【技術實現步驟摘要】
本專利技術涉及食品安全行業水產品的品質檢測，人工智能行業生物特征識別軟件等領域，尤其涉及一種基于紅外和感官數據融合的魚片新鮮度的預測方法、預測模型訓練方法、計算機裝置。
技術介紹
1、在食品行業，確保食品新鮮度和安全性是一個至關重要的挑戰。特別是在魚類產品的檢測中，現有的技術方法各有其局限性。傳統的預測方法，如化學分析和微生物檢測，通常需要對樣品進行破壞、操作復雜且耗時，且很難提供實時結果。感官評估雖然能直接反映魚片的感官特性，但由于評估體系不完善和變化難以精確識別，導致其準確性受限。因此，市場上對快速、無損的檢測技術需求日益增長。
2、隨著消費者對食品安全性和新鮮度的關注日益增加，市場迫切需要一種快速、便捷且無損的檢測技術，尤其是能夠反映感官變化的預測方法。然而，目前的預測方法，如化學分析和微生物檢測，多為實驗室分析，難以應用于供應鏈中的現場快速檢測。此外，現有的紅外光譜技術雖然能夠提供分子和化學鍵層面的信息，但存在數據維度高、共線性強及信息冗余等問題，導致單一技術無法全面捕捉食品新鮮度的變化。而感官評估雖然與消費者的真實感受緊密相關，但其評價體系不夠完善，難以精確識別食品儲存過程中的細微變化，影響了其預測準確性。
技術實現思路
1、一、要解決的技術問題
2、本專利技術期望能夠至少部分解決上述技術問題中的其中之一。
3、二、技術方案
4、本專利技術第一方面提供了一種基于紅外和感官數據融合的魚片新鮮度預測方法。該魚片新鮮度的預測方法包
5、步驟a，獲得實測魚片的紅外光譜數據；
6、步驟b，獲得實測魚片的感官數據；
7、步驟c，對紅外光譜數據進行數據預處理和特征篩選，得到紅外光譜特征向量；
8、步驟d，對感官數據進行數據預處理和特征篩選，得到感官特征向量；
9、步驟e，將紅外光譜特征向量和感官特征向量進行數據融合，得到特征融合向量；
10、步驟f，將特征融合向量輸入訓練完成的魚片新鮮度預測模型，得到實測魚片的新鮮度預測數據。
11、本專利技術第二方面提供了一種魚片新鮮度的預測模型訓練方法。該預測模型訓練方法包括：
12、步驟s10，獲得訓練樣本集，包括，
13、子步驟11，對n個訓練魚片中的每一個訓練魚片：步驟a'，獲得訓練魚片的紅外光譜數據；步驟b'，獲得訓練魚片的感官數據；步驟c'，對紅外光譜數據進行數據預處理，得到紅外光譜向量；步驟d'，對所述感官數據進行數據預處理，得到感官特征向量；
14、子步驟12，n個訓練魚片的訓練樣本構成訓練樣本集；
15、該子步驟具體包括：n個訓練魚片的紅外光譜向量合并成紅外矩陣，在該紅外矩陣中進行特征篩選，得到特征篩選后的紅外矩陣；n個訓練魚片的感官特征向量組成感官矩陣，在該感官矩陣中進行特征篩選，得到特征篩選后的感官矩陣；合并特征篩選后的紅外矩陣和感官矩陣，得到訓練樣本集；
16、步驟s20，構建魚片新鮮度預測模型；
17、步驟s30，利用訓練樣本集中的訓練樣本對魚片新鮮度預測模型進行訓練，得到訓練魚片的新鮮度數據預測值，通過mse、rmse以及r?square綜合評價魚片新鮮度預測模型，優化模型性能。
18、本專利技術第三方面提供了一種可讀存儲介質，其上存儲有計算機程序，該計算機程序被處理器執行時實現：如上的魚片新鮮度檢測方法；或，如上的魚片新鮮度預測模型訓練方法。
19、本專利技術第四方面提供了一種計算機裝置，包括：存儲器；處理器；及存儲在存儲器上的計算機程序；其中，所述處理器執行所述計算機程序以實現：如上的魚片新鮮度預測方法；或，如上的魚片新鮮度預測模型訓練方法。
20、三、有益效果
21、從上述技術方案可知，本專利技術相對于現有技術至少具有以下有益效果之一：
22、1.紅外與感官部分的數據融合
23、紅外優勢及局限性：紅外光譜檢測能夠快速無損的提取分子層面的信息，具有強大的信息提取能力，客觀反映樣品的物理狀態。但目前專利及現有文獻中大多使用大型紅外儀器，不具有便攜性。而現有便攜手持紅外儀的數據穩定性和分辨率有限，限制了其在檢測中的應用。與此同時，由于紅外光譜數據具有高度共線性，傳統統計學分析適用性有限。
24、感官優勢及局限性：由于人眼對，紋理、細節感知的有限性以及主觀性，感官評價法仍然有提升空間。這種局限性通過數據融合進行了提升。
25、本專利技術通過紅外與感官評價的融合，展現了信息的強互補性，涵蓋了宏觀和微觀、主觀感受與客觀評價等多維信息，顯著增強了模型的魯棒性和整體性能。這種信息的多元融合，是本專利技術的顯著優勢。
26、2.采用手持式紅外光譜儀
27、但是此類技術使用的為大型紅外光譜儀，不具有便攜性，難以適應現場檢測的需求。而手持紅外光譜雖便攜，但是靈敏度較低，光譜分辨率較低，信噪比較高，容易受到外界因素干擾(如溫度，手持時晃動等)，難以支撐新鮮度預測需求。
28、本專利技術采用手持式紅外光譜儀，同時創新性引入感官維度，極大地彌補了手持設備的局限性，提供了額外的輔助信息，即使紅外數據模糊，仍能保證較高的準確率。同時，本專利技術還有效規避了由于評價員主觀因素引發的感官評價偏差，滿足快速、穩健、無損的檢測需求。
29、3.感官指標適應性改進：
30、傳統海產品感官評價法(歐盟quality?index?method等)基于魚眼、魚鰓、魚表皮皺縮程度等完整魚類存在的特征，而針對魚片這類非完整魚類這種評價不完全適用。
31、傳統的魚類新鮮度檢測中，采用魚眼凹陷，魚鰓顏色等整魚形態相關指標等指標無法適應市場上大量存在的刺身、魚片等非完整魚類產品檢測需求。
32、本專利技術開創并驗證了一套針對非完整魚類產品的新鮮度感官評價指南，包含氣味、魚皮光澤度、黏液層外觀、肌肉邊界、紅肌顏色、紅肌邊緣、白肌顏色、肌肉透明度、裂隙、硬度10個維度。這個評價體系彌補了非完整魚類產品的評價標準空缺。由于人眼對，紋理、細節感知的有限性以及主觀性，感官評價法仍然有提升空間。這種局限性通過與紅外數據的融合進行了提升。
33、4.數據融合、歸一化
34、化學和微生物分析通常需要破壞樣品且操作復雜，而光譜分析雖然信息豐富，但數據冗余和共線性問題影響了準確性。感官評估主觀性強且體系可能不完善。
35、本專利技術利用多模態數據融合，提高了檢測的精確性和魯棒性，實現了高效、無損的食品新鮮度檢測，彌補了手持式紅外光譜儀精度較低的缺陷，滿足了現場抽檢的精度要求。同時，本專利技術整合了紅外光譜的分子層面信息和感官評估的實際體驗，優化了模型性能，滿足了快速檢測的需求。
36、5.采用隨機森林模型進行預測
37、本專利技術中，采用隨機森林模型，通過構建多個決策樹并對其結果進行平均或投票來提高預測精度。模型通過自助采樣和隨機特征選擇，本文檔來自技高網...
【技術保護點】
1.一種基于紅外和感官數據融合的魚片新鮮度的預測方法，其特征在于，包括：
2.根據權利要求1所述的魚片新鮮度預測方法，其特征在于，所述步驟A中，
3.根據權利要求1所述的魚片新鮮度預測方法，其特征在于，所述步驟B中，所述感官數據為接收現場檢測人員輸入得到，其表現為實測魚片的各個感官指標評分，其中，所述感官數據包括：
4.根據權利要求3所述的魚片新鮮度預測方法，其特征在于，所述步驟B中：
5.根據權利要求1所述的魚片新鮮度預測方法，其特征在于，所述步驟C包括：
6.根據權利要求5所述的魚片新鮮度預測方法，其特征在于，所述步驟D包括：
7.根據權利要求6所述的魚片新鮮度預測方法，其特征在于，
8.一種魚片新鮮度的預測模型訓練方法，其特征在于，包括：
9.根據權利要求8所述的魚片新鮮度預測模型訓練方法，其特征在于，
10.一種計算機裝置，其特征在于，包括：
【技術特征摘要】
1.一種基于紅外和感官數據融合的魚片新鮮度的預測方法，其特征在于，包括：
2.根據權利要求1所述的魚片新鮮度預測方法，其特征在于，所述步驟a中，
3.根據權利要求1所述的魚片新鮮度預測方法，其特征在于，所述步驟b中，所述感官數據為接收現場檢測人員輸入得到，其表現為實測魚片的各個感官指標評分，其中，所述感官數據包括：
4.根據權利要求3所述的魚片新鮮度預測方法，其特征在于，所述步驟b中：
<...
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。