曉青 康子洋

（齊齊哈爾大學通信與電子工程學院，齊齊哈爾 161006）

針對目前部分不法商販為了牟取利潤在植物油中摻入動物油的現(xiàn)象，提出一種新的食用植物油摻假檢測方法。采用頻譜法、小波共生矩陣等技術提取圖像紋理特征，運用SPSS中最小二乘法對混合油中膽固醇含量和圖像紋理特征參數(shù)進行分析，研究表明兩者之間有很強的相關性和最相關系數(shù)R2為0.975 9，從而建立兩者之間的多元線性回歸方程。其中小波共生矩陣被證明是分類識別樣本圖像的最有用技術。將運用本方法計算的混合油樣本（隨機選取市售的不同品牌植物油中摻入動物油）膽固醇含量值與運用標準化學方法測定值進行比較。結果表明兩者之間的最大相對誤差為5.75%。說明在誤差允許范圍內所提出的方法準確、可行。

植物油 膽固醇 紋理分析 圖像識別

油脂是人類賴以生存的重要物質，我國是世界第一植物油消費大國。因此，食用植物油的品質與監(jiān)管成為國計民生的大問題［1-2］。然而，近年來許多不法商販為了牟取較大的利潤，將動物油摻入到植物油中［3］。這些動物油部分來自于貂和狐貍等動物取皮之后剩余的肉類中煉制出來的，還有的是從雞腸、鴨腸，甚至是病死動物的尸體中提煉出來的，從而導致食用油中毒事件屢見不鮮。目前一些社區(qū)非常關注動物脂肪的存在，尤其是豬油，從宗教信仰角度來看，伊斯蘭教和猶太教禁止食用或消費含有豬油或任何豬派生成分的食品和其他產(chǎn)品［4］，上述存在的問題已引起全社會的廣泛關注。此外食用動物油和植物油的混合油與《中國居民膳食指南2007》的推薦和國標中的規(guī)定不符［5-6］。從商業(yè)和健康角度來看檢測植物油中摻雜動物油是非常重要的［7-8］。

目前國內外檢測食用植物油摻假的主要方法有傅里葉變換紅外光譜法、電子鼻法和差示掃描量熱法等。這些方法在檢測結果和識別率方面有很好的表現(xiàn)，但所應用的實驗設備需專業(yè)人員操作且價格昂貴，無法得到普及應用?；谏鲜霾蛔闾岢鲞\用圖像紋理分析技術檢測植物油摻假的研究，目前國內外未發(fā)現(xiàn)運用該技術檢測植物油摻假的相關研究。課題的研究積極響應科技部和財政部為貫徹落實《國家中長期科學和技術發(fā)展規(guī)劃綱要（2006—2020）》組織實施的科技惠民計劃。課題的研究成果可應用于清真食品市場和城鄉(xiāng)鎮(zhèn)早晚市場中煎炸食品所使用的油品，判斷油品中是否摻雜動物油。

1 系統(tǒng)設計

為了實現(xiàn)實時檢測試驗樣本，研制一套圖像處理分析裝置。試驗設備主要包括：SH-301A加熱攪拌器：臺灣上泰（SUNTEX）有限公司；721型分光光度計：上海舜宇恒平有限公司；電熱恒溫水?。航饓谐筷栯娮觾x器廠；無線發(fā)射攝像頭：深圳市冠通安防技術有限公司；QQDVR圖像采集卡：深圳市萬道視訊科技有限公司；RADIO AV RECEIVER無限收發(fā)模塊：NORDIC公司；自制圓柱桶。圖像處理分析裝置如下所示：

圖1 圖像處理分析裝置

設計了一套密封試驗裝置，運用上述自制裝置實現(xiàn)實時采集樣本圖像。該裝置的主要功能是避免或者盡量減小光照等外界干擾因素對捕獲油品圖像時產(chǎn)生的干擾。該裝置是一個可以自由移動的圓柱桶，副桶蓋內側嵌入兩個高靈敏光源和高清CCD攝像頭，主桶蓋內側安裝總開關來控制裝置的開啟與閉合。桶壁被刷成黑色油漆以降低光源反光。此裝置形成一個密閉環(huán)境，可以很好的降低外界環(huán)境的干擾。在計算機處理分析系統(tǒng)和圖像捕獲設備之間固定一個DSP板，板外擴展圖像壓縮模塊、存儲模塊和無線收發(fā)模塊，從而實現(xiàn)實時傳輸樣本圖像。

2 材料與方法

為了研究不同混合油樣本的圖像紋理特征參數(shù)與膽固醇含量之間的關系，具體試驗設計如下。

2.1 試驗材料

試驗所用植物油樣品購自齊齊哈爾油品市場。主要包括金龍魚大豆油、福臨門玉米油和金龍魚葵花籽油。動物油為新鮮豬油、牛油和雞油（來自于動物脂肪）。

2.2 試驗步驟

混合油樣本的制備：以大豆油中摻入不同比例豬油樣本為例，試驗步驟如下所示。

在制備豬油過程中容易存留殘渣，使用75μm不銹鋼篩進行分離以確保濾除豬油脂肪球。準備好大豆油、豬油和混合油，混合油為大豆油中分別摻入比例變化范圍為2%到40%（98∶2、90∶10、80∶20和70∶30等）的豬油，共20組樣本；使用磁石攪拌器以每分鐘50、200、500和1 000轉等的速度分別攪拌試驗樣本5 min；不同樣本被置于95℃水浴鍋中并保持10 min；將制備好的油樣置于自制試驗裝置中，打開試驗裝置以5 s的間隔連續(xù)捕獲不同樣本圖像。通過國標方法測定不同油品樣本中的膽固醇含量［9］。

2.3 膽固醇含量的測定

溶液的準備：膽固醇標準儲備液（1 mg／mL）：精確稱取膽固醇100 mg，溶于冰乙酸中，并定容至100 mL。此液至少在2個月內保持穩(wěn)定。膽固醇標準常備液（100μg／mL）：吸取膽固醇標準儲備液10 mL，用冰乙酸定容至100 mL。臨時配制該溶液。鐵礬顯色劑。鐵礬儲備液：溶解4.463 g硫酸鐵銨［FeNH4（SO4）2·H2O］于 100 mL 85%磷酸中，貯于干燥器內，此液在室溫中穩(wěn)定。鐵礬顯色液：吸取鐵礬儲備液10 mL，用濃硫酸定容至100 mL。貯于干燥器內以防吸水。50%氫氧化鉀溶液：稱取50 g氫氧化鉀，用蒸餾水溶解，并稀釋至100 mL。5%氯化鈉溶液：稱取5 g氯化鈉，用蒸餾水溶解，并稀釋至100 mL。鋼瓶氮氣：純度99.99%。

膽固醇標準線：吸取膽固醇標準常備液0.0、0.5、1.0、1.5、2.0 mL分別置于 10 mL試管內，在各管內加入冰乙酸使總體積皆達4 mL。沿管壁加入2 mL鐵礬顯色液，混勻，在15～90 min內，在560～575 nm波長下比色。以膽固醇標準濃度為橫坐標，吸光度值為縱坐標做標準曲線。

食品脂肪的提取與測定：分別用索氏脂肪提取法、研磨浸提法和羅高氏法提取脂肪。并計算出每100 g食品中的脂肪含量。

食品膽固醇的測定：將提取的油脂3～4滴（約含膽固醇300～500μg），置于25 mL試管內，準確記錄其重量。加入4 mL無水乙醇和0.5 mL 500 g／L氫氧化鉀溶液，然后在65℃恒溫水浴中皂化1 h。皂化時每隔20～30 min振搖1次使皂化完全。皂化完畢，取出試管，冷卻。加入3 mL 5%氯化鈉溶液，10 mL石油醚，蓋緊玻塞，在電動振蕩器上振搖2 min，靜置分層。取上層石油醚液2 mL，置于10 mL具玻塞試管內，在65℃水浴中用氮氣吹干，加入4 mL冰乙酸，2 mL鐵礬顯色液，混勻，放置15 min后在560～575 nm波長下比色，測得吸光度，在標準曲線上查出相應的膽固醇含量。結果計算如下所示：

式中：X為樣品中膽固醇含量／mg／100 g；m為測得的吸光度值在膽固醇標準線上顯示的膽固醇含量／μg；V為石油醚總體積／mL；V1為取出的石油醚體積／mL；m1為稱取食品油脂樣品量／g；c為試樣中油脂含量／g／100 g；1／1 000為每100 g試樣中膽固醇毫克數(shù)。

3 圖像處理分析

本文將RGB圖像模型轉換為HIS模型，因為R、G、B 3個分量的相關性較大，從而使得在細節(jié)方面難以進行數(shù)字化調整，此外在處理數(shù)字圖像時，HIS模型可以保留盡量豐富的色彩和寬闊的色域，因為該模型可在彩色圖像中從攜帶的彩色信息（色調和飽和度）里消去強度分量的影響［10］。本研究主要采用紋理頻譜法、分形維數(shù)、小波共生矩陣（基于小波、灰度共生矩陣和顏色特征相結合的技術）和改進的Hu不變矩技術來提取圖像的紋理特征。

3.1 紋理的頻譜度量

紋理的頻譜度量是一種頻域上易于識別的全局紋理模式，紋理的頻譜對于判別周期和非周期紋理模式非常有用，對于量化兩個周期模式間的差也非常有用。它們構成了整幅圖像或所考慮區(qū)域的紋理的譜能量描述。

用極坐標表示頻譜所得到的函數(shù)S（r，θ），其中S是頻譜函數(shù)，r和θ是極坐標系中的變量。r為定值時，分析Sr（θ）可以得到以原點為中心的一個圓的頻譜特性；θ為定值時，分析Sθ（r）可以得到從原點出發(fā)沿半徑方向的頻譜特性，通過求函數(shù)的積分（離散變量求和），可以得到全局描述［10］。

式中：R0為中心在原點的圓的半徑。相同試驗環(huán)境下不同油品樣本的紋理頻譜圖如圖2所示。

圖2 不同油品樣本的紋理頻譜圖

圖2 中 a、b、c、d、e和 f分別表示大豆油、豬油和大豆油中摻入10%、20%、30%和50%比例豬油的混合油樣本紋理頻譜圖。

3.2 圖像的分形維數(shù)

Sarkar等［11］在分析眾多分維數(shù)提取算法的基礎上，提出一種簡單、快速，被稱為差分盒維數(shù)法（Differential Box Counting，DBC）的計算圖像分維數(shù)的方法。提取圖像差分盒維數(shù)的主要思想如下所示。將N×N大小的圖像分割成m×m的子塊，令r＝m／N。將圖像假想成三維空間中的曲面，x，y表示平面位置空間，z軸表示灰度值。平面xy被子塊分割成許多m×m的網(wǎng)格，在每個網(wǎng)格上面，是一列m×m×m的小盒子，設圖像灰度在第（i，j）網(wǎng)格中的最小值和最大值分別落在第k和第l個盒子中，即［12］：

Kr（i，j）是覆蓋第（i，j）網(wǎng)格中的圖像所需的盒子數(shù)，設覆蓋整個圖像所需盒子數(shù)為Kr。即：

分形維數(shù)為：

應用最小二乘法做直線最小二乘擬合，直線的斜率即為圖像的差分盒維數(shù)D。進一步提取圖像多種特征量：包括紋理的方向性、粗糙度和方向度信息，將圖像分維數(shù)和提取圖像的多種特征量相結合作為用于分類識別樣本圖像的紋理特征。圖3為不同樣本圖像在相同試驗環(huán)境下的差分盒維數(shù)。

圖3 不同樣本油品的差分盒維數(shù)

圖3 中a、b、c、d、e和f分別代表大豆油、豬油和混合油（大豆油中摻入10%、20%、30%和40%比例豬油）樣本的差分盒維數(shù)。由圖3可知大豆油的差分盒維數(shù)高于豬油的差分盒維數(shù)，隨著豬油比例的增加混合油樣本的差分盒維數(shù)降低。有研究表明維數(shù)越大則表明表面紋理復雜程度越高，這與人們視覺感知相一致。因此計算差分盒維數(shù)可作為鑒別大豆油是否摻假的一種依據(jù)。

3.3 圖像的小波共生矩陣

圖像小波共生矩陣的主要思想是將樹型小波技術、灰度共生矩陣和顏色特征提取技術相結合，以便提取最優(yōu)紋理特征集，實現(xiàn)更準確地分類識別樣本圖像。試驗流程圖如下所示。

圖4 試驗框架流程圖

在對樣本圖像進行分析時，選取8×8的圖像局部區(qū)域，利用Haar小波對子塊圖像進行樹型小波分解。運用小波共生矩陣技術提取圖像紋理特征的試驗步驟如下所示：

載入樣本圖像，將RGB彩色模型轉化為HIS模型，然后提取樣本圖像的S分量均值；將樣本圖像分成8×8子塊，對子塊圖像進行3層樹型小波分解，共得到10個子帶圖像，分別計算各個分解層次上的各子帶圖像能量；在低頻帶上構造灰度共生矩陣（4個方向，分別為0°、45°、90°和135°），計算共生矩陣的4個特征參數(shù)（相關性（COR）、二階矩（ASM）、熵（ENT）和逆矩陣（IDM）），為了使計算結果更加精確，取4個方向上特征參數(shù)均值；將樹型小波各分解層次上子帶圖像能量、灰度共生矩陣統(tǒng)計量和顏色特征值相結合，產(chǎn)生最優(yōu)子集然后對其進行歸一化處理，其結果作為分類識別樣本圖像的紋理特征集；最后運用改進的最近鄰域分類器進行分類識別樣本圖像，每組紋理特征集為選取的160幅試驗樣本圖像的測量結果均值。

圖5 樣本圖像3層樹型小波分解圖

圖5 中 a1、a2和 a3；b1、b2和 b3；分別代表在加熱狀態(tài)下不同混合油（大豆油；玉米油中摻入不同比例豬油、牛油和雞油）樣本3層樹型小波分解圖。

運用小波共生矩陣技術提取不同混合油樣本圖像的紋理特征參數(shù)結果如下所示。

表1 不同樣本圖像的紋理特征參數(shù)值

樣本a、b、c、d和 e代表分別大豆油和混合油（大豆油中摻入10%、20%、30%和40%比例豬油）。

3.4 改進的Hu不變矩（改進矩）

一幅數(shù)字圖像 f（x，y）的二維（p+q）階矩定義和相應的中心矩定義為：

歸一化（p+q）階中心矩為：

ηpq＝upq／ur00r＝（p+q）／2+1

通過以下公式推導對平移、縮放、鏡像和旋轉都不敏感的7個二維不變矩集合［13］：

將獲取的圖像進行灰度化，轉換成灰度圖像，計算圖像7個不變矩，將7個不變矩和由灰度共生陣技術提矩取的圖像紋理特征（相關性、熵、二階矩和逆矩陣）相結合形成最優(yōu)紋理特征集。

將提取的7個不變矩和紋理特征參數(shù)進行歸一化處理。歸一化結果如下所示：

歸一化后的特征向量為：

歸一化后的特征向量作為分類識別樣本圖像的最優(yōu)紋理特征集。

4 結果分析與方法驗證

4.1 結果分析

運用標準化學方法測定相同試驗環(huán)境下不同混合油樣本的膽固醇含量，運用上述提出的紋理分析技術提取樣本圖像的紋理特征參數(shù)，使用SPSS中最小二乘法分析紋理特征參數(shù)和膽固醇含量之間的相關性并建立多元回歸分析方程。將不同比例豬油摻入到大豆油、玉米胚芽油和葵花籽油中，得到混合油樣本，其多元線性回歸分析結果如表2所示。

表2 基于小波共生矩陣技術的紋理特征參數(shù)和混合油中膽固醇含量的線性相關性

上述樣本a、b和c分別代表大豆油、玉米油和葵花籽油中摻入不同比例豬油。式中y代表膽固醇含量，x1、x2、x3、x4和 x5分別代表 S分量均值、相關性、熵、二階矩和逆矩陣，建立的模型顯著性水平均小于0.05，可以說明模型是顯著的。在分析混合油中紋理特征參數(shù)和膽固醇含量是否相關過程中，通過大量試驗論證攪拌速度是一個重要的影響因子。隨著攪拌速度的增加兩者之間的相關性隨之增加，當攪拌速度達到1 000 r／min時紋理特征參數(shù)和混合油中膽固醇含量之間的相關性趨于平衡。

分類能力比較：運用改進的最近鄰域分類器分別比較紋理頻譜法、分形維數(shù)、小波共生矩陣和改進的Hu不變矩技術的分類識別能力。改進的最近鄰域分類法主要思想如下所示。

假定由7個特征參數(shù)來識別分類160幅圖像，先從數(shù)據(jù)文件中讀取對應于上面的特征向量Ri的7個特征對照值上下限。將求得的圖像特征值分別與符合數(shù)值范圍的N類樣本圖像相應對照值上下限相減，取其較小差值形成N組數(shù)，對應于公式d（X，Ri）＝min｜X-Ri｜k＝0，1，2，．．．，li，再把每組數(shù)中的 7個數(shù)值相加，N組數(shù)中7個數(shù)和最小的那一組相對應的樣本類別即為所求。如果所求得的數(shù)值不符合任何一類樣本得出的參考值，則系統(tǒng)判定該幅圖像為無法識別［14］。測試樣本為每組試驗選取160幅樣本進行測試。測試結果如下所示。

表3 基于不同紋理分析技術的圖像分類識別能力

上述樣本a、b和c分別代表大豆油中摻入5%、8.5%、13.5%比例豬油的混合油。表3結果表明，在相同試驗環(huán)境下小波共生技術和改進的Hu不變矩技術在特征提取時間和識別率方面表現(xiàn)良好。

運用小波共生矩陣和改進的Hu不變矩技術實現(xiàn)分類識別不同混合油樣本。試驗結果如下所示。

圖6 不同混合油實驗樣本分類識別率比較

圖6 中a和b分別代表運用小波共生矩陣和改進的Hu不變矩技術可以檢測識別出混合油（大豆油、玉米油和葵花籽油中分別摻入不同豬油、牛油和雞油）樣本中動物油的最低摻雜比例。通過大量試驗論證了植物油中摻入超過上圖顯示的動物油摻雜比例，就可以有效的運用紋理分析技術檢測識別出混合油樣本。

4.2 方法驗證

為了驗證方法的有效性，隨機選取市售的九三大豆油；西王玉米胚芽油和福臨門葵花籽油樣本，將不同比例的豬油、牛油和雞油分別摻入到上述3種不同品牌的植物油中。運用國標方法測定混合油樣本中膽固醇含量，然后通過本文提出的方法計算混合油樣本膽固醇含量，通過本文方法和國標方法得到的膽固醇含量值的比較結果如下所示。

表4 基于小波共生矩陣技術的本文方法和國標方法對不同混合油樣本中膽固醇含量的測定結果

a0、a1和 a2；b0、b1和 b2；c0、c1和 c2分別代表混合油（大豆油、玉米油和葵花籽油中摻入豬油；牛油和雞油）測試樣本。由表4可知通過國標方法測定的膽固醇含量值和本方法計算值之間的最大相對誤差為5.75%。說明運用本方法檢測識別植物油摻假具有可行性。

5 結論

提出運用圖像紋理分析技術實現(xiàn)植物油摻假檢測研究，通過自制試驗裝置實現(xiàn)實時檢測試驗樣本，所提方案具備試驗設備成本低廉、試驗方法無損和易于普及的優(yōu)點。采用SPSS中最小二乘法分析紋理特征參數(shù)和混合油中膽固醇含量之間的相關性，結果顯示兩者之間顯著相關和最相關系數(shù)為R2＝0.975 9。其中小波共生矩陣由于具有較強的適應能力、魯棒性和多尺度表征圖像紋理特征的優(yōu)勢，在特征提取時間和判別率方面表現(xiàn)最為突出。

分別運用標準化學方法和本研究提出的方法測定重新選取的試驗樣本膽固醇含量值，以此來驗證所提方法的可行性。在測試自制試驗裝置時有時會出現(xiàn)接觸不良，導致傳輸?shù)接嬎銠C中的畫面出現(xiàn)波動等問題，在未來工作中主要針對如何提高裝置可靠性與靈敏度提出具體方案。

［1］黃紀念，曹艷明，張麗霞.食用植物油摻假檢測方法的研究進展［J］.農(nóng)產(chǎn)品加工·學刊，2011（2）：67-71

［2］侯冬巖，回瑞華，劉曉媛.食用植物油中摻假的鑒別和分析方法的研究［J］.鞍山師范學院學報，2006，8（4）：33-35

［3］薛雅琳，王雪蓮，張蕊.食用植物油摻偽鑒別快速檢驗方法研究［J］.中國糧油學報，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］王興國.動物油與植物油搭配食用好嗎［J］.家庭科技，2011（3）：33

［6］李昌，單良，王興國.食用油摻假檢測方法概述［J］.農(nóng)業(yè)工程技術·農(nóng)產(chǎn)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］中華人民共和國國家標準食品中膽固醇的測定方法-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.基于分數(shù)維與灰度梯度共生矩陣的氣象云圖識別［J］.南京理工大學學報，1999，23（3）：278-281

［13］張德豐.MATLAB數(shù)字圖像處理［M］.北京：機械工業(yè)出版社，2012：359-360

［14］楊帆.數(shù)字圖像處理與分析［M］.北京：北京航空航天大學出版社，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

科技部國家國際科技合作專項（S2013GR0264），齊齊哈爾大學研究生創(chuàng)新科研項目（YJSCX2013-033X）

2013-05-06

何鵬，男，1970年出生，教授，數(shù)字圖像處理、生物信息檢測