一种用Hough变换检测圆的快速算法

收稿日期:2006208224;修返日期:2006211217 基金项目:湖北省自然科学基金资助项目(2005ABA253)

作者简介:夏磊(19822),男,硕士研究生,主要研究方向为图像处理、目标识别(xlazy@sina .com );蔡超(19712),男,副教授,主要研究方向为小波分析、图像匹配、目标识别与跟踪、数据可视化等;周成平(19512),男,副教授,主要研究方向为图像处理、计算机视觉、任务规划等;丁明跃

(19612),男,教授,博导,主要研究方向为图像处理与分析、计算机视觉及应用、医学图像处理和任务规划等.

一种用Hough 变换检测圆的快速算法

3

夏　磊,蔡　超,周成平,丁明跃

(华中科技大学图像识别与人工智能研究所图像信息处理与智能控制教育部重点实验室,武汉430074)

摘　要:为了克服传统Hough 变换检测圆时耗时巨大的缺陷,给出了一种新的基于Hough 变换检测圆的快速算法。新算法与传统的方法相比具有以下特点:计算量少,提高了检测的速度;保留了传统Hough 变换识别率高、抗噪性强、对不完整边缘具有鲁棒性等所有优点;不需要任何特殊的限定条件。实验表明,新的快速算法可以快速进行目标识别,在实时目标识别系统中具有良好的表现。关键词:目标识别;霍夫变换;圆的检测;快速算法

中图分类号:TP317 文献标志码:A 文章编号:100123695(2007)1020197203

New fast algorithm of Hough transfor m detecti on of circles

X I A Lei,C A I Chao,ZHOU Cheng 2p ing,D I N G M ing 2yue

(Education M inistry Key L aboratory for I m age P rocessing &Intelligence Control,Institute of Pattern Recognition &A rtificial Intelligence,Hua 2zhong U niversity of Science &Technology,W uhan 430074,China )

Abstract:This paper p r oposed a new fast algorith m f or the detecti on of circles,which i m p r oved the p r oble m of huge ti m e con 2

su m ing when using the traditi onal Hough transfor m.The ne w algorith m had three advantages:l ow ti m e consu m ing;hold all the advantages of the traditi onal Hough transf or m such as high detecti on rate,r obust t o noise and frag mentary boundaries;did not need any s pecial qualificati on .Experi m ental results de monstrate that the ne w fast algorith m can be used f or fast target recogni 2ti on,which has a good perf or mance in real 2ti m e syste m.Key words:target recogniti on;Hough transf or m;circle detecti on;fast algorith m

0　引言

在日常生活和军事应用中,在不同视角下,许多物体以类似圆的形状出现,准确而有效地检测出这些圆形物体在图像中的位置就成为图像分析的一项重要工作。在应用中经常采用的一种方法就是Hough 变换或其改进算法。Hough 变换是

Paul Hough 在1962年提出的一种图像边缘检测技术,它可以

检测图像空间中的任意解析曲线[1]。Hough 变换以其对局部缺损的不敏感、对随机噪声的鲁棒性以及适于并行处理等优良特性,备受图像处理、模式识别和计算机视觉领域学者的青睐。

Hough 变换的突出优点就是可以将图像中较为困难的全局检

测问题转换为参数空间中相对容易解决的局部峰值检测问题。然而利用传统的Hough 变换检测图像中的圆时,所需的计算量非常大、检测速度慢,需要研究新的快速方法。到目前为止,对

Hough 快速算法的研究主要集中在四个方面:对解析曲线方程

进行变形来减少计算的复杂性[2];利用曲线的某些特殊性质来简化计算[3];通过减少累加器空间的维数来减少运算所需的存储空间[4];利用相位信息来减少计算量[5]。但这些算法在实际应用中往往具有较大的局限性或要求的条件比较苛刻,不能适应一般情况。如对解析曲线方程进行变形来减少计算复杂性的算法需要精确计算出边缘点的方向信息;利用曲线的

某些特殊性质的算法在某些特殊情况下不能正常识别目标,如圆的边缘提取出来不到3/4圆周时;通过减少累加器空间的维数来减少运算所需的存储空间只是减少运算时所需的存储器空间,并不能减少算法的运算时间;利用相位信息的算法的抗噪性能不如传统算法[1]。本文在Duda 提出的传统Hough 变换思想的基础上,结合坐标平移的知识提出了一种新的用

Hough 变换检测圆的快速算法。新算法可以较显著地提高检

测速度,不需要任何限定条件;新算法需要与传统算法一样大小的累加器空间。

本文介绍了Hough 变换的原理,提出了用Hough 变换检测图像中圆的快速算法及计算量的分析。

1　Hough 变换原理

Hough 变换检测圆的基本思想是将图像空间中的边缘点

映射到参数空间中,然后将在参数空间中得到的所有坐标点元素对应的累加值进行累加统计,根据累加值判断圆的大小和圆心所在位置。在笛卡尔坐标系下圆的方程为

(x -x 0)2+(y -y 0)2=R 2

(1)

要确定x 0、y 0、R 需要一个三维的参数矩阵P (x 0,y 0,R )。

x 0、y 0、R 这三个参数生成了一个带有立方单元和累加器P (x 0,y 0,R )的三维参数空间。这个过程是增加x 0、y 0,解出满足式

第24卷第10期2007年10月　

计算机应用研究

App licati on Research of Computers Vol .24No .10Oct .2007

(1)的R 。R 的解为

R =

(x -x 0)2+(y -y 0)2

(2)

并更新对应于三元组(x 0,y 0,R )相关单元的累加器,最后累加器P 中累加极大值P max (x 0,y 0,R )所对应的坐标便是圆心坐标

(x 0,y 0)。

如图1所示,从图像空间中取八个圆的边缘像素点A 、B 、

C 、

D 、

E 、

F 、

G 、H,以R 为半径将这八个点映射到参数空间。可

以看到,这八个点在参数空间中的投影均在O 点相交,也即O 点的累加值在参数空间中是最大的

。同时,O 点也是图像空间中圆的圆心

[1]

。此时,图像空间中每一边缘点映射到参数空

间得到的投影为一个圆。

2　一种改进的用Hough 变换检测圆的快速算法

在一些实时处理系统中,识别速度是关键性能的指标之一。在Hough 变换原理的启发下,本章提出了一种改进的用

Hough 变换检测圆的方法,大大减少了计算量,提高了目标识

别速度。

211　算法基本思想

传统的Hough 变换在图像中寻找半径已知的圆的圆心时,对整个图像进行遍历,寻找边缘点需要两重循环。遍历到每个边缘点时,求其在参数空间中的投影集合需要两重循环。所以传统的Hough 变换在检测半径已知圆时需要四重循环,这在实际计算中是极其耗时的。

当遍历到图像中的边缘点时,先求出边缘点(x n ,y n )映射到参数空间得到的坐标点集合,然后对集合中每个坐标点元素对应的累加值进行一次累加,此点在参数空间中的投影为坐标点集合F n ={(x n ,y n )|(x n -x 0)2+(y n -y 0)2=R 2}(设图像中边缘点的数目为N 个,则n 的取值范围为[1,N ])。将图像放入坐标系中考虑时,由坐标平移的知识可以知道,当一个圆的圆心由点(x 0,y 0)平移到点(x 0+m ,y 0+n )时,圆上任意一点的坐标就由(x n ,y n )变为(x n +m ,y n +n )。这样,图像中每个边缘点在参数空间中投影得到的坐标点集合就不需要通过计算得出,只需先求出一基准点在参数空间中的投影,投影得到的坐标点集合为F base ={(x base ,y base )|(x base -x 0)2+(y base -y 0)2=

R 2

},其余的边缘点在参数空间中的投影就可以通过将基准点

在参数空间的投影即坐标点集合F base 平移得到。这样处理有如下优点:在参数空间中减少参与运算的点,并且通过平移在参数空间得到的坐标点集合与通过计算在参数空间得到的坐标点集合基本相等。对任意一边缘点(x n ,y n ),传统Hough 变换需要在参数空间中对以边缘点为中心,2R 为边长的正方形内所有像素点进行计算,判断是否是边缘点映射到参数空间得到的坐标点集合中的元素[1],一共需要计算2R ×2R 个像素点。改进的算法只需在参数空间中移动N 个点(N 为正方形内满足圆的方程的像素点个数)。由于正方形内的像素点不可能全部是边缘点映射到参数空间得到的坐标点集合中的元

素,必有N <2R ×2R 。

212　快速算法

新算法是通过将基准点在参数空间中的投影集合平移来得到其他边缘点在参数空间的投影集合,所以与传统Hough 算法相比,新算法需要一块额外的内存区域用于保存基准点在参数空间的投影集合。新算法的基本步骤如下:

a )在原始图像中取一基准点(x base ,y base ),以此点为圆心、R 为半径求在参数空间的投影,得到坐标点集合F base ,将所得

到的坐标点集合F base 保存在一块内存区域base uni on 中。

b )对图像进行遍历,当遇到第一个边缘点(x 1,y 1)时,将base uni on 中保存的集合F base 中所有元素即所有坐标点的坐标

分别加上x 、y 方向的偏移量x 1-x base 、y 1-y base ,得到一个新的坐标点集合F 1,然后在参数空间中将集合F 1中所有坐标点元素对应的累加值进行累加。

c )重复b ),计算F n (N ≥n ≥2),并将F n 中所有坐标点元

素对应的累加值进行累加,直到所有边缘点均被遍历到并计算

过。

d )找出参数空间中累加值的极大值,累加值极大值在参

数空间中所对应的坐标便是圆在图像空间中的圆心坐标。

213　新算法计算量的分析

在传统Hough 变换中:a )确定图像中参与运算的边缘点个数为(M -2R )×(N -2R )×α(M 、N 、R 、α分别为图像的高度、宽度、圆的半径、图像分割后边缘点个数占整个图像中像素点的比例)。b )求某个边缘点映射到参数空间得到的坐标点集合时,在参数空间中需要进行计算的区域大小为2R ×2R 。

c )确定参数空间中需要计算的区域中的某个像素点是否是边

缘点在参数空间中投影得到的坐标点集合中的元素,若是集合中的元素,则对坐标点元素对应的累加值累加,此处需要(3+β×(3+χ))次乘法运算和(3+β×(3+χ×2))次加法运算(由于减法运算和加法运算需要的时钟周期一样,此处两次减法运

算算做两次加法运算。β、χ分别为满足第一个圆环判定条件的像素点个数占参数空间中需要计算的区域中的像素点个数的比例,满足两个圆环判定条件的像素点个数占参数空间中需要计算的区域中的像素点个数的比例)。这样传统Hough 变换主要的计算部分需要(M -2R )×(N -2R )×α×2R ×2R ×

(3+β×(3+χ))次乘法运算,需要的加法运算次数为(M -2R )×(N -2R )×α×2R ×2R ×(3+β×(3+χ×2))次。

新算法:a )确定图像中参与运算的边缘点个数为(M -2R )×(N -2R )×α;b )在参数空间中将集合F base 平移得到新的坐标点集合F n ,并对新集合F n 中所有坐标点元素对应的累加值进行累加。计算平移后的(x N +m ,y N +n )坐标需要2R ×2R ×χ×2次加法运算(由于χ为满足两个圆环判定条件的像素点个数占参数空间中需要计算的区域中的像素点个数的比例,集合F base 中的元素个数为2R ×2R ×χ个),计算累加器所

在的位置并进行累加需要2R ×2R ×χ×1次乘法运算和2R ×2R ×

χ×2次加法运算,故新算法的主要计算部分为(M -2R )×(N -2R )×

α×2R ×2R ×χ×1次乘法运算和(M -2R )×(N -2R )×α×2R ×2R ×χ×4次加法运算。

对圆环来说,第一判定条件为空间中的点是否在圆环内或圆环外,可通过面积来近似考虑,得到β=(2R ×2R -π×R ×

?

891?计算机应用研究　

第24卷

R )/2R ×2R,即β可近似认为等于(1-π)/4。满足两个圆环判定条件的像素点在圆环内,在实现中,由于设圆环外圆比内圆大两个像素,通过面积来近似考虑时,得到χ=πR ×R -π(R -2)×(R -2)/2R ×2R,即χ可近似认为π/R 。

I ntel Pentiu m 4内部的执行单元可以在同一时钟周期内执

行同样次数的同种操作数类型的加法运算和乘法运算[6,7]。由此通过以上分析可知传统Hough 变换和新算法分别需要

(M -2R )×(N -2R )×α×2R ×2R ×(6+β×(6+χ×3))和

(M -2R )×(N -2R )×α×2R ×2R ×χ×5次加法运算,可得到

新算法相对传统算法提高倍数约为6R /5

π。3　实验结果与分析

为了验证新算法的可行性和识别效果,分别用Duda 提出的传统Hough 变换算法[1]和本文所提出的新算法进行了目标识别实验对比。系统运行主机为PC 机,CP U 为I ntel P4、主频

118GHz,内存512MB DDR 333MHz,标准C ++代码源程序。311　合成图像检测实验

合成图像为无噪声图像序列,如图2所示,序列共有47张图,合成图像分辨率为800×600,图像序列中第N +1张图比第N 张图多一个半径为随机大小的圆。在本次试验中,圆的半径限定最小为20个像素,最大为40个像素。识别结果如图

3所示。第一组比较实验为比较改进后的新算法相对于传统

算法提高的倍数

。

从图3(a )可以看出,本文提出的新算法与传统Hough 算法相比速度有了很大的改善,并且对目标的检测效果也很显著。在速度方面,第一组实验新算法的平均速度比传统算法的平均速度高615倍左右,最高为617775。在检测效果方面,新算法和传统Hough 算法的总体检测率均为99182%,新算法的检测序列中仅有第21、24两帧各有一个圆未检测出来,原始

Hough 算法同样也未检测出这两帧中的这两个圆,并且传统Hough 算法的检测序列中也仅仅是这两个圆未检测出。新算

法的检测序列中检测出的圆的坐标与圆的真实坐标最大相差两个像素。以上两点表明改进的快速算法相对于传统Hough 算法不仅可较高地提高检测速度,而且具有较强的目标识别性。

312　实际图像的目标识别

在实际图像中,圆形物体的形状绝大多数情况下并不是标准的圆,而且实际图像中有各种各样的噪声。在用Hough 变换进行目标识别前,需要从图像中提取目标的边缘并二值化。边

缘提取的好坏对识别效果有较大的影响。实际应用中,由于各种影响,目标的边缘往往不能全部提取出来,给识别带来了较大的困难。以下通过实际图像来验证新算法的效果,物体的边

缘分别通过Sobel 算子(图4,图像分辨率为273×275)来提取。新算法和传统算法的珍珠识别图像如图5所示。Canny 算子(图6,图像分辨率为344×256)来提取;传统算法和新算法的电厂识别图像如图7所示;实验数据如表1、2所示

。

表1　新算法和传统算法所用时间

待识别图像传统算法所用时间/s

新算法所用时间/s

新算法提高倍数

待识别图像11.67320.28115.9523待识别图像2

2.6436

0.4454

5.9353

表2　新算法和传统算法所用时间

待识别图像传统算法所用时间/s

新算法所用时间/s

新算法提高倍数

待识别图像3

313794

015998

516342

从表1、2可以看出,在实际情况下,新算法与传统算法相

比速度有了很大的改善,并且对目标的识别效果也是很显著的。在速度方面,新算法的平均速度比传统算法的平均速度高六倍左右;在识别效果方面,两种算法均能正确地识别物体。

图4(a )新算法识别出的上方目标坐标的水平方向与传统算法大两个像素,垂直方向比传统算法小一个像素,下方目标两种算法得到的坐标一致。图4(c )新算法识别出的最下方目标坐标的水平方向比传统算法一致,垂直方向比传统算法大两个像素,其他目标两种算法得到的坐标一致。图6(a )两种算法得到的坐标一致。从实验结果可以看出,本文提出的新算法同时也继承了Hough 变换对边缘具有鲁棒性的优点。

313　实验分析

一般情况下,当目标边缘点和噪声点较少时,新算法提高的倍数介于五倍左右,这主要是系统其他开销在计算中需要的时间相对计算开销来说比较显著。随着目标边缘点和噪声点的增多,需要计算的时间就越多,这样系统其他开销相对计算开销来说影响就没有边缘点和噪声点少时显著。可以(下转第210页)

?

991?第10期夏　磊,等:一种用Hough 变换检测圆的快速算法

在C MM I的阶段式表示法中,没有软件产品工程这一过程域。根据相关研究[8],C MM的软件产品工程关键过程域的内容可以映射到若干个过程域中。本文关注的该关键过程域的活动2～活动4可以映射到需求开发(require ments devel op2 ment)、需求管理(require ments manage ment)、产品集成(p r oduct integrati on)、技术解决方案(technical s oluti on)、确认(valida2 ti on)和验证(verificati on)等几个过程域中。通过分析这几个过程域的内容,可以得出结论:C MM I对于工程活动的要求,抽象的程度比C MM高,更具备普适性,也适用于各种软件生命周期模型。

C MM I的连续式表示法的内容本文不再赘述。C MM I对C MM相关内容的改进,也能从侧面反映本文的论点。

4　结束语

本文对C MM实施过程中发现的一些现象进行了分析,这些现象主要是难以协调项目实施的具体活动与C MM要求的活动,包括:

a)非瀑布生命周期模型的项目在实施需求管理过程域的部分内容时效果不明显。

b)非瀑布生命周期模型的项目部分工程活动和工作产品与软件产品工程过程域的部分内容难以协调。

尽管C MM将会被C MM I所取代,对其进行研究依然具有意义。这是因为,一方面,已经有大量的组织正在使用C MM 作为过程改进的模型,它们要转而采用C MM I则需要相当长的时间,在此期间,这些组织依然会关注对于C MM的研究;另一方面,对于C MM的研究,也将有利于进一步了解和更好地使用C MM I。

参考文献:

[1]PRESS MAN R S.软件工程———实践者的研究方法[M].梅宏,译.

北京:机械工业出版社,2002:21.

[2]I S O/I EC12207—1995,I nf or mati on technol ogy:s oft w are life cycle

p r ocesses[S].

[3]I EEE/ANSI Std610.12—1990,Standard gl ossary of s oft w are engi2

neering ter m inol ogy[S].

[4]P AULK M C,W EBER C V,G ARC I A S M,et al.Key p ractices of

the capability maturity model,versi on111[R].Pittsburgh:Carnegie Mell on Soft w are Engineering I nstitute,1993:2218.

[5]周之英.现代软件工程[M].北京:科学出版社,1999:58.

[6]JACOBS N I,BOOCH G,RUMBAUGH J.统一软件开发过程[M].

周伯生,等译.北京:机械工业出版社,2002:65.

[7]C MM I Pr oduct Tea m.Capability maturity model integrati on(C MM I)

versi on111(C MM I2SE/S W/I PP D,v111)staged rep resentati on[R].

Pittsburgh:Carnegie Mell on Soft w are Engineering I nstitute,2001:86.

[8]US AF Soft w are Technol ogy Support Center(STS C).C MM I2SE/S W

v111t o S W2C MM v111mapp ing[EB/OL].(2005212210).htt p:// https://www.wendangku.net/doc/0317416101.html,/cmm i/adop ti on/pdf/stsc2mapp ings.pdf.

(上接第199页)看出这种情况下新算法提高的倍数在六倍左右,这与理论计算值11(由于设圆的半径为20～40个像素点, R在计算时取中间值30)有一定差别。但是考虑到实际实现中W indows系统会有各种系统开销,而且理论计算值是在只考虑算法中乘法运算和加法运算所用时间的情况下,并没有考虑比较、赋值、选择、循环等各种其他运算或操作,这种差别是可以接受的。通过平移得到的参数空间中的累加值与通过计算得到的参数空间中的累加值基本一样,所以新算法保留了所有Hough变换的优点,如识别率高、抗噪性强、对边缘具有鲁棒性等,并且新算法的目标识别率和原始算法的目标识别率在实验中的图像序列中的每帧都一样。在数字图像中受坐标离散化的影响,通过平移所得到的坐标点集合和通过计算得到的坐标点集合不可能完全一样,所以两种算法得到的目标坐标不可能完全一致,但是实际中这种不一致对识别效果来说影响很小,可以忽略不计。

4　结束语

本文在Hough变换的基础上,通过坐标平移来减少参与运算的点数构造出了一种新的检测圆的快速算法。新算法不仅保留了原始Hough变换检测圆识别率高、抗噪性强、对目标边缘具有鲁棒性等优点,同时大大解决了Hough变换比较耗时的缺点。实验结果表明,新算法具有与原始算法一样的识别率,可以较显著地提高识别速度(在圆的半径为20～40个像素时可以将识别速度提高六倍左右)。参考文献:

[1]DUDA R O,HART P E.U se of the Hough transf or m t o detect lines

and curves in p ictures[J].Comm uni ca ti o n s of the ACM,1972,

15(1):11215.

[2]DAV I ES E R.A modificd Hough scheme f or general circle l ocati on

[J].Pa tt R e c Le tt,1988,6:37243.

[3]G ONE I D A,E L2GI N D I S,SE W I SY A.A method f or the Hough

transfor m detecti on of circles and elli p ses using a12di m ensi onal array

[C]//Pr oc of the I EEE I nternati onal Conference on System s,Man

and Cybernetics.O rlando:[s.n.],1997:315423157.

[4]M I N OR L G,SK LANSKY J.Detecti on and seg mentati on of bl obs in

infrared i m ages[J].I EEE Tra ns SMC,1981,11:1942201.

[5]ATHERT ON T J,KERBYS ON D J.U sing phase t o rep resent radius in

the coherent circle Hough transf or m[M].London:I EEE,1993:124. [6]I A232intel architecture s oft w are devel oper’s manual volume1:basic

architecture[EB/OL].(2001).ft p://downl https://www.wendangku.net/doc/0317416101.html,/design/ Pentium4/manuals/25366521.pdf.

[7]I A232intel architecture op ti m izati on reference manual[EB/OL].

(2001).ft p://downl https://www.wendangku.net/doc/0317416101.html,/design/Pentium4/manuals/ 24896613.pdf.

[8]KERBYS ON D J,ATHERT ON T J.Circle detecti on using Hough

transfor m filters[M].W ashingt on,DC:I EEE Conference Publica2 ti on,1995:3702374.

[9]KI CRKEG A II RD P.A method for detecti on of circular arcs based on

the Hough transfr om[J].M a ch i ne V is i o n a nd Aduli ca ti o n s,1992,

5:2492263.

[10]H I N T ON G.The m icr oarchitecture of the Pentium4p r ocess or[EB/

OL].[2001].htt p://https://www.wendangku.net/doc/0317416101.html,/technol ogy/itj/q12001/pdf/ art_2.pdf.

?

1

2

?计算机应用研究　第24卷

基于小波变换的图像边缘检测算法

基于小波变换的图像边缘检测算法仿真实 现 学生姓名：XX 指导教师：xxx 专业班级：电子信息 学号：00000000000 学院：计算机与信息工程学院 二〇一五年五月二十日

摘要 数字图像边缘检测是图像分割、目标区域识别和区域形态提取等图像分析领域中十分重要的基础，是图像识别中提取图像特征一个重要方法。 目前在边缘检测领域已经提出许多算法，但是提出的相关理论和算法仍然存在很多不足之处，在某些情况下仍然无法很有效地检测出目标物的边缘。由于小波变换在时域和频域都具有很好的局部化特征，并且具有多尺度特征，因此，利用多尺度小波进行边缘检测既能得到良好的抑制噪声的能力，又能够保持边缘的完备。 本文就是利用此方法在MATLAB环境下来对数字图像进行边缘的检测。 关键词：小波变换；多尺度；边缘检测

Abstract The boundary detection of digital image is not only the important foundation in the field of image segmentation and target area identification and area shape extraction, but also an important method which extract image feature in image recognition. Right now, there are a lot of algorithms in the field of edge detection, but these algorithms also have a lot of shotucuts, sometimes, they are not very effective to check the boundary of the digital image. Wavelet transform has a good localization characteristic in the time domain and frequency domain and multi-scale features, So, the boundary detection of digital image by using multi-scale wavelet can not only get a good ability to suppress noise, but also to maintain the completeness of the edge. This article is to use this method in the environment of MATLAB to detect the boundary of the digital image. Keywords: wavelet transform; multi-scale; boundary detection.

总局关于规范食品快速检测方法使用管理的意见

总局关于规范食品快速检测方法使用管理的意见 食药监科〔2017〕49号 各省、自治区、直辖市食品药品监督管理局，新疆生产建设兵团食品药品监督管理局： 为规范食品快速检测（以下简称“食品快检”）方法使用管理，合理发挥食品快检在食品安全监管中的作用，提出以下意见： 一、食品快检是指利用快速检测设施设备（包括快检车、室、仪、箱等），按照食品药品监管总局或国务院其他有关部门规定的快检方法，对食品（含食用农产品）进行某种特定物质或指标的快速定性检测的行为。 二、食品快检主要适用于需要短时间内显示结果的禁限用农兽药、在饲料及动物饮用水中的禁用药物、非法添加物质、生物毒素等的定性检测，检测主要针对食用农产品、散装食品、餐饮食品、现场制售食品，对于预包装食品原则上以常规实验室检验为主。 三、食品药品监管部门在日常监管、专项整治、活动保障等的现场检查工作中，可以根据实际情况使用快检方法进行抽查检测。监管人员应当严格按照快检方法使用要求规范操作，详细记录检测食品品种和名称、数量、检测项目、检测日期、检测方法、检测人员姓名、检测结果以及所使用的快检产品生产企业、产品型号批号等信息。食品药品监管部门和监管人员对所检食品的快检项目结果负责。 四、现场快检结果呈阳性的，被抽查食用农产品经营者应暂停销售相关产品，

食品药品监管部门应当及时跟进监督检查和抽样检验，防控风险。被抽查食用农产品经营者对快检结果无异议的，食品药品监管部门应当依法处置；对快检结果有异议的，可以自收到或应当收到检测结果时起四小时内申请复检。复检不得采用快检方法。 五、各省（区、市）、计划单列市、副省级省会城市食品药品监管部门要按照食品药品监管总局制定发布的《食品快速检测方法评价技术规范》和相应快检方法等要求，通过盲样测试、平行送实验室检验等方式对正在使用和拟采购的快检产品进行评价。评价结果显示不符合国家相应要求的，要立即停止使用或者不得采购。 六、食品快检不能替代食品检验机构利用常规实验室仪器设备开展的食品检验活动，不能用于食品安全监管工作中部署的食品抽样检验。 七、省（区、市）食品药品监管部门可以根据食品安全监管需要，组织专业技术机构对不属于国家规定的食品快检方法开展评价，评价结果符合有关要求的，可用于所在省（区、市）各级食品药品监管部门在食品安全监管中的初步筛查。 食品药品监管总局 2017年6月2日

hough变换检测椭圆的matlab源码[matlab]

hough变换检测椭圆的matlab程序 程序代码：(代码标记[code]...[/code] ) [row col]=size(fedge); minofa=a; maxofa=round(row/2); minofy0=round(col/2)-30; maxofy0=round(col/2)+30; minofb=round(col/2)-60; maxofb=round(col/2); maxofx=round(row/2); scalor=4; H=zeros(floor((maxofa-minofa)/scalor)+1,floor((maxofa-minofa)/scalor)+1,... floor((maxofy0-minofy0)/scalor)+1,floor((maxofb-minofb)/scalor)+1); for x=1:maxofx for y=1:col temp=fedge(x,y); if temp==255 for a=minofa:scalor:maxofa for x0=a:scalor:maxofa for b=minofb:scalor:maxofb for y0=minofy0:scalor:maxofy0 temp=((y-y0)/b)^2+((x-x0)/a)^2; if abs(temp-1)<=0.01 xtemp=floor((x0-minofa)/scalor)+1; atemp=floor((a-minofa)/scalor)+1; ytemp=floor((y0-minofy0)/scalor)+1; btemp=floor((b-minofb)/scalor)+1; H(xtemp,atemp,ytemp,btemp)=H(xtemp,atemp,ytemp,btemp)+1; end end end end end end end end maxofH=max(max(max(max(H)))); for i=1:floor((maxofa-minofa)/scalor)+1 for j=1:floor((maxofa-minofa)/scalor)+1 for m=1:floor((maxofy0-minofy0)/scalor)+1 for n=1:floor((maxofb-minofb)/scalor)+1

几种常用边缘检测算法的比较

几种常用边缘检测算法的比较摘要:边缘是图像最基本的特征，边缘检测是图像分析与识别的重要环节。基于微分算子的边缘检测是目前较为常用的边缘检测方法。通过对Roberts，Sobel，Prewitt，Canny 和Log 及一种改进Sobel等几个微分算子的算法分析以及MATLAB 仿真实验对比，结果表明，Roberts，Sobel 和Prewitt 算子的算法简单，但检测精度不高，Canny 和Log 算子的算法复杂，但检测精度较高，基于Sobel的改进方法具有较好的可调性，可针对不同的图像得到较好的效果，但是边缘较粗糙。在应用中应根据实际情况选择不同的算子。 0 引言 边缘检测是图像分析与识别的第一步，边缘检测在计算机视觉、图像分析等应用中起着重要作用，图像的其他特征都是由边缘和区域这些基本特征推导出来的，边缘检测的效果会直接影响图像的分割和识别性能。边缘检测法的种类很多，如微分算子法、样板匹配法、小波检测法、神经网络法等等，每一类检测法又有不同的具体方法。目前，微分算子法中有Roberts，Sobel，Prewitt，Canny，Laplacian，Log 以及二阶方向导数等算子检测法，本文仅将讨论微分算子法中的几个常用算子法及一个改进Sobel算法。 1 边缘检测

在图像中，边缘是图像局部强度变化最明显的地方，它主要存在于目标与目标、目标与背景、区域与区域( 包括不同色彩) 之间。边缘表明一个特征区域的终结和另一特征区域的开始。边缘所分开区域的内部特征或属性是一致的，而不同的区域内部特征或属性是不同的。边缘检测正是利用物体和背景在某种图像特征上的差异来实现检测，这些差异包括灰度、颜色或纹理特征，边缘检测实际上就是检测图像特征发生变化的位置。边缘的类型很多，常见的有以下三种: 第一种是阶梯形边缘，其灰度从低跳跃到高; 第二种是屋顶形边缘，其灰度从低逐渐到高然后慢慢减小; 第三种是线性边缘，其灰度呈脉冲跳跃变化。如图1 所示。 (a) 阶梯形边缘(b) 屋顶形边缘 (b) 线性边缘 图像中的边缘是由许多边缘元组成，边缘元可以看作是一个短的直线段，每一个边缘元都由一个位置和一个角度确定。边缘元对应着图像上灰度曲面N 阶导数的不连续性。如果灰度曲面在一个点的N 阶导数是一个Delta 函数，那么就

食品安全快速检测知识测试题

食品安全快速检测知识测试题 一、单项选择题 1、下列类农药不是农药速测卡的常检农药种类? A、有机磷 B、有机氯 C、氨基甲酸酯 2、试剂保管时应注意以下因素？ A、高温热源 B、潮湿 C、阳光照射 D、密封 E、以上都是 3、具有很好的漂白、抗氧化和防腐等作用，还能掩盖发霉的蜜栈半成品、银耳和虾仁等霉斑。 A、二氧化硫 B、二氧化碳 C、硫化氢 4、酱腌菜由于腌制、储存或加工不当，会含有高浓度的。 A、亚硝酸盐 B、硝酸盐 C、亚硫酸盐 5、甲醛检测时，以下食品应作为最重点的检测与监管对象？ A、水发品、血制品 B、鲜香菇 C、干香菇 D、豆制品； 6、硫磺燃烧时可产生气体，可使食品表面颜色显得白亮，鲜艳，有漂白和保鲜食品作用。 A、二氧化碳 B、二氧化硫 C、硫化氢 7、以下样品浸泡液不需再处理就可直接用于检测？ A、有明显可见色泽 B、混浊或有悬浮物； C、澄清透明 D、以上都不是。 8、下列物质中属于食品添加剂的是。 A、甲醛 B、二氧化硫 C、硼砂 D、吊白块 9、食品加工添加吊白块是利用其分解产生的具有增加食品弹性，亚硫酸盐有漂白食品的作用。 A、甲醛 B、二氧化硫 C、亚硫酸盐 10、以下食品用工业双氧水处理后，对人体危害最大的是。 A、干果类； B、干制水产； C、病死禽畜肉； D、牛奶 11、鱼丸、肉丸比较可能还有的含有的有毒物质是。 A、甲醛 B、二氧化硫 C、硼砂 D、亚硝酸盐 12、国家标准肉肠的亚硝酸盐含量为≤ mg/kg。 A、30 B、70 C、10 D、50 13、食品检测采样时，根据样品作用可以分为试验样品、复验样品、。 A、原始样品 B、平均样品 C、保留样品 14、仪器快速检测西式火腿样品的亚硝酸盐含量为98mg/kg时，适宜的处理方法为。

食品快速检测实验报告

食品安全快速检测 实验报告 指导教师：邬旭然 实验小组： 12组 班级：应101-2 小组成员：李恒国 201055501244 张明军 201055501243 冯亚雪 201055501242 １. 实验时间：2012年11月15 日

一．实验目的： 1.了解食品安全快速检测的定义以及快速检测的意义所在。 2.初步了解我国食品安全快速检测现状以及在当代食品速测的必要性。 3.明确各种食品添加剂的国家安全标准。 4.学会几种快速检测试剂的配制和使用。 5.掌握NaOH的标定方法。 二．实验原理 １.快速检测原理： （1）亚硝酸盐快速检测原理：食品中的亚硝酸盐可迅速与本试剂反应生成紫红色产物，颜色越深，表示样品中亚硝酸盐的含量越高，与标准品比较，可以得出样品中亚硝酸盐是否超标的半定量结果。 （2）碘盐快速检测原理：碘遇淀粉呈蓝色，颜色深浅与碘含量成正比，与标准色卡比对确定碘含量。 （3）食醋总酸速测原理：食醋中主要成分是乙酸，含有少量其他有机酸，用氢氧化钠标准溶液滴定，以指示剂显示终点，得出样品中总酸的含量。 (4)乳品蛋白质速测原理：蛋白质具有两个以上的肽键，具有双缩脲反应现象，在碱性溶液中，能与Cu2+形成紫红色络合物，颜色深浅与蛋白质浓度成正比，故可以用来测定蛋白质的含量。 2.食醋中酸的总含量的半微量检测原理 （1） NaOH溶液的标定 因NaOH易吸收空气中的水和CO 2 ，其纯度、浓度均不定。配制准确浓度的NaOH 溶液，先配成近似浓度的溶液，再用标准物质标定出准确浓度。本次实验用邻苯二甲酸氢钾标定NaOH溶液。 反应方程： KHC 8H 4 O 4 +NaOH=KNaC 8 H 4 O 4 +H 2 O 滴至化学计量点时溶液呈弱碱性，故采用酚酞作指示剂。 1mol KHC 8H 4 O 4 ～～1mol NaOH ∴c(NaOH)*V(NaOH)=c(KHC 8H 4 O 4 )*V(KHC 8 H 4 O 4 ) ∴c(NaOH)=c(KHC 8H 4 O 4 )*V(KHC 8 H 4 O 4 )／V(NaOH) 也可用草酸来标定NaOH： H 2C 2 O 4 +2NaOH=Na 2 C 2 O 4 +2H 2 O （2）.总酸含量测定，利用酸电离出的H+与溶液的反应，已知碱的体积与浓度，酸的体积，计算得到酸的总量。 反应方程式： H++ OH- == H 2 O

食品安全快速检测技术汇总

食品安全快速检测技术汇总 快速检测技术广泛用于食品安全快速检测，临床检验、检验检疫、毒品检验等公共领域。食品安全快速检测是指对食品利用便携式分析仪器及配套试剂快速得到检测结果的一种检测方式。 食品安全问题主要有害污染物 1.农药、化肥:有机磷,有机氯，硝酸盐 2.兽药：兴奋剂，镇静剂，抗生素 3.重金属离子：镉，铅，汞，铬，砷，钼 4.生物毒素：黄曲霉毒素，呕吐毒素，肉毒素 5.致病菌：大肠杆菌，沙门氏菌，葡萄球菌等 快速检测含义 包括样品制备在内，能够在短时间内出据检测结果的行为称之为快速检测。三方面体现： （1）实验准备要简化 （2）样品经简单前处理后即可测试，后采用先进快速的样品处理方式 （3）分析方法简单，快速，准确 食品安全快速检测分类 按分析地点： 现场快速检测，实验室快速检测 按定性定量： 定性快速筛选检验，半定量检验，全量检验 农药残留检测方法 （一）生物法 1.生物化学测定法(酶抑制率法，速测卡法) 2.分子生物学方法(如：ELISA) 3.活体生物测定法(发光细菌，大型水藻，家蝇) 4.生物传感器法

生物传感器在食品分析中的应用： （1）食品成分分析 （2）食品添加剂的分析 （3）农药和抗生素残留量分析 （4）微生物和生物毒素的检验 （5）食品限度的检验 (二)化学方法酶抑制法酶联免疫检测法 蔬菜中硝酸盐含量的快速测定 将NO3-还原N02-后，芳香胺与亚硝酸根离子发生重氮化反应，生成重氮盐，重氮盐再与芳香族化合物发生偶联反应，生成一种红颜色偶氮化合物(偶氮染料)，其颜色强度与硝酸盐含量呈正比，通过试纸由无色变为红色，变色的试纸放入基于光学传感器原理的硝酸盐检测仪中比色测定硝酸盐含量。仪器与材料：硝酸盐试纸. 快速测定仪 硝酸盐速测管 适用范围：乳品、饮用水、蔬菜等食物中硝酸盐的快速检测。 方法原理：按照国标GB/T5009. 33盐酸蔡乙二胺显色原理，在格林试剂中加入硝酸盐转化剂，并将其做成速测管，速测管中的试剂可将N03-还原为N02-后，再与芳香胺(氨基苯磺酸) 发生重氮反应，生成重氮盐，重氮盐再与芳香族化合物( A-祭胺)发生偶联反应，生成红色偶氮化合物(又叫偶氮染料)，颜色深浅与硝酸盐含量成正比，与标准色卡比对，确定硝酸盐含量. 兽药残留快速检测微生物法检测 检测管中的培养基预先接种了嗜热脂肪芽孢杆菌，并含有细菌生长所需的营养以及pH指示剂。只需加入100ul样品于检测管中。 将含有样品的检测管放入64±1℃水浴中加热一段时间。奶或奶制品在培养基中迅速扩散，若该样品中不含有抗生素(或者抗生素低于检测值)，嗜热脂肪芽孢杆菌将在培养基中生长，葡萄糖呗分解后所产生的酸会改变Ph指示剂颜色，由紫色变为黄色。相反若高于检测限的抑菌剂，则嗜热脂肪芽孢杆菌不会生长，指示剂颜色不变仍为紫色。 黄色表明该样品没有抗生素残留或抗生素残留的含量低于试剂盒的检测限(阴性) 紫色表明该样品中含有抗生素残留且浓度高于试剂盒的检测限(阳性) 如果介于黄色紫色之间，则说明该样品可能不含抗生素残留或者抗生素残留的含量低于试剂盒的检测限(部分阳性) 免疫金标记技术

用Hough变换检测二值图像中的圆

用Hough变换检测二值图像中的圆 Hough 变换简介 Hough变换是实现图像边缘检测的一种有效方法，其基本思想是将测量空间的一点变换到参量空间中的一条曲线或一个曲面，而具有同一参量特征的点交换后在参量空间中相交，通过判断交点处的积累程度来完成特征曲线的检测，基于参量性质的不同，Hough变换可以检测直线、圆、椭圆、双曲线、抛物线等。同时，将概率论、模糊集理论、分层迭代的思想和级联的方法应用于Hough变换的过程中，大大地提高了Hough变换的效率，改善了Hough变换的性能。 实验主要使用的函数 MATLAB内部常数pi：圆周率 p（= 3.1415926...） MATLAB常用基本数学函数: abs(x)：纯量的绝对值或向量的长度； round(x)：四舍五入至最近整数； floor(x)：地板函数，即舍去正小数至最近整数； MATLAB常用三角函数 sin(x)：正弦函数 cos(x)：余弦函数； 向量的常用函数 max(x): 向量x的元素的最大值。 MATLAB图像类型转换函数： rgb2gray:将一副真彩色图像转换成灰度图像； im2bw:通过设定高度阈值将真彩色，索引色，灰度图转换成二值图像； MATLAB图形图像文件的读取和显示函数 imread(filename)； MATLAB二进制图像及其显示 imshow（f1）。 用double对二值图像双精度化 图形处理： sobel算子检测边缘 hough变换检测圆

分别显示灰度图像： figure;subplot Sobel:算子边缘检测图像 hough变换检测后的图像 实验相关代码 I=imread('*.jpg');f=rgb2gray(I); f1=im2bw(f,200/255); BW1=double(f1); BW=edge(BW1,'sobel',0.4); r_max=50; r_min=10;step_r=10;step_angle=pi/12;p=0.7; [m,n] = size(BW); size_r = round((r_max-r_min)/step_r)+1; size_angle = round(2*pi/step_angle); hough_space = zeros(m,n,size_r); [rows,cols] = find(BW); ecount = size(rows); for i=1:ecount for r=1:size_r for k=1:size_angle a = round(rows(i)-(r_min+(r-1)*step_r)*cos(k*step_angle)); b = round(cols(i)-(r_min+(r-1)*step_r)*sin(k*step_angle)); if(a>0&&a<=m&&b>0&&b<=n) hough_space(a,b,r) = hough_space(a,b,r)+1; end end end end max_para = max(max(max(hough_space))); index = find(hough_space>=max_para*p); length = size(index); hough_circle = false(m,n); for i=1:ecount for k=1:length par3 = floor(index(k)/(m*n))+1; par2 = floor((index(k)-(par3-1)*(m*n))/m)+1; par1 = index(k)-(par3-1)*(m*n)-(par2-1)*m; if((rows(i)-par1)^2+(cols(i)-par2)^2<(r_min+(par3-1)*step_r)^2+5&&... (rows(i)-par1)^2+(cols(i)-par2)^2>(r_min+(par3-1)*step_r)^2-5)

食品快速检测方法评价技术规范

食品快速检测方法评价技术规范 目的 为保证食品快速检测方法评价工作科学合理、标准统一，特制定本规范。 适用范围 本规范适用于食品药品监管部门组织开展的食品（含食用农产品）中农兽药残留、非法添加、真菌毒素、食品添加剂、污染物质等定性快速检测方法及相关产品的技术评价。 评价指标 灵敏度 特异性 假阴性率和假阳性率 与参比方法一致性分析 评价方法 最低检出水平（检出限）设置对于禁用物质或者无残留限量的物质应小于或者等于参比方法的检出限水平，对于存在国家标准限值规定的物质应小于或等于限值规定。所有参数需要在不同种类或者类型的食品中测定的实际结果进行统计。 灵敏度 灵敏度是指方法在实验条件下达到的实际最低检出水平时，检出阳性结果的阳性样品数占总阳性样品数的百分比，具体计算要求见附表，评价中可描述为该百分比下方法的检出限。 特异性 特异性是指方法在实验条件下达到的实际最低检出水平时，检出阴性结果的阴性样品数占总阴性样品数的百分比，具体计算要求见附表，评价中可描述为方法检出限下不存在干扰的百分比。 假阴性率和假阳性率 假阴性率是指方法在实验条件下达到的实际最低检出水平时，阳性样品中检出阴性结果的最大概率（以百分比计），具体计算要求见附表，计算结果为方法最大假阴性率的结果。 假阳性率是指方法在实验条件下达到的实际最低检出水平时，阴性样品中检出阳性结果的最大概率（以百分比计），具体计算要求见附表，计算结果为方法最大假阳性率的结果。 与参比方法一致性分析 快速检测方法应与方法中规定的参比方法进行一致性比较。与参比方法一致性分析统计方法常见卡方检验，具体可见附表中显著性差异（c2）所示，一般： c2=（?a-b?-1）2/（a+b） a：样品被待确认方法证实为阳性而参比方法检验为阴性的数目； b：样品被待确认方法证实为阴性而参比方法检验为阳性的数目。 c2<3.84表示待确认方法与参比方法的阳性确证比率在95%的置信区间内没有显著性差异。但是如果待确认方法比参比方法存在更高的回收率，则以上两种方法的阳性确证比率存在显著性差异是可以接受的。 c2>3.84表示两种方法的阳性确认比率在95%的置信区间内有显著性差异。 如果能够证实待确认方法灵敏度优于参比方法，则两种阳性比例的显著性差异可以接受。在考察与参比方法的一致性分析中，也需要考察在检出限或者报告限度水平附近的检测结果与浓度之间的趋势一致性。

食品快速检测方法现状及建议

食品快速检测方法现状及建议 发表时间：2019-11-27T13:22:33.487Z 来源：《中国西部科技》2019年第24期作者：徐颖[导读] 食品方面的安全问题是人们最为关注的一个问题，并且随着一系列的安全事件的发生，使得人们越来越重视这个问题。由于当前的食品种类特别多，人们在进行食品的购买过程当中对于食品包装当中的成分以及含量都不太了解，同时质量监督的管理部门对这种食品的安全监管不到位，就会使得人们的生命健康受到一定的影响，更重要的是可能会，对人们造成一些心理方面的影响。为了保证，人们在生 活当中，有一个健康的身体，避免受到食品安全问题摘要：食品方面的安全问题是人们最为关注的一个问题，并且随着一系列的安全事件的发生，使得人们越来越重视这个问题。由于当前的食品种类特别多，人们在进行食品的购买过程当中对于食品包装当中的成分以及含量都不太了解，同时质量监督的管理部门对这种食品的安全监管不到位，就会使得人们的生命健康受到一定的影响，更重要的是可能会，对人们造成一些心理方面的影响。为了保证，人们在生活当中，有一个健康的身体，避免受到食品安全问题的影响，因此就需要建立以及完善这一种食品检测的方法。本篇文章主要是对于这一种快速食品检测的方法，相关特点进行分析，并对当前国内的检测技术的现状进行分析。在当前的食品检测技术当中存在有许多问题，因此要想，提高食品的检测过程，需要对这种技术进行加强，本篇文章当中就对这样检测技术应用的提高，提出了一系列的建议。 0 引言 食品安全是当前人民健康以及构建一种良好的和谐型社会的重大问题，随着近些年来环境污染的问题以及食品添加剂滥用等问题，使得人们对于食品安全的关注程度，逐渐提升。这种食品安全的检测技术是进行科学监管的一项重要的技术，也是对于食品安全进行监督执法的科学依据之一。在以往的一些监督过程当中，使用传统的检测方法，虽然准确性比较高，但是检测方法比较复杂，耗费的时间和成本都比较多，就没有办法迅速的对食品的安全状况进行检测，也不适合进行大量样品的检测，因此就需要推动，快速检测方法以及快速检测技术的发展。 1 食品快速检测概述 当前没有对食品快速安全的检测进行定义，通常都认为的是使用较短的时间来进行准确的检测。这一种检测基础首先是，能够缩短安全检测的时间，并且在进行操作的过程当中也能够比较简便，在这样的意义之上，检测的技术，通过分析，可以得出以下的几个方面的特点，首先是，进行检测的实验比较简单，样品通过一些简单的处理之后就可以进行测试。其次，是对技术操作的人员要求比较低，不需要有较高的技术水平也能够进行检测。并且这种样品在进行检测过程当中能够迅速的检测出结果。最后一点则是，使用的成本比较少，尤其是在一些大量的检测过程当中，可以减少时间的成本以及金额的耗费。按照一些检测的时间与应用场合的不同，这种检测的方法也可以分为现场快速检测以及实验室快速地检测，在实验室当中的检测，主要指的就是能够在较短的时间当中将样品进行检测并化验出最后的结果。现场的快速检测就是在30分钟就可以出具一种检验的报告。 2 食品安全快速检测技术的运用 2.1 国外应用现状 在韩国和美国的一些国家开始投入快速研究方法的研究。比如说在对疯牛病的污染进行检测的过程当中，就使用了快速检测的方法。并且一些比较发达的国家还使用了速测卡等检测的方法。国外在对快速检测技术进行研究的过程当中，主要将重点放在控制食品生产的一些关键环节。在发达国家由于一些食品企业的自律意识比较强，并且国家的法律执行力度也很大，在快速检测这一方面的重要性并不凸显，仅仅只是从现场快速检测的技术来说，每个国家按照他们不同的国情以及不同的关注焦点来进行检测。实验室当中快速筛选以及检验的技术，在发达国家当中，重视程度比较高，一般使用的就是进出口检验分析。另外在一些发达国家，由于他们在食品生产的规模化方面程度比较高，因此对于生产当中的仪器和控制的技术，有特别的要求。 2.2 国内应用现状 国内对于快速检测方法的关注度也开始逐渐提高，在2006年的时候，主要对于食品出口的企业进行检测，在此之后，许多企业开始大规模的使用。当前食品快速检测的装备已经应用在一些食药监的系统当中，不仅仅，是应用在各个节日期间的安全管理当中，还可以广泛的运用在日常的快速检测过程当中，这样能够对餐饮食品的安全进行日常的检测与监控。 3 食品快速检测技术的研发 通过我国的食品安全检测的科研人员，多年的努力，在一些农药残留以及兽药残留的检验当中，有着较大的检验成果，在这些方面的检测技术以及方法都有着很大的进展。特别是在十五期间，国家还建立了一种重大科技专项，这一种专项的建立也进一步的使得我国检验技术的进一步发展，在进行了5年的不懈努力之后，已经取得了较好的成果，特别是在检验的方法以及相关检验技术方面的研究有较大的成功。而在检验的设备方面，科研人员已经研究出了一批，有先进技术水平的检验设备。 4 食品安全快速检测技术的发展及建议 从20世纪开始，食品安全快速检测技术就开始发展到如今，研究出了一种便携式的检测仪器，并且从一些简单的项目检测发展到如今的几百个项目的检测，从早期的食物中毒的处理到今天，对于食品安全的检测与预防，经历了几个阶段的变革。当前现场快速检测的技术与国家规定的标准方法，具有相同的操作简单并且检测结果快速的优点，但是由于许多的检测方法，再进行样品的处理以及操作规范性方面，还是有许多不足之处就需要最后的研究过程当中进行进一步的完善，当前仅仅只是能够通过快速筛选，并不能作为最终食品安全诊断的依据。当前的食品快速检测当中，仪器设备检测的灵敏度逐渐提高对其中的残留物分析水平也开始提高，第二点则是，检测的速度开始逐渐加快，第三点则是，对于快速检测的技术选择性开始增多，第四点则是，检测的仪器开始不断的发展，不再是之前的大型检测仪器，而是可以设计出一些便携的检测仪器。针对我国当前的国情，许多的单位对于这种快速检测技术的应用还比较少，应该加强这种快速检测技术的推广以及应用。 综上所述，当前在市场当中最常用的，快速检测的方法，主要是对一些食品添加剂以及污染物方面进行检测，基本上可以满足对于日常的食品的安全检测。但是在实际的使用过程当中，快速检测技术使用的主要问题，就是体现在使用的成本以及准确性和简便性的方面。并且，我国相关部门也需要积极的进行配合，拓展市场当中的安全监管的范围完善，在流通过程当中的食品安全问题的监督体系，促进食品安全监管平台的发展，使得快速检测的技术能够应用在食品检测过程当中的各个方面。参考文献

基于质心法的一种椭圆检测的方法

基于质心法的一种椭圆检测的方法 发表时间：2018-05-14T16:09:43.330Z 来源：《电力设备》2017年第34期作者：仝毅杰尚雅层陈鸿 [导读] 摘要: 针对图像中完整椭圆或是非完整椭圆中心的情况，提出了一种基于质心的方法来确定椭圆的中心位置，在这个过程中设定椭圆为均质椭圆，假定其密度为1，经过实验证明，该算法可以很好的确定出椭圆的中心位置。 （西安工业大学机电工程学院西安 710021） 摘要: 针对图像中完整椭圆或是非完整椭圆中心的情况，提出了一种基于质心的方法来确定椭圆的中心位置，在这个过程中设定椭圆为均质椭圆，假定其密度为1，经过实验证明，该算法可以很好的确定出椭圆的中心位置。 在机器视觉安全加气系统中，能够精确地找到进气口的位置是完成加气动作最关键的因素。加气时，加气口与进气口必须对准，因此摄像机无法在进气口的轴向拍摄，椭圆中心位置的确定是整个系统动作完成的关键之所在。文献[1]提出了基于Hough变换的椭圆算法，其随机采样两点，利用椭圆的性质去除无效的采样，再进行拟合得到椭圆。文献[2]采用最小二乘法二次曲线拟合法对椭圆提取。文献[3]依据椭圆的一些定位信息、图像边缘的梯度方向灰度的分布特征拟合出亚像素边缘点，并进行最小二乘拟合，最终得到得到椭圆中心。文献[4]首先缩小图像进行Hough变换，再放大图像建立新的参量空间进行Hough变换，最终得出椭圆的中心位置。椭圆中心位置的检测主要有Hough变换法、最小二乘拟合法[5]等。Hough变换法可以检测出椭圆，但是容易受到参数离散化程度的影响；最小二乘法对图像的边缘点拟合，所以图像边缘点的提取精度直接影响了椭圆中心位置的精度。因此，本文提出一种利用质心法得出图像中椭圆的中心位置的方法。 1.质心提取的基本原理 对于一个带状的椭圆区域S，如图1，它的质心可以通过质心计算公式得到： 图1 带状椭圆环 （1.1）（1.2） 拍摄的画面中，在椭圆的带状区域内假设其密度，则空白处密度。因此，上述的积分就是可以转化为只对带状区域 的积分，即：（1.3）（1.4） 在拍摄的画面中，由于是离散的像素点，因此，离散化后的计算方法如下，（1.5）（1.6） 为单位质量，假定其为均匀分布，即为一常量。 （1.7）（1.8） 化简得：（1.9）（1.10） 其中，分别为画面内所有坐标的和；为像素个数。 对于线状曲线S的质心，如图2所示 图2 线状椭圆S 线状曲线的质心计算如下： （1.11）（1.12） 同样，拍摄的画面是像素点，因此，将其离散化后的计算方法如下： （1.13） （1.14） 因此，无论区域是带状区域或是线状区域均适用于质心法。 2.实验结果

图像边缘检测算法体验步骤

图像边缘检测算法体验步骤 图像边缘检测算法体验步骤（Photoshop，Matlab）1. 确定你的电脑上已经安装了Photoshop和Matlab2. 使用手机或其他任何方式，获得一张彩色图像（任何格式），建议图像颜色丰富，分辨率比较高，具有比较明显的图像边界（卡通图像，风景图像，桌面图像）3. 将图像保存到一个能够找到的目录中，例如img文件夹（路径上没有汉字）4. 启动Photoshop，打开img文件夹中的图像5. 在工具箱中选择“矩形选择”工具，到图面上选择一个区域（如果分辨率比较高，建议不要太大，否则计算过程比较长）6. 点击下拉菜单【文件】-【新建】，新建一个与矩形选择框同样尺寸的Photoshop图像，不要求保存该图像7. 将该彩色图像转换为亮度图像，即点击下拉菜单【图像】-【模式】-【灰度】，如提示是否合并，选择“Yes”8. 将该单色的亮度图像另存为Windows的BMP文件，点击下拉菜单【文件】-【存储为】，在“存储为”窗口中，为该文件起一个名字，例如test1（保存为test1.bmp）9. 启动Matlab，将当期路径（Current Directory）定位到图像文件夹，例如这里的img文件夹10. 使用imread命令读入该图像，在命令行输入：>> f = imread(test1.bmp);11. 在Matlab中显示该图像，在命令行输入：>> figure, imshow(f)12. 然后，分别使用Matlab图像工具箱中的Edge函数，分别使用Sobel算法，高斯-拉普拉斯（Log）算法和Canny算法得到的边缘图像：在命令行输入：>> g_sobel = edge(f, sobel, 0.05); >> g_log = edge(f, log, 0.003, 2.25); >> g_canny = edge(f, canny, [0.04 0.10], 1.5);13 得到边缘图像计算结果后，显示这些边缘图像： >> figure, imshow(g_sobel) >> figure, imshow(g_log) >> figure, imshow(g_canny)14 可以用不同的图像做对比，后续课程解释算法后，可以变换不同的阈值，得到不同的边缘图像

食品安全快速检测方法一览表

食品安全快速检测方法一览表点击方法名称进入详细说明

19191151食用油中桐油的快速检测溶液变色定性；检出限0.5% 20201161食用油中大麻油的快速检测溶液变色定性；检出限9% 21211171食用油中巴豆油的快速检测溶液变色定性；检出限2.5% 22221181食用油中矿物油的快速检测浊度定性；检出限0.1% 23231191食用油中蓖麻油的快速检测离心变量定性；检出限5% 24241201生熟豆浆的快速检测速测管变色定性 25251202有毒扁豆的快速检测速测管变色定性 26262090变质水产品的快速检测酸度计定性判定 27272090变质肉的快速检测酸度计定性判定 28282172变质牛乳的快速筛查试液反应挂壁定性；判定是否≥18oT 29292178乳品中蛋白质含量的快速检测速测管变色半定量；检出限0.5% 30302179乳品中三聚氰胺的快速检测试剂盒浊度限量检测；限定值2.5mg/kg,L 31312091食品加工用水无机污染物的快速检测测量范围：0～1999μS/cm 3232S304食品加工用水有机污染物的快速检测“滴瓶”标准溶液滴定；检出线0.333mg/L 二.劣质食品与非法添加物快速检测项目 3312013水发水产品中甲醛的快速定性检测比色定性；检出限10mg/L 3422014水发水产品中甲醛的快速半定量检测比色半定量；线性范围0.25～10mg/L(kg) 3532015水发产品中工业碱的快速检测pH试纸或酸度计检测 3642016水发水产品中双氧水的快速检测试纸显色半定量；线性范围：100～1000ppm 3752022二氧化硫的快速检测“滴瓶”法检出限8ppm，比色法50ppm 3862031吊白块甲醛的快速检测速测管比色；线性范围0.25～10mg/L(kg) 3972041苏丹红等油溶性非食用色素的快速检测试纸快速层析定性；苏丹红检出限0.8mg/L 4082042水溶性非食用色素的快速检测脱脂羊毛吸色定性；孔雀石绿检出限10ug/mL

Hough变换实例 很清晰的

数字图像处理第八次作业 实验内容 1、拍摄一张包含硬币、橡皮等物品的照片，通过Hough 变换检测出圆形的硬币个数并区分不同半径的硬币。最终计算出照片中的总钱数。 解：Hough 变换的实质是对图像进行坐标的变换，将图像空间的线条变为参数空间的聚集点，从而将原始图像中检测给定形状的曲线问题，变成寻找参数空间中的峰点的问题。 它不仅可以检测直线，而且可以很方便地检测圆、椭圆和抛物线等形状。由于这里需要检测圆形的硬币，所以下面给出检测圆的具体方法： 因为圆的图像空间方程为：222()()x a y b r -+-=， 我们需要通过Hough 变换，将图像空间(,)x y 对应到参数空间(,,)a b r ，然后对其进行累加完成检测。但是显然这种方法的计算量是非常大的，所以一般都是先对灰度图像进行边缘提取，利用边界像素的灰度梯度信息估计出下式中的角度θ，以此来降低计算量： cos cos a x r b y r θ θ=-*??=-*? (1) 一般在检测过程中需要对图像进行预处理，使得检测更加准确和容易。检测过程如下所示： ○ 1真彩色图像转为灰度图像； ○ 2去除噪声，进行中值滤波； ○ 3转为二值图像，利用边缘算子进行图像边缘提取； ○ 4最后进行图像的平滑和填充。 这里处理的图像并没有太多噪声，所以处理的时候略去了中值滤波的步骤，直接对边缘提取后的图像进行Hough 变换检测圆形。 根据式（1），我们需要对半径r 和角度θ进行搜索，所以这里应该首先设置半径和角度方向的搜索步长step_r 和step_angle ，接着给出半径搜索的最大和最小值，当然这两个数值需要根据经验来自己确定。最后就可以根据这些确定半径和角度的最大搜索次数。

食品快速检测

如何识别“化学豆芽” 豆芽口感松脆，而且嚼起来还很有嚼劲，深受市民喜爱。但在选择时，要注意仔细辨别，当心“化学豆芽”。用化肥或除草剂催发的豆芽生长快、长得好，但须根不发。它不但没有清香脆嫩的口味，而且残存的化肥等在微生物的作用下，还可生成亚硝酸氨，有诱发食道癌和胃癌的危险。因此，建议在选购豆芽时，最好要先抓一把闻闻有没有氨味，再看看有没有须根。如果发现有氨味和无须根的，就不要购买和食用。 (1)色泽鉴别 进行豆芽色泽的感官鉴别时，可取豆芽在散射光线下直接观察。 良质豆芽——颜色洁白，根部显白色或淡褐色，头部显淡黄色，色泽鲜艳而有光泽。 次质豆芽——色泽灰白且不鲜艳。 劣质豆芽——色泽发暗，根部呈棕褐色或黑色，无光泽。 (2)外观鉴别 取豆芽样品在散射光线下观察其外观形态。 良质豆芽——芽身挺直，长短合适，芽脚不软，组织结构脆嫩，无烂根、烂尖现象。 次质豆芽——长短不一，粗细不均，枯萎蔫软。 劣质豆芽——严重枯萎或霉烂。 (3)气味鉴别 进行豆芽气味的感官鉴别时，可取豆芽样品来直接嗅其气味。 良质豆芽——具有豆芽固有的鲜嫩气味，无异味。 次质豆芽——固有的气味淡薄或稍有异味。 劣质豆芽——有腐烂味、酸臭味、农药味、化肥味及其他不良气味。 (4)滋味鉴别 进行豆芽滋味的感官鉴别时，可取样品细细咀嚼，品尝其滋味。 良质豆芽——分别具有本种豆芽固有的滋味。 次质豆芽——豆芽的固有滋味平淡或稍有异味。 劣质豆芽——有苦味、涩味、酸味及其他不良滋味。 如何识别“化学豆芽” (1) 色泽鉴别进行豆芽色泽的感官鉴别时，可取豆芽在散射光线下直接观察。(3)气味鉴别进行豆芽气味 的感官鉴别时，可取豆芽样品来直接嗅其气味。良质豆芽——具有豆芽固有的鲜嫩气味，无异味。(4)滋味鉴别进行豆芽滋味的感官鉴别时，可取样品细细咀嚼，品尝其滋味。良质豆芽——分别具有本种豆芽固有的滋味。次质豆芽——豆芽的固有滋味平淡或稍有异味。 从人体健康的角度看，啤酒还是不含“甲醛”的好。 在发达国家，如美国、德国、日本等，早就停止使用甲醛作稳定剂。比较而言，因行业水平限制，我国在啤酒生产中，无甲醛酿造就晚得多。应该说明的是，啤酒发酵本身，也产生极微量的甲醛，但那是客观存在的，难以避免。我们所讲的是人为添加，这是问题的关键所在。在啤酒酿造过程中使用甲醛，多少都有残留。 为什么中国的啤酒目前还无法摆脱甲醛呢?其中主要的原因还在于啤酒的生产工艺特点。啤酒在生产过程中的多酚物质要经过很长一段时间才能够凝聚，也就是说“储酒”时间要长，通常在储藏100天以后才能出酒，而社会对啤酒的需求量很大，于是加甲醛成了最简便最便宜，

食品快速检测方法评价技术规范

食品快速检测方法评价技术规范 1目的 为保证食品快速检测方法评价工作科学合理、标准统一，特制定本规范。 2适用范围 本规范适用于食品药品监管部门组织开展的食品（含食用农产品）中农兽药残留、非法添加、真菌毒素、食品添加剂、污染物质等定性快速检测方法及相关产品的技术评价。 3评价指标 3.1灵敏度 3.2特异性 3.3假阴性率和假阳性率 3.4与参比方法一致性分析 4评价方法 最低检出水平（检出限）设置对于禁用物质或者无残留限量的物质应小于或者等于参比方法的检出限水平，对于存在国家标准限值规定的物质应小于或等于限值规定。所有参数需要在不同种类或者类型的食品中测定的实际结果进行统计。 4.1灵敏度 灵敏度是指方法在实验条件下达到的实际最低检出水平时，检出阳性结果的阳性样品数占总阳性样品数的百分比，具体计算要求见附表，评价中可描述为该百分比下方法的检出限。 4.2特异性 特异性是指方法在实验条件下达到的实际最低检出水平时，检出阴性结果的阴性样品数占总阴性样品数的百分比，具体计算要求见附表，评价中可描述为方法检出限下不存在干扰的百分比。 4.3假阴性率和假阳性率 假阴性率是指方法在实验条件下达到的实际最低检出水平时，阳性样品中检出阴性结果的最大概率（以百分比计），具体计算要求见附表，计算结果为方法最大假阴性率的结果。 假阳性率是指方法在实验条件下达到的实际最低检出水平时，阴性样品中检出阳性结果的最大概率（以百分比计），具体计算要求见附表，计算结果为方法最大假阳性率的结果。 4.4与参比方法一致性分析 快速检测方法应与方法中规定的参比方法进行一致性比较。与参比方法一致性分析统计