一種基于機(jī)器嗅覺的蟹類新鮮度等級(jí)檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明提供了一種基于機(jī)器嗅覺的蟹類新鮮度等級(jí)檢測(cè)方法，涉及檢測(cè)方法技術(shù) 領(lǐng)域。
【背景技術(shù)】
[0002] 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(chǎn)品生產(chǎn)和消費(fèi)的大 國，更將水產(chǎn)品的安全問題放在極為重要的位置。對(duì)于蟹類水產(chǎn)品來說，新鮮度是消費(fèi)者 在購買時(shí)考量的最大因素，并且螃蟹在垂死或已死的狀態(tài)下，由于自身酶的分解和各種細(xì) 菌的滋生，會(huì)使肉體發(fā)生變質(zhì)從而引起酸臭性發(fā)酵，慢慢地?fù)]發(fā)出如含氮產(chǎn)物、胺、氨氣、醇 類、含硫產(chǎn)物等具有腐敗性特征的氣體，有時(shí)甚至產(chǎn)生組胺等有毒物質(zhì)，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(shè)想。傳統(tǒng)的蟹類品質(zhì)檢測(cè)方法主要分 為感官檢測(cè)和理化檢測(cè)，而感官檢測(cè)受到主觀性的影響，理化檢測(cè)操作比較復(fù)雜、檢測(cè)時(shí)間 比較長(zhǎng)以及具有破壞性。
[0003] 當(dāng)前對(duì)于水產(chǎn)品新鮮度等級(jí)檢測(cè)方法的介紹已有不少專利提及，但尚未發(fā)現(xiàn)針對(duì) 蟹類新鮮度等級(jí)檢測(cè)方法的說明，由于蟹類處于活體檢測(cè)狀態(tài)下，相對(duì)于傳統(tǒng)的魚蝦等水 產(chǎn)品來說，在儲(chǔ)存過程中氣味信息變化較為微弱，那么針對(duì)常見的模式識(shí)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(cè)的精度。

【發(fā)明內(nèi)容】

[0004] 1、本發(fā)明的目的。
[0005] 本發(fā)明提供一種基于機(jī)器嗅覺的蟹類新鮮度等級(jí)檢測(cè)方法，利用機(jī)器嗅覺系統(tǒng)對(duì) 蟹類的氣味信息進(jìn)行無損檢測(cè)，獲取到多維的特征數(shù)據(jù)，以理化指標(biāo)揮發(fā)性鹽基氮作為參 照標(biāo)準(zhǔn)，最終對(duì)新鮮度等級(jí)進(jìn)行分類，解決了在蟹類檢測(cè)均處在活體狀態(tài)下，面對(duì)微弱信號(hào) 的檢測(cè)難以提取有效表征氣味信息的特征的難題。
[0006] 2、本發(fā)明所采用的技術(shù)方案。：
[0007] 基于機(jī)器嗅覺的蟹類新鮮度等級(jí)檢測(cè)方法，其特征在于它包括以下幾個(gè)步驟：
[0008] (1)、針對(duì)不同儲(chǔ)藏時(shí)間的大閘蟹樣本，采用機(jī)器嗅覺系統(tǒng)進(jìn)行氣味信息的采集； 同時(shí)，測(cè)定每個(gè)樣本的揮發(fā)性鹽基氮含量，依據(jù)揮發(fā)性鹽基氮含量對(duì)各個(gè)大閘蟹樣本的新 鮮度等級(jí)進(jìn)行劃分，作為新鮮度等級(jí)的參照標(biāo)準(zhǔn)；
[0009] (2)、對(duì)所述的步驟（1)中所采集到的氣味信息進(jìn)行相應(yīng)的預(yù)處理，濾除空氣噪聲 和硬件本身引起的干擾，增強(qiáng)采集數(shù)據(jù)中的有用信號(hào)，提高信噪比；另一方面補(bǔ)償傳感器的 漂移，使獲得的采樣數(shù)據(jù)重復(fù)性較高；
[0010] (3)、對(duì)所述的步驟（2)中所獲得的氣味信息接著進(jìn)行特征選擇和特征提取，從瞬 時(shí)信息和穩(wěn)態(tài)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(duì)多維數(shù)據(jù)矩陣進(jìn)行降維處理，從而提取到反映原來變量信息的綜合 特征；
[0011] (4)、采用BP神經(jīng)網(wǎng)絡(luò)建立對(duì)大閘蟹新鮮度等級(jí)的預(yù)測(cè)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(jù)所述的步驟（3)降維后的可視化結(jié)果以及所述步驟 (1)對(duì)樣本新鮮度等級(jí)的劃分，得到儲(chǔ)存天數(shù)的分類信息，將其作為模型的輸出，將訓(xùn)練好 的模型用來預(yù)測(cè)未知樣本的新鮮度等級(jí)。
[0012] 所述的步驟（1)中機(jī)器嗅覺系統(tǒng)是7個(gè)金屬半導(dǎo)體氣敏傳感器以靜態(tài)頂空法對(duì)氣 味進(jìn)行米樣。
[0013] 所述的步驟（1)中按照水產(chǎn)行業(yè)標(biāo)準(zhǔn)GB/T5009. 44規(guī)定的方法測(cè)定每個(gè)樣本的揮 發(fā)性鹽基氮含量；根據(jù)水產(chǎn)行業(yè)標(biāo)準(zhǔn)SC3113-2002中對(duì)甲殼類水產(chǎn)品的規(guī)定，對(duì)各個(gè)大閘 蟹樣本的新鮮度等級(jí)進(jìn)行劃分。
[0014] 所述的步驟（2)中對(duì)采集到的氣味信息進(jìn)行相應(yīng)的預(yù)處理，包括均值濾波、基線 處理和異常數(shù)據(jù)剔除。
[0015] 所述的步驟（2)中均值濾波的具體步驟為：
[0016] 用每一個(gè)采樣點(diǎn)鄰域范圍內(nèi)的平均值來代替該點(diǎn)原來的數(shù)值，其算子如下所示：
[0018] 式中，g⑴為第i個(gè)采樣點(diǎn)濾波后的數(shù)值，f⑴為第i個(gè)采樣點(diǎn)原始的數(shù)值，N為 采樣點(diǎn)鄰域的一半。
[0019] 所述的步驟（2)中基線處理的具體步驟為：
[0020] 前一個(gè)樣本在采樣階段開始前將傳感器洗氣到基準(zhǔn)值x(0)，經(jīng)過采樣階段后，在 下一樣本開始采樣前基準(zhǔn)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(huì) 造成穩(wěn)態(tài)值及整個(gè)瞬態(tài)曲線值的變化，采用差分的基線處理方法如下所示：
[0021] ys(t) = (xs(t)+δ A)-(xs(〇)+δ A) = xs(t)-xs(0)
[0022] 式中，ys(t)為經(jīng)過基線處理過的數(shù)據(jù)值，xs(t)為未處理的響應(yīng)數(shù)據(jù)，由此可以看 出加性噪聲S a就在相減中消除掉；同時(shí)，每次采樣的數(shù)據(jù)曲線都可以看成是從零點(diǎn)出發(fā)， 這樣補(bǔ)償了傳感器的漂移。
[0023] 所述的步驟（2)異常數(shù)據(jù)剔除等操作的具體步驟為：
[0024] 實(shí)驗(yàn)操作過程中引入的粗大誤差和傳感器的暫時(shí)中毒會(huì)造成異常數(shù)據(jù)的出現(xiàn)，采 用3〇準(zhǔn)則對(duì)獲得的諸多樣本中的異常數(shù)據(jù)進(jìn)行剔除，3 〇準(zhǔn)則如下所示：
[0026] 式中，Xd為第d個(gè)數(shù)據(jù)，?為η個(gè)數(shù)據(jù)的均值，〇為η個(gè)數(shù)據(jù)的標(biāo)準(zhǔn)差；當(dāng)樣本量 較大時(shí)，這時(shí)σ相對(duì)偏小，那么對(duì)于數(shù)據(jù)的剔除就更為嚴(yán)格和準(zhǔn)確。
[0027] 所述的步驟（3)中選擇表征氣味信息的特征中的瞬時(shí)信息為二次多項(xiàng)式擬合響 應(yīng)曲線所得到的常數(shù)項(xiàng)、一次項(xiàng)系數(shù)和二次項(xiàng)系數(shù)3個(gè)特征值，穩(wěn)態(tài)信息為穩(wěn)態(tài)響應(yīng)值。
[0028] 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(gòu)造近鄰圖，每個(gè)樣本點(diǎn) Xl(i = 1，2，..，η)與其鄰域Γ (i)內(nèi)的k(預(yù)先設(shè) 定的值）個(gè)點(diǎn)連上邊，在近鄰圖中頂點(diǎn)代表數(shù)據(jù)，邊代表數(shù)據(jù)間的相關(guān)關(guān)系；接著計(jì)算權(quán)值 矩陣W l j，采用熱核函數(shù)來確定數(shù)據(jù)間的權(quán)值大小，如下所示：
[0030] 最后，通過計(jì)算拉普拉斯算子的廣義特征向量來構(gòu)造特征映射。
[0031] 所述的步驟（4)中儲(chǔ)存天數(shù)的分類信息為：即前三天數(shù)據(jù)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。
[0032] 所述步驟（1)中的大閘蟹樣本為同屬于一個(gè)品種以及同一種狀態(tài)下的蟹類產(chǎn)品。
[0033] 3、發(fā)明所產(chǎn)生的效果。
[0034] (1)本發(fā)明通過特征選擇和分類結(jié)果結(jié)合起來的方式選擇特征參數(shù)，通過瞬時(shí)信 息和穩(wěn)態(tài)信息兩方面從復(fù)雜的多維數(shù)據(jù)中來選擇最有效的特征，反應(yīng)氣味的濃度信息；
[0035] (2)通過非線性拉普拉斯特征映射算法能夠敏感的辨識(shí)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(jìn)行降維處理，從而形成可視化結(jié)果，提高 了對(duì)于蟹類新鮮度等級(jí)檢測(cè)的精確度和檢測(cè)速度。
[0036] (3)用BP神經(jīng)網(wǎng)絡(luò)建立大閘蟹新鮮度等級(jí)的預(yù)測(cè)模型，用拉普拉斯特征映射所提 取的多維傳感器的特征數(shù)據(jù)作為BP神經(jīng)網(wǎng)絡(luò)輸入層的節(jié)點(diǎn)，將樣本數(shù)據(jù)所對(duì)應(yīng)的分類類 別作為輸出層節(jié)點(diǎn)，具有檢測(cè)速度快、識(shí)別效果好、無損等優(yōu)點(diǎn)。
[0037] 綜上所述，本發(fā)明通過以上幾個(gè)步驟能夠快速精確地檢測(cè)蟹類的新鮮度，有效辨 識(shí)蟹類新鮮度等級(jí)，應(yīng)用范圍廣，適合產(chǎn)業(yè)化。
【附圖說明】
[0038] 圖1本發(fā)明檢測(cè)方法流程圖；
[0039] 圖2本發(fā)明實(shí)例中響應(yīng)信號(hào)圖；
[0040] 圖3本發(fā)明實(shí)例中可視化分析對(duì)比圖；
[0041] 圖4本發(fā)明實(shí)例中揮發(fā)性鹽基氮結(jié)果圖；
[0042] 圖5本發(fā)明實(shí)例中預(yù)測(cè)分類圖。
【具體實(shí)施方式】
[0043] 下面結(jié)合附圖對(duì)本發(fā)明做進(jìn)一步的闡述，以下的【具體實(shí)施方式】便于更好的理解本 發(fā)明，但并不限定本發(fā)明。
[0044] 以陽澄湖大閘蟹的新鮮度等級(jí)檢測(cè)為例，采用本發(fā)明提出的一種基于機(jī)器嗅覺的 蟹類新鮮度等級(jí)檢測(cè)方法，其具體的檢測(cè)流程圖如圖1所示，具體的步驟流程如下：
[0045] (1)針對(duì)不同儲(chǔ)存時(shí)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(jī)器嗅覺系統(tǒng)采集8個(gè)平行樣本的氣味信息，氣味檢測(cè)持續(xù)到第9天，每個(gè)樣本的采樣時(shí) 間為100s，具體的氣味響應(yīng)曲線如圖2所示，可以看出針對(duì)7個(gè)不同的傳感器所組成的傳感 器陣列，它們的響應(yīng)曲線不盡相同，但都是隨著采樣時(shí)間的變化而逐漸增大，為后續(xù)的分類 提供必要的信息，同時(shí)也將按照水產(chǎn)行業(yè)標(biāo)準(zhǔn)GB/T5009. 44規(guī)定的方法測(cè)定