一種基于機器嗅覺的蟹類新鮮度等級檢測方法技術

本發明專利技術提供公開了一種基于機器嗅覺的蟹類新鮮度等級檢測方法，針對不同儲存時期的蟹類樣本分別進行氣味信息的采集和TVB-N的檢測，對獲取的氣味信息進行預處理，該過程包括均值濾波、基線處理和異常數據的剔除，然后選擇能夠有效表征氣味信息的特征，針對多維特征，采用非線性降維的拉普拉斯特征映射算法實現維數的約減，可視化分析的結果與TVB-N檢測結果是相對應的，由此建立蟹類新鮮度等級預測模型，將可視化結果的分類信息作為預測模型的輸出，提取到的有效特征作為輸入，用未知樣本測試訓練好的模型，得出最終的蟹類新鮮度等級結果。本發明專利技術采用一種新興的機器嗅覺技術來檢測蟹類的新鮮度等級，它具有樣本處理簡單、檢測速度快、無損等優點，為水產品市場和人們的日常生活有著巨大的應用價值。

【技術實現步驟摘要】

本專利技術提供了，涉及檢測方法技術 領域。
技術介紹
近些年來，各類食品安全事件日益凸顯和曝光，我國作為水產品生產和消費的大 國，更將水產品的安全問題放在極為重要的位置。對于蟹類水產品來說，新鮮度是消費者 在購買時考量的最大因素，并且螃蟹在垂死或已死的狀態下，由于自身酶的分解和各種細 菌的滋生，會使肉體發生變質從而引起酸臭性發酵，慢慢地揮發出如含氮產物、胺、氨氣、醇 類、含硫產物等具有腐敗性特征的氣體，有時甚至產生組胺等有毒物質，在高溫蒸煮下無法 破壞這種毒素，如食用而引起食物中毒，后果將不堪設想。傳統的蟹類品質檢測方法主要分 為感官檢測和理化檢測，而感官檢測受到主觀性的影響，理化檢測操作比較復雜、檢測時間 比較長以及具有破壞性。 當前對于水產品新鮮度等級檢測方法的介紹已有不少專利提及，但尚未發現針對 蟹類新鮮度等級檢測方法的說明，由于蟹類處于活體檢測狀態下，相對于傳統的魚蝦等水 產品來說，在儲存過程中氣味信息變化較為微弱，那么針對常見的模式識別算法，包括主成 分分析、線性判別分析等，它們無法提取這種微弱的變化信息，降低了檢測的精度。
技術實現思路
1、本專利技術的目的。 本專利技術提供，利用機器嗅覺系統對 蟹類的氣味信息進行無損檢測，獲取到多維的特征數據，以理化指標揮發性鹽基氮作為參 照標準，最終對新鮮度等級進行分類，解決了在蟹類檢測均處在活體狀態下，面對微弱信號 的檢測難以提取有效表征氣味信息的特征的難題。 2、本專利技術所采用的技術方案。： 基于機器嗅覺的蟹類新鮮度等級檢測方法，其特征在于它包括以下幾個步驟： (1)、針對不同儲藏時間的大閘蟹樣本，采用機器嗅覺系統進行氣味信息的采集； 同時，測定每個樣本的揮發性鹽基氮含量，依據揮發性鹽基氮含量對各個大閘蟹樣本的新 鮮度等級進行劃分，作為新鮮度等級的參照標準； (2)、對所述的步驟（1)中所采集到的氣味信息進行相應的預處理，濾除空氣噪聲 和硬件本身引起的干擾，增強采集數據中的有用信號，提高信噪比；另一方面補償傳感器的 漂移，使獲得的采樣數據重復性較高； (3)、對所述的步驟（2)中所獲得的氣味信息接著進行特征選擇和特征提取，從瞬 時信息和穩態信息兩方面來選擇最有效表征氣味信息的特征，另外，采用非線性降維的拉 普拉斯特征映射算法對多維數據矩陣進行降維處理，從而提取到反映原來變量信息的綜合 特征； (4)、采用BP神經網絡建立對大閘蟹新鮮度等級的預測模型，將所述的步驟（3)所 提取的綜合特征作為模型的輸入，根據所述的步驟（3)降維后的可視化結果以及所述步驟 (1)對樣本新鮮度等級的劃分，得到儲存天數的分類信息，將其作為模型的輸出，將訓練好 的模型用來預測未知樣本的新鮮度等級。 所述的步驟（1)中機器嗅覺系統是7個金屬半導體氣敏傳感器以靜態頂空法對氣 味進行米樣。 所述的步驟（1)中按照水產行業標準GB/T5009. 44規定的方法測定每個樣本的揮 發性鹽基氮含量；根據水產行業標準SC3113-2002中對甲殼類水產品的規定，對各個大閘 蟹樣本的新鮮度等級進行劃分。 所述的步驟（2)中對采集到的氣味信息進行相應的預處理，包括均值濾波、基線 處理和異常數據剔除。 所述的步驟（2)中均值濾波的具體步驟為： 用每一個采樣點鄰域范圍內的平均值來代替該點原來的數值，其算子如下所示： 式中，g⑴為第i個采樣點濾波后的數值，f⑴為第i個采樣點原始的數值，N為 采樣點鄰域的一半。 所述的步驟（2)中基線處理的具體步驟為： 前一個樣本在采樣階段開始前將傳感器洗氣到基準值x(0)，經過采樣階段后，在 下一樣本開始采樣前基準值為X' (〇)，那么它們的差值Λ X即為傳感器的漂移，這樣就會 造成穩態值及整個瞬態曲線值的變化，采用差分的基線處理方法如下所示： ys(t) = (xs(t)+δ A)-(xs(〇)+δ A) = xs(t)-xs(0) 式中，ys(t)為經過基線處理過的數據值，xs(t)為未處理的響應數據，由此可以看 出加性噪聲S a就在相減中消除掉；同時，每次采樣的數據曲線都可以看成是從零點出發， 這樣補償了傳感器的漂移。 所述的步驟（2)異常數據剔除等操作的具體步驟為： 實驗操作過程中引入的粗大誤差和傳感器的暫時中毒會造成異常數據的出現，采 用3〇準則對獲得的諸多樣本中的異常數據進行剔除，3 〇準則如下所示： 式中，Xd為第d個數據，?為η個數據的均值，〇為η個數據的標準差；當樣本量 較大時，這時σ相對偏小，那么對于數據的剔除就更為嚴格和準確。 所述的步驟（3)中選擇表征氣味信息的特征中的瞬時信息為二次多項式擬合響 應曲線所得到的常數項、一次項系數和二次項系數3個特征值，穩態信息為穩態響應值。 所述的步驟（3)中特征提取所用到的拉普拉斯特征映射算法的具體步驟為：首先 使用鄰近算法構造近鄰圖，每個樣本點 Xl(i = 1，2，..，η)與其鄰域Γ (i)內的k(預先設 定的值）個點連上邊，在近鄰圖中頂點代表數據，邊代表數據間的相關關系；接著計算權值 矩陣W l j，采用熱核函數來確定數據間的權值大小，如下所示： 最后，通過計算拉普拉斯算子的廣義特征向量來構造特征映射。 所述的步驟（4)中儲存天數的分類信息為：即前三天數據為一類、第四天到第五 天為一類、第六天到第九天為一類，步驟（4)所述的模型的輸入為拉普拉斯特征映射算法 所提取的兩維信息。 所述步驟（1)中的大閘蟹樣本為同屬于一個品種以及同一種狀態下的蟹類產品。 3、專利技術所產生的效果。 (1)本專利技術通過特征選擇和分類結果結合起來的方式選擇特征參數，通過瞬時信 息和穩態信息兩方面從復雜的多維數據中來選擇最有效的特征，反應氣味的濃度信息； (2)通過非線性拉普拉斯特征映射算法能夠敏感的辨識出微弱的氣味變化，提取 氣味信息中線性特征和非線性特征的多維特征進行降維處理，從而形成可視化結果，提高 了對于蟹類新鮮度等級檢測的精確度和檢測速度。 (3)用BP神經網絡建立大閘蟹新鮮度等級的預測模型，用拉普拉斯特征映射所提 取的多維傳感器的特征數據作為BP神經網絡輸入層的節點，將樣本數據所對應的分類類 別作為輸出層節點，具有檢測速度快、識別效果好、無損等優點。 綜上所述，本專利技術通過以上幾個步驟能夠快速精確地檢測蟹類的新鮮度，有效辨 識蟹類新鮮度等級，應用范圍廣，適合產業化。【附圖說明】 圖1本專利技術檢測方法流程圖； 圖2本專利技術實例中響應信號圖； 圖3本專利技術實例中可視化分析對比圖； 圖4本專利技術實例中揮發性鹽基氮結果圖； 圖5本專利技術實例中預測分類圖。【具體實施方式】 下面結合附圖對本專利技術做進一步的闡述，以下的【具體實施方式】便于更好的理解本 專利技術，但并不限定本專利技術。 以陽澄湖大閘蟹的新鮮度等級檢測為例，采用本專利技術提出的一種基于機器嗅覺的 蟹類新鮮度等級檢測方法，其具體的檢測流程圖如圖1所示，具體的步驟流程如下： (1)針對不同儲存時期的大閘蟹樣本，將其放置在溫度4°C左右的冰箱中，每天采 用機器嗅覺系統采集8個平行樣本的氣味信息，氣味檢測持續到第9天，每個樣本的采樣時 間為100s，具體的氣味響應曲線如圖2所示，可以看出針對7個不同的傳感器所組成的傳感 器陣列，它們的響應曲線不盡相同，但都是隨著采樣時間的變化而逐漸增大，為本文檔來自技高網...

【技術保護點】
一種基于機器嗅覺的蟹類新鮮度等級檢測方法，其特征在于它包括以下幾個步驟：(1)、針對不同儲藏時間的大閘蟹樣本，采用機器嗅覺系統進行氣味信息的采集；同時，測定每個樣本的揮發性鹽基氮含量，依據揮發性鹽基氮含量對各個大閘蟹樣本的新鮮度等級進行劃分，作為新鮮度等級的參照標準；(2)、對所述的步驟(1)中所采集到的氣味信息進行相應的預處理，濾除干擾，提高信噪比，另一方面補償傳感器的漂移；(3)、對所述的步驟(2)中所獲得的氣味信息接著進行特征選擇和特征提取，從瞬時信息和穩態信息兩方面來選擇最有效表征氣味信息的特征，另外，采用非線性降維的拉普拉斯特征映射算法對多維數據矩陣進行降維處理，提取到反映原來變量信息的綜合特征；(4)、采用BP神經網絡建立對大閘蟹新鮮度等級的預測模型，將所述的步驟(3)所提取的綜合特征作為模型的輸入，根據所述的步驟(3)降維后的可視化結果以及所述步驟(1)對樣本新鮮度等級的劃分，得到儲存天數的分類信息，將其作為模型的輸出，將訓練好的模型用來預測未知樣本的新鮮度等級。

【技術特征摘要】

【專利技術屬性】
技術研發人員：朱培逸，杜潔，徐本連，魯明麗，史肖肖，陳辰生，顧曉云，
申請(專利權)人：常熟理工學院，
類型：發明
國別省市：江蘇;32