速冻食品因具有新鲜、卫生、营养合理、食用方便等优点,深受人们的喜爱;其中具有“中国特色”的速冻水饺更是深受国内外市场的欢迎,产量迅速增加;然而近年来因金属、石头、玻璃等异物引发的食品安全事件,严重损害了消费者的身心健康,因此,对速冻食品进行异物检测以保证食品安全具有重要意义。针对金属检测机只能检测金属、检测结果无法直观可视的现状,本文使用X射线成像技术和图像处理技术对水饺中的金属钢球、细铁丝、螺钉、石头和玻璃5种异物进行自动检测与分类。主要研究内容包括:(1)分析了X射线成像过程及检测原理,并设计了一种旋转滚轮剔除装置对异物水饺进行剔除;针对原始的X射线水饺图像含有大量噪声和对比度低的问题,使用均值滤波、中值滤波、双边滤波等滤波器,以及对数变换、伽马变换、对比度拉伸变换等方法对原始水饺图像进行去噪和增强处理。根据MSE、PSNR和SSIM值对处理后的图像质量进行评价,最后选择3×3的中值滤波器和对比度拉伸变换作为本文的预处理方法。(2)根据X射线水饺图像的分布特点以及几种常规分割算法无法有效地分割出水饺中异物的缺点,提出一种附加偏移量的最大熵算法与线性递减权重的粒子群算法结合的阈值分割算法:把图像目标区域的熵附加一个偏移函数,将水饺图像的总熵作为粒子群算法的适应度函数来获取图像的最佳分割阈值。实验结果表明,本文算法可以有效地将不同异物从水饺图像中分割出来,且求解速度快。(3)提取图像的LBP、HOG和Gabor纹理特征,使用SVM对异物和无异物水饺图像进行识别;为了进一步提高水饺图像的识别率,提出一种改进的基于LeNet-5卷积神经网络模型(CNN)的异物水饺识别方法:在网络结构的设计中加入批量归一化层和Dropout层,以此来提高网络学习速度,避免网络过度拟合,并采用Softmax线性回归分类器,以ReLu为激活函数、Max-Pooling为下采样方法,对设计的CNN模型进行优化、训练和验证;为了方便后期水饺的二次处理,提取水饺二值图像中异物的圆度、长宽比、偏心率,以及水饺灰度图像中异物最小外接矩形区域的灰度均值、熵、灰度不变矩和LBP等特征作,使用BP神经网络对异物进行分类。(4)开发了一套基于MATLAB的X射线盒装水饺检测系统,实现了水饺图像的处理、分析和异物自动识别的功能。本文将X射线检测技术应用于盒装水饺中的异物检测,能够成功地识别出水饺中的各种异物,这对保障食品安全具有重要的现实意义。