【技術實現步驟摘要】
本專利技術涉及一種圖像識別的，尤其涉及提取圖像特折的，具體為一種基于數據驅動的模型高效訓練方法和系統。
技術介紹
1、隨著人們生活水平的提高和消費觀念的轉變，對食品質量尤其是肉類新鮮度的要求日益增高。肉類食品的新鮮度不僅直接關系到消費者的健康和體驗，也是衡量肉類供應鏈管理水平的重要指標。然而，傳統的肉類新鮮度檢測方法往往依賴于人工感官評定或化學檢測，這些方法存在主觀性強、耗時長、成本高等缺點，難以滿足現代食品工業對高效、準確、無損檢測的需求。
2、數據驅動的人工智能技術在各個領域取得了顯著進展，特別是在圖像處理、光譜分析和機器學習等方面展現出巨大的應用潛力，這些技術為肉類新鮮度的快速、無損檢測提供了新的解決方案，通過將肉類樣本的光譜信息、圖像信息等轉化為數字化數據，并利用先進的機器學習算法進行分析處理，可以實現對羊肉新鮮度的高效、準確判別。
3、因此，有必要對現有技術中的羊肉新鮮度訓練模型進行改進，以解決上述問題。
技術實現思路
1、本專利技術克服了現有技術的不足，提供一種基于數據驅動的模型高效訓練方法和系統，旨在解決現有技術中光照對無損檢測的影響的問題。
2、為達到上述目的，本專利技術采用的技術方案為：一種基于數據驅動的模型高效訓練方法，包括：
3、s1、獲取若干不同新鮮等級的羊肉樣本通過有損檢測測定對應新鮮度的有損檢測標準；
4、s2、獲取自然光照以及不同補光強度下，羊肉樣本的高光譜圖像，通過高光譜圖像提取羊肉新鮮度的
5、s3、基于特征波長構建羊肉新鮮度判別模型；
6、s4、結合有損檢測標準和羊肉新鮮度判別模型，分析光照強度對羊肉新鮮度判別的影響；
7、s5、根據光照強度的影響，調整羊肉新鮮度判別模型。
8、本專利技術一個較佳實施例中，步驟s1中，新鮮等級包括：新鮮、次新鮮和變質；有損檢測方法為揮發性鹽基氮含量測定、微生物檢測和ph值測量的一種。
9、本專利技術一個較佳實施例中，揮發性鹽基氮含量測定的步驟包括：
10、將不同新鮮等級的羊肉樣本分別浸泡在蒸餾水中30-45min；
11、將浸泡后的樣品溶液轉移到蒸餾裝置中，加入適量的氫氧化鈉溶液調節ph至堿性，蒸餾30-45min，以釋放揮發性含氮化合物；
12、將蒸餾出來的氣體通過導管導入硼酸吸收液中，使揮發性含氮化合物被吸收，使用硫酸或鹽酸溶液滴定吸收液，直到溶液顏色從綠色變為紅色；
13、根據滴定消耗的酸量和標準溶液的濃度，計算出樣品中揮發性鹽基氮的含量；其中，是滴定樣品所消耗的酸溶液體積；是空白試驗消耗的標準酸溶液體積；是標準酸溶液的摩爾濃度；是樣品的質量；是氮原子的摩爾質量；
14、得到羊肉樣本的tvb-n含量，作為新鮮度的有損檢測標準。
15、本專利技術一個較佳實施例中，步驟s2中，羊肉樣本的高光譜圖像的獲取和處理步驟：
16、s21、獲取當前環境的自然光照強度；
17、s22、調整補光強度，獲取不同光照強度下的羊肉樣本進行高光譜圖像；
18、s23、對高光譜圖像進行圖像校正，提取光譜數據，選取與羊肉新鮮度顯著相關的特征波長。
19、本專利技術一個較佳實施例中，步驟s23中，圖像校正的步驟包括：
20、通過獲取無樣品時的暗電流圖像和純白色參考板的反射圖像，對樣品圖像進行校正處理，黑白校正，其中，為黑白校正后樣本光譜反射率，為原始樣本反射的光譜強度，為標準校正黑板反射的光譜強度，為標準校正白板反射的光譜強度。
21、對黑白校正后的光譜數據應用?savitzky-golay平滑濾波，減少噪聲，savitzky-golay平滑濾波是一種用于信號處理的技術，主要用于光譜數據的平滑和微分；對于每個數據點，取其周圍的窗口大小個點，通過最小二乘法構造系數矩陣，平滑后的數據點，其中，表示原始數據點，表示系數矩陣中的系數，表示窗口的一半寬度，即在中心點兩側各有個點，為窗口內的索引，從到變化。
22、本專利技術一個較佳實施例中，通過連續投影法提取圖像校正后的光譜特征波長的步驟包括：
23、隨機選擇一個波長作為初始特征波長，對于當前選定的個特征波長的集合，計算第個波長在集合上的投影向量，其中，為所有樣本的光譜數據的矩陣，每一列代表一個樣本的光譜信息，每一行代表一個波長處的光譜強度，表示在波長處的光譜強度向量；
24、計算波長在當前特征波長集合上的殘差，選擇具有最大殘差的波長作為新的特征波長，；
25、將新選出的波長添加到集合中；
26、當特征波長集合的特征選擇不再顯著提升時停止選取。
27、本專利技術一個較佳實施例中，步驟s3中，通過bp人工神經網絡構建羊肉新鮮度判別模型的步驟包括：
28、確定網絡結構，包括輸入層、隱藏層和輸出層的節點數；輸入層節點數等于特征波長的數量，隱藏層節點數設置為輸入層節點數的1-2倍，輸出層節點數為3個節點，對應新鮮度等級的分類；
29、輸入數據經過網絡的隱藏層傳遞到輸出層，前向傳播的公式：，其中，是第層的加權輸入，是第層的權重矩陣，是前一層的激活輸出，是當前層的輸出，是偏置向量，是激活函數；
30、通過反向傳播算法來調整權重和偏置，以最小化損失函數，計算損失函數相對于權重和偏置的梯度，并更新權重和偏置：損失函數，其中，是真實的羊肉新鮮度，是預測輸出的羊肉新鮮度；更新規則：，，其中，是學習率。
31、本專利技術一個較佳實施例中，步驟s4中，量化光照強度對模型預測結果的影響，定義評估公式，其中，表示預測結果的變化量，表示在自然光照條件下的模型預測結果，表示在不同補光強度的光照條件下的模型預測結果；
32、建立光照強度與預測結果之間的關系；其中，是預測結果，是光照強度，是誤差項，是回歸系數。
33、本專利技術一個較佳實施例中，步驟s5中，引入光照校正算法減少光照變化對模型預測的影響；
34、對經過?savitzky-golay平滑后的光譜數據進行多元散射校正，進一步校正基線偏移，減少由于光散射引起的基線偏移，使得不同樣本的光譜數據在基線上更加一致；，其中，是多元散射校正后的光譜，是平滑后的光譜，為平滑后的光譜的截距和斜率函數。
35、本專利技術一個較佳實施例中，步驟s5中，設原始的bp神經網絡模型為：，其中，是權重矩陣，是特征波長，是模型參數，為預測輸出的羊肉新鮮度；修正后的羊肉新鮮度判別模型為。
36、本專利技術解決了
技術介紹
中存在的缺陷，本專利技術具備以下有益效果：
37、（1）本專利技術提供了一種基于數據驅動的模型高效訓練方法和系統，通過結合有損檢測與無損高光譜成像技術，利用揮發性鹽基氮含量測建立羊肉新鮮度的基準數據，并在不同光照條件下采集高光譜圖像以提取特征波長，構建了羊肉新鮮度的判別模型，通過引入光照校正算法，有效減少了光照變化對檢測本文檔來自技高網...
【技術保護點】
1.一種基于數據驅動的模型高效訓練方法，其特征在于，包括步驟：
2.根據權利要求1所述的一種基于數據驅動的模型高效訓練方法，其特征在于：步驟S1中，新鮮等級包括：新鮮、次新鮮和變質；有損檢測方法為揮發性鹽基氮含量測定、微生物檢測和pH值測量的一種。
3.根據權利要求1所述的一種基于數據驅動的模型高效訓練方法，其特征在于：揮發性鹽基氮含量測定的步驟包括：
4.根據權利要求1所述的一種基于數據驅動的模型高效訓練方法，其特征在于：步驟S2中，羊肉樣本的高光譜圖像的獲取和處理步驟：
5.根據權利要求4所述的一種基于數據驅動的模型高效訓練方法，其特征在于：步驟S23中，圖像校正的步驟包括：
6.根據權利要求5所述的一種基于數據驅動的模型高效訓練方法，其特征在于：通過連續投影法提取圖像校正后的光譜特征波長的步驟包括：
7.根據權利要求6所述的一種基于數據驅動的模型高效訓練方法，其特征在于：步驟S3中，通過BP人工神經網絡構建羊肉新鮮度判別模型的步驟包括：
8.根據權利要求7所述的一種基于數據驅動的模型高效訓練
9.根據權利要求7所述的一種基于數據驅動的模型高效訓練方法，其特征在于：步驟S5中，引入光照校正算法減少光照變化對模型預測的影響；
10.一種基于數據驅動的模型高效訓練系統，基于權利要求1-9任一項所述的一種基于數據驅動的模型高效訓練方法的系統，其特征在于：
...【技術特征摘要】
1.一種基于數據驅動的模型高效訓練方法，其特征在于，包括步驟：
2.根據權利要求1所述的一種基于數據驅動的模型高效訓練方法，其特征在于：步驟s1中，新鮮等級包括：新鮮、次新鮮和變質；有損檢測方法為揮發性鹽基氮含量測定、微生物檢測和ph值測量的一種。
3.根據權利要求1所述的一種基于數據驅動的模型高效訓練方法，其特征在于：揮發性鹽基氮含量測定的步驟包括：
4.根據權利要求1所述的一種基于數據驅動的模型高效訓練方法，其特征在于：步驟s2中，羊肉樣本的高光譜圖像的獲取和處理步驟：
5.根據權利要求4所述的一種基于數據驅動的模型高效訓練方法，其特征在于：步驟s23中，圖像校正的步驟包括：
6.根據權利要求5所述的一種基于數據驅動的模型高效訓練方法，其特征在于：通過連續投影法...
【專利技術屬性】
技術研發人員：陳建，
申請(專利權)人：浙江由由科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。