食品供应链可追溯系统模型

1、目录第一章 绪论第二章 基于虹膜识别的肉类供应链可追溯 系统第三章 大型动物虹膜图像预处理算法第四章 大型动物虹膜图像的纹理特征提取 和模式匹配算法第五章 结束语 第一章 绪论 研究背景及意义研究背景及意义 近年来，一系列食品安全事件的发生以及人畜共患传染病的爆发带给人们极大的恐慌，越来越多的企业开始试图降低生产过程中的风险，同时越来越多国家的消费者要求提供产品在食品供应链中的流动情况，并对其进行跟踪和追溯，一些发达国家已经实施了食品安全追溯制度。 我国应用于全程溯源的标签技术只在有限的食品种类中的某些过程得到应用，大型动物食品个体鉴别技术研究才刚刚起步。总的来说，我国的食品溯源技术严重不足，

2、溯源系统还未得到广泛应用，严重影响了食品安全的风险管理和我国食品的国际竞争力。从我国食品链可追溯系统的长期发展来看，研究出与国外接轨的准确、可行、快速、便捷的可追溯关键技术是十分必要的。 本文是“十一五”国家科技支撑计划重大项目“食品安全关键技术”“食品污染溯源技术研究（2006BAK02A16）”和“超市食品安全的质量控制技术研究（2006BAK02A28）”的研究成果。食品污染溯源技术研究课题，以关系国计民生和国际贸易的重要食品种类为研究对象，利用以电子标签为核心的编码技术、虹膜技术、同位素技术、DNA指纹技术等，建立大型动物食品个体鉴别技术、食品产地溯源技术等，构建食品供应链全程污染物溯

3、源技术系统,为完善我国食品溯源系统提供理论和技术支撑。 相关文献综述相关文献综述 肉类食品供应链可追溯系统研究现状 食品供应链可追溯关键技术研究现状 虹膜识别技术研究现状 本文主要研究内容本文主要研究内容 论文的内容安排论文的内容安排 第一部分（第二章）选择以食品链关键技术作为切入点，首先讨论了人眼虹膜识别技术应用于大型动物识别在图像采集、虹膜定位、特征提取三方面存在的技术难点，给出了实现动物虹膜识别的技术路线；最后构建了基于虹膜识别的肉食品可追溯系统，并进行了详细功能划分和流程设计，为虹膜技术在肉食品可追溯系统中的应用实施提供了参考。 第二部分（第三、四章）进行了了大型动物虹膜识别的算法研究

4、与系统实现，以实地采集的大型动物眼睛图片为基础，从虹膜定位、归一化、特征编码及匹配几个方面，进行了动物虹膜识别算法的研究。其中包括图像的预处理、特征提取、二维Gabor滤波器的构造、参数选择、虹膜编码以及Hamming距离的计算等，通过计算机程序实现虹膜图像的识别过程。大型动物虹膜识别算法体系Visual C +6.0 编程实验Matlab6.5 滤波器仿真纹理特征编码模式匹配图像噪声处理虹膜内外边缘定位虹膜分割及归一化图像增强虹膜图像预处理虹膜特征提取和模式匹配人眼虹膜识别理论1-2 论文研究框架图论文研究框架图基于虹膜识别的肉类食品可追溯系统计算机图形学理论第二章 基于虹膜识别的肉类食品供

5、应链可追溯系统 研究食品供应链可追溯系统的两种思路研究食品供应链可追溯系统的两种思路 通过构建可追溯体制机制、法规标准的角度，各个国家通过强制性制度建设，建立健全食品可追溯系统模型；（2）通过对食品可追溯系统中关键技术的研究，加强食品供应链可追溯的宽度、深度和准确度。 食品供应链可追溯关键技术是可追溯系统有效运作的核心所在，主要包括动物个体识别技术、现代信息网络和通讯技术等，其中动物个体标识技术是可追溯关键技术体系的核心所在。目前国内外采用的关键技术大体可分为三类：机械方法（烙铁、纹身等）；电子方法（条形码塑料耳标、电子纽扣式标签、无线射频识别等）；以及生物方法（DNA分型、眼虹膜识别、视网膜

6、识别等）。其中无线射频技术和生物学身份识别技术（如眼虹膜识别和DNA分型）是个体识别的一种新技术，未来发展潜力巨大。 大型动物虹膜识别技术大型动物虹膜识别技术 虹膜识别技术是属于动物识别技术的一种，动物个体识别是肉食品可追溯系统的首要因素，是指利用特定的标签，以某种技术手段与拟识别的动物相对应，并能随时对动物的相关安全信息进行跟踪与管理，发生问题时，可以快速追溯到动物在食品链上经过的各节点以及出生地的一种技术。参照发达国家实施的畜产品追溯系统与技术，综合比较集中畜体标识技术的优劣和发展趋势，采用虹膜识别作为动物个体溯源的关键技术更为准确有效。 人眼虹膜识别系统人眼虹膜识别系统 国外对虹膜识别研

7、究较早，传统的虹膜识别算法有Daugman和Wildes提出的识别算法。 （1）Daugman系统：利用如下微积分算子（Integro-differentialoperator）来定位虹膜： 其中，是标准差为的高斯函数，起平滑滤波作用，I为虹膜图像，表示卷积，除以是为了归一化。整个算子的作用为一个以一定尺度的高斯函数模糊化的圆的边缘检测器，它在三维的参数空间迭代求最优解。检测眼睑时积分路径改为圆弧形，然后用统计方法判断是否有眼睑。特征抽取时采用Gabor滤波器的相位编码算法，利用Gabor滤波器的局部性和方向性对虹膜纹理进行分解编码，依据是Gabor小波具有与人类简单视觉细胞相似的视觉特性，能

8、够很好地分析现实世界中的各种模式. 0000( , ),2( ,)max( )I x yr xyrrr xyGrds 最后提取其相位信息，并将所得到的相位信息量化为二值的虹膜编码，利用归一化的海明距离（Hamming distance）实现虹膜特征匹配。此方法是识别性能最好的方法。 （2）Wildes系统：Wildes系统使用边缘检测与Hough变换相结合的方法定位虹膜，先用二维高斯函数结合拉普拉斯算子来寻找虹膜边缘点，再用Hough变换来得到虹膜参数，也是在三维参数空间求内外圆的参数最优解。由于Hough变化具有一系列优点被认为是高效的匹配滤波器工具，但是由于其计算量与参数空间成指数关系，因

9、此这种方法的计算时间是一个不能忽视的问题，此外，当虹膜被睫毛及眼睑遮挡的时候，这种方法的准确性会显著下降。 特征抽取使用基于纹理分析的方法，提出用高斯型滤波器在不同分辨率下分解虹膜图像，采用拉普拉斯金字塔的多分辨率技术，在不用尺度下计算给定的两个虹膜图像的归一化相关系数，然后使用Fisher分类器进行分类，该方法本质上是一种图像匹配方法，缺点是计算复杂度高。 目前大部分商用的虹膜识别系统都使用Daugman的核心算法，由于设计商业专利等问题，Daugman于算法的细节在公开发表的文献中并没有提及。 大型动物虹膜识别存在的技术难点大型动物虹膜识别存在的技术难点 （1）图像采集问题：与人眼虹膜采集

10、不同，动物很难在采集的过程中保持静止不动，难以进行聚焦，获取的图像质量较差，难以满足识别要求。 虹膜图像采集是识别算法的平台和基础。以牛为代表的大型动物通常比较敏感，尤其是有陌生物品靠近它们时，它们几乎在不停地摆动头部同时转动眼球，获得大量的可用于识别的图像是比较困难的。设计和开发出适合动物的图像采集装置，同时采用合适的质量评价方法，用于排除不满足识别要求的图像，提高识别的准确率，是非常必要的。 （2）牛眼虹膜定位问题：虹膜定位是虹膜图像预处理过程中的重要环节。人眼虹膜定位算法大多是将瞳孔和虹膜看作两个同心圆，利用圆的几何特性来进行定位。与人的瞳孔呈近圆形不同，牛的瞳孔呈类椭圆形，因此，对牛眼

11、虹膜的定位可能主要依靠边缘检测的方法进行。 （3）牛眼纹理特征提取问题：人眼虹膜包含密集的放射状纹理，集中在瞳孔周围，通过对其进行特征提取转换为编码信息，实现唯一身份标识的目的。与人眼虹膜纹理多呈放射状分布在瞳孔附近不同，牛眼虹膜纹理主要集中在虹膜外边缘，需要选用特殊的特征提取编码方法。 大型动物虹膜识别技术实现大型动物虹膜识别技术实现 虹膜图像采集虹膜图像虹膜纹理特征提取虹膜特征编码虹膜特征编码的匹配匹配结果个体虹膜注册个体追溯图像预处理图像平滑处理虹膜定位图像分割及归一化图像增强图图2-3 大型动物虹膜识别技术路线大型动物虹膜识别技术路线 本文所使用的算法本文所使用的算法 按照上面的流程，

12、本文对适合于大型动物虹膜识别的算法进行了详细研究和实现，采用的算法如下： 图像预处理包括图像二值化处理、边缘检测、虹膜定位、虹膜图像归一化。图像二值化阈值变换边缘检测 Sobel算子B样条变换、Hough变换图像归一化极坐标变换图像平滑定位虹膜内外缘中值滤波 经过系统预处理过后的图像，把原图像中部分虹膜区域经过坐标变换，转换成矩形区域，从而便于后期特征提取与特征编码，分别用到图像分块和Daugmn提出的基于2D-Gabor小波变换的虹膜纹理编码算法。在应用虹膜识别系统前，假设已经建立了某一地区的大型动物虹膜库，并且已经输入到数据库中。从而在执行虹膜匹配这一步骤时，通过对当前待识别动物虹膜编码和

13、虹膜库中个体逐个进行Hamming距离计算，得到若干介于0与1之间的比例，利用事先通过试验假定的识别阈值确定当前待识别动物个体是否和虹膜库中某个体匹配。 计算Hamming距离与阈值比较图像分块图像滤波特征编码根据试验精度要求2D Gabor滤波模式匹配匹配不匹配输出个体相关信息提示基于虹膜识别的肉类食品供应链可追溯系统基于虹膜识别的肉类食品供应链可追溯系统 系统的功能划分及其功能描述系统的功能划分及其功能描述 系统详细流程系统详细流程 、第三章 大型动物虹膜图像预处理算法 虹膜图像预处理是对获取的虹膜原始图像数据进行处理加工、去伪存真的过程。一般要进行平滑、虹膜定位、归一化以及归一化后的虹膜

14、图像增强步骤，其中虹膜定位是虹膜预处理算法的基础的关键；归一化处理可以使虹膜图像大小标准化；图像增强可以消除不均匀光照引起的图像光强不均匀分布。 图像平滑处理图像平滑处理 在拍摄的虹膜图像上面，会带有一些噪声，尤其对于在室外进行的大型动物虹膜采集，会在图像上形成大小不一的亮点；图像数字化过程时的量化误差在虹膜图像上产生的噪声；图像经过传输产生的信道误差等。这些噪声会对提取虹膜边界产生不利的影响，为了去除或者降低噪声的干扰，在进行定位前需要对虹膜图像进行处理。本文采用中值滤波的方法进行图像平滑。中值滤波是抑制噪声的非线性处理方法，图像中值滤波后某像素的输出等于该像素邻域中各像素灰度的中值。平滑模

15、板选用高斯模板。 1211/16* 241121 大型动物虹膜定位算法大型动物虹膜定位算法 虹膜内外边界的二值化分割和瞳孔中心位置的确定虹膜内外边界的二值化分割和瞳孔中心位置的确定 采用二值化法的阈值分割技术，即灰度阈值分割法，就是简单的用一个或几个阈值将图像的灰度直方图分成几个类，认为图像中灰度值在同一个灰度类的像素属于同一个物体。由于对牛眼虹膜图像的采集通常在室外进行，通过对大量图片的分析，在虹膜摄取过程中形成光斑是不可避免的，通常情况下，光斑的亮度比虹膜图像的其他部分高。牛眼睛图像的灰度分布，由于光斑区域几乎覆盖住瞳孔，使得瞳孔与虹膜，巩膜与虹膜之间都形成了强烈的灰度对比，边界线的梯度较

16、大，容易找到边界线。我们可以利用较大的阈值来快速有效地将虹膜与其他部分分离。 本文采用模式方法（model method）来确定阈值，即在灰度直方图中检测出第一个明显的谷的位置，利用其对应的灰度值作为阈值进行分割，为了避免直方图上某一点突变造成的影响，通常要求这个局部最大值和局部最小值对应的灰度之间的间隔不小于一个最小值。在图所示的灰度直方图中，第一个峰值对应的是虹膜区域灰度集中位置，因此本文在进行灰度分割的时候阈值应该原则在第一个峰值的右侧的谷底位置。经过反复的实验，对于本文所使用的图片库，阈值选择在125，虹膜区域能够被较好的分割出来，实验结果如图所示。 虹膜图像边缘检测虹膜图像边缘检测

17、取掩模的不同，可以得到不同的算子，有代表性的有：Roberts算子、Sobel算子、Prewitt算子、Robinson算子和Canny算子等。本文在进行边缘检测之前先进行了二值化处理，大大提高了边缘检测的准确性，使用上述算子都能得到较为理想的结果，所以选用更为准确迅速的Sobel算子进行边缘检测。 Sobel算子是一种带方向选择性的梯度算子，灰度变化较大的点出算得的值较高，因此可将这些导数值作为相应点的边界强度，通过设置门限的方法，提取边界的点集。( , ) |xyG i jSS 水平模板，对水平边缘响应最大；垂直模板，对垂直边缘响应最大。图像中的每个点（除了模板罩不住的点）都用这两个模板做

18、卷积，两个模板卷积的最大值作为该点的输出值，其运算结果是一幅边缘幅度图像。本文在Sobel算子的基础上利用衰减因子进行了改进,细化了图像边缘。 基于二次均匀基于二次均匀B B样条曲线的虹膜内边界拟合样条曲线的虹膜内边界拟合 图形学中，使用分段多项式差值来得到平滑曲线的这种曲线标识方法是十分普遍的，B样条曲线拟合问题是指给定一组数据点，要求寻找一条B样条曲线逼近或者是通过这些数据点。B样条插值曲线的形状不仅取决于给定的数据点，而且还受到曲线次数、数据点的参数化和节点向量的影响 。 基于基于HoughHough变换的虹膜外边界定位变换的虹膜外边界定位 Hough变换是利用图像的全局特性而将边缘像素

19、连接起来组成区域封闭边界的一种方法。在预先知道区域形状的条件下，利用Hough变换可以方便地得到边界曲线，将不连续的边缘像素点连接起来。Hough变换是将空间域的每个轮廓点代入参数方程，把对图像的检测问题转化为参数空间的累计技术问题，若投票数超过某一门限，则认为有足够多的图像点位于该参数点所决定的曲线上。 如图所示，由实验结果可以看出，用二次B样条定位内边界和用Hough变换定义内边界均能取得较好的效果，但是当瞳孔内光斑较大或者瞳孔周围小光斑较多的情况下，B样条拟合就会出现不准确、速度慢等缺点，考虑到以上因素，本文最终选用Hough变换定义内边界的方法，Hough定位虹膜内边界的方法，使下面的

20、归一化处理更加方便易行。 虹膜图像分割及归一化虹膜图像分割及归一化 从图中我们发现：如果我们使用上述定位算法进行定位，因为包括牛眼在内的许多动物眼睛，都不是正圆形，在定位时会包括一定的错误区域。但由于虹膜具有复杂的结构，有很多不同的生物特征，在理论上只要有65%的虹膜存在就足够用来做虹膜识别了，在人眼虹膜定位时，由于眼皮和睫毛的遮挡，常常直接去除那些可能被上下眼皮和睫毛覆盖的区域，这样不会影响到识别的结果。本文也采取了这一方法，直接把虹膜区域的上下部分去掉，具体方法如下：假设虹膜的内外半径和，在左眼角，我们提取出来的虹膜区域为： 3544iorrr44iorrr 虹膜图像归一化虹膜图像归一化

21、虹膜图像归一化的目的是将原始虹膜图像中感兴趣的区域(Region of Interesting, ROI)映射到相同的尺存和具有相同对应关系的区域中，从而消除平移，缩放和旋转对于虹膜识别的影响，也方便生成统一长度的特征编码。 ,I x ry rI r 虹膜图像最终归一化形成尺寸为64*256的矩形虹膜图像。 图像增强图像增强 直方图均衡化是用一个灰度变换函数对输入直方图作修正，使修正后的图像直方图趋于均匀，增大图像灰度级的动态范围，以达到增强图像对比度的目的。 第四章 大型动物虹膜图像的纹理特征提取和模式匹配 虹膜表面呈现高低不平的放射状排列、互相交错的皱壁，构成多数的隐沟。结构上的高低变化，

22、形成虹膜特有的纹理。虹膜纹理可提供的信息量大，具有高度的随机性、稳定性和不变性，其丰富的特征参量较指纹有过之而无不及，因而在应用于识别的时候可靠性高。为了比较不同的虹膜，就要提取虹膜纹理的特征向量，如何在已经获得的归一化和图像增强之后的虹膜图像的基础上，高效的描述虹膜的纹理，抽取有效的特征，是基于虹膜的身份识别系统的关键部分。 跟人眼相同，牛眼虹膜也具有丰富的纹理特征，只不过纹理特征集中在虹膜外边缘内侧，形状不规则。Gabor滤波器由于可以同时在时域和频域获得最佳的分辨率，具有很好的方向选择性和频率选择性等特点，在图像纹理分析中已获得了成功的应用。综上原因，本文选择了使用Gabor滤波的方法来

23、提取牛眼虹膜纹理特征，在Daugman编码思想的基础上，对上面定位好的牛眼虹膜图像进行了子块分割，对每一个子块使用49个Gabor滤波器进行滤波，提取虹膜特征并采取适当的特征记录方法，以此构成虹膜编码，最后进行了模式匹配。基于基于2D-Gabor2D-Gabor小波的牛眼虹膜纹理提取小波的牛眼虹膜纹理提取 2D-Gabor 2D-Gabor 函数函数 2222000000( , )exp()() exp 2()()G x yxxyyi uxxvyy 从图中可以明显看出Gabor滤波器的方向和频率选择性，通过调整一系列参数 ，可以获得不同特性的滤波器，它们具有不同的空间局部化特征，如方向选择性和

24、频率选择性。 0000(,;,; ,)xy u v DaugmanDaugman的传统编码方法的传统编码方法 Daugman采用了Gabor变换的极坐标形式对虹膜图像进行编码。Gabor变换的极坐标形式如式。 Daugman算法采用了他用了1024个这样的小波，每一个小波就是一些具有特定大小、位置参数的简单的复2DGabor函数。 这样，在系统中依靠一个Gabor滤波族，作为一种局部纹理的粗量化器，形成（ ，），每个图像块的编码用实部+虚部，用2位表示。得到了2048位的编码。这样的编码方式得到的结果很紧凑，在Daugman的文献中说适合实际应用，效果良好。但是对算法的具体实现和参数选择Dau

25、gman并没有说明。 2222000,exp*exp/*exp/Gjr RehImh 基于子块纹理分析的基于子块纹理分析的GaborGabor滤波器方法滤波器方法 在本实验中，将归一化后的的虹膜划分为256个子块(如图所示)，每个子块大小为，通过49组Gabor进行滤波。 Gabor滤波器共有6个参数 ，这些参数相互制约，相互影响，在构造Gabor滤波器的时候。，参数的选择很重要，直接影响到识别的结果。0000(,;,; ,)xy u v 决定着Gabor的定位位置。为了精确的获得虹膜图像的各个部分的纹理信息，位置参数应该选择密集一些的，但是过于密集会有信息冗余，影响系统的计算速度，过于稀疏又

26、难以将图像的纹理特征准确的提取。本实验中将虹膜图像的有效区域划分为256个子块，每个子块的中心点即Gabor滤波器的定位中心，因此共有256组取值。我们用Gabor滤波器在图像上是按照从上到下，从左到右的顺序遍历整幅图像的。00,xy Gabor的尺度参数在滤波器的构造中扮演着很重要的作用，目前公开的文献中对于滤波器参数的选择都没有给出，由于图像的性质尺寸对尺度参数的选择也有很大的影响，我们只能通过大量的实验确定最佳参数。下图是取不同方向和频率的Gabor滤波器实部的波形。 最后，得到的虹膜代码长度=（滤波器编号+实虚部）图像高图像宽/子图像的大小= 6265 256/8 82048 基于基于

27、HAMMINGHAMMING距离的模式匹配距离的模式匹配 Hammin距离是通过统计两个模板上对应位编码不同的个数占总模板位数的比例作为这两个模板之间的距离，距离越小表明两模板越匹配。本文采用的便是基于比较两虹膜编码的海明距离来实现模式匹配，该方法简单易用，计算量小，足以满足虹膜识别的匹配要求。 设虹膜代码长为L，虹膜编码A和B归一化的海明距为：识别结果与分析识别结果与分析 11LiiiHDABL 实验所用图像由上海通大学研制的非接触式虹膜采集设备得到，图片为分辨率为320240的8位灰度图，实验在CPU为AMD3200+ 的计算机上进行，使用Visual C +6.0对文中所用算法编程实现。

28、 本实验进行了35幅牛眼虹膜图像的小样本实验，这35幅均是在一天中同一时刻不同的采集者，每幅图像都是8位的灰度图像，以下是对图像预处理后的虹膜纹理图像进行特征提取的结果。用上面的算法对对35个样本编码后得到一组2048bit的虹膜编码，计算同一采集者在不同时刻 虹膜编码的Hamming距离不同采集者 ,之间虹膜编码Hamming距离。 , , , ,A B C D E1,2,3,.,7NNNN 可以看出，同一个体不同时刻采集的图像之间的Hamming距离相比较小，而不同个体之间虹膜图像的Hamming距离大都要大于两个相同虹膜编码的HD，相同虹膜编码的HD在（0，0.1752930）范围内，其

29、均值约为（0.113721），其中有几个值为0.1752930，误差较大导致错误的原因可能有：图像采集时外界噪声的影响，图像预处理中阈值的取值；不同个体之间的HD在（0.1650391，0.2319336）之间，平均值为0.204032。 在本实验中，将识别阈值设为0.15。此时识别率为93%。由于对大型动物的虹膜采集比较困难，本实验仅采用了小样本实验，7个个体，每个个体分别有不同时刻的5张图片，本系统的开发和还处在实验的初级阶段。第五章第五章 结束语结束语 大型动物虹膜识别技术作为一种前沿性的食品溯源关键技术，初始使用可能存在成本过高等问题，但是随着研究的深入和设备的完善，将越来越显现出其高

30、效、稳定、精确的优势，在食品安全领域发挥着更为重要的作用。 （1）了解了食品可追溯系统和大型动物虹膜识别技术的背景和现阶段国内外的发展状况。 （2）对大型饲养动物虹膜识别的实现进行了研究，采用虹膜识别作为大型动物个体鉴别的关键技术，构建了肉类食品可追溯源信息系统，系统采用虹膜编码与分割批号、加工批号相结合转化成电子编码储存于电子标签中的方式，实现活体与分割肉的信息衔接。从具体技术实现和整体系统构建两个角度，对肉食品安全追溯进行了详细研究。 （3）在人眼虹膜识别的基础上，着重研究和掌握了大型动物虹膜识别系统的核心算法，对其进行了具体实现，其中包括图像的预处理、特征提取、二维Gabor滤波器的构造、参数选择、虹膜编码以及Hamming距离的计算等，通过计算机程序实现虹膜图像的识别过程。 (4)在对大量牛眼图像几何特征进行分析的基础上，提出了一种动物虹膜定位算法。该算法第一步先