鱼类产地溯源方法、电子设备、存储介质及装置制造方法及图纸

技术编号:18857211 阅读:16 留言:0更新日期:2018-09-05 12:34
本发明专利技术公开了鱼类产地溯源方法,包括以下步骤:通过红外光谱仪采集鱼肉样本的光谱数据;将光谱数据导入到训练好的特征值训练模型,提取鱼肉产地的特征值;特征值作为BP神经网络的输入,BP神经网络对特征值进行分类,预测出鱼肉样本的产地;本发明专利技术还公开了一种电子设备、计算机可读存储介质及鱼类产地溯源装置;本发明专利技术使用DBN算法对鱼类的光谱数据进行学习,消除不相关和无效的光谱信息,将学习后的特征值作为BP神经网络的输入来匹配鱼类识别模型,具有较高的去噪能力,同时能够避免BP神经网络的初值随机选定和参数选取不合适导致的局部最优等问题;整体上,本发明专利技术所提供的鱼类产地溯源方法能进一步提高鱼类产地识别的准确性。

Origin tracing method, electronic equipment, storage medium and device of fish

The invention discloses a method for tracing the origin of fish, which comprises the following steps: collecting the spectral data of fish samples by infrared spectrometer; importing the spectral data into the trained eigenvalue training model to extract the eigenvalues of fish origin; using the eigenvalues as the input of BP neural network to classify the eigenvalues; The invention also discloses an electronic device, a computer readable storage medium and a fish origin tracing device; the invention uses DBN algorithm to study the spectral data of fish, eliminates irrelevant and invalid spectral information, and matches the trained eigenvalue as the input of BP neural network. Fish identification model has high de-noising ability, and can avoid the problems of local optimum caused by random selection of initial value and inappropriate selection of parameters of BP neural network; on the whole, the method of fish origin traceability provided by the invention can further improve the accuracy of fish origin identification.

【技术实现步骤摘要】
鱼类产地溯源方法、电子设备、存储介质及装置
本专利技术涉及一种物种产地溯源
,尤其涉及鱼类产地溯源方法、电子设备、存储介质及装置。
技术介绍
黄鳍金枪鱼属于鲭科金枪鱼属,是海洋暖水性鱼类,为金枪鱼的主要品种之一,黄鳍金枪鱼肉质鲜美,营养价值高,其蛋白质中包含人类所必需的氨基酸,其脂肪中含有DHA和EPA等不饱和脂肪酸,能够降低人类胆固醇、防止脑血管硬化;因此是一种高经济价值鱼类。黄鳍金枪鱼作为大洋性洄游鱼类,广泛分布于太平洋、印度洋和大西洋的中、低纬度海洋区域。据FAO统计,2010年,黄鳍金枪鱼占金枪鱼八大品种的27.1%,其中太平洋海域占金枪鱼品种总捕捞量的70.5%,印度洋占捕捞量的19.5%,大西洋产量小于10.0%。金枪鱼等名贵鱼类在中国消费者中越来越受欢迎的同时,人们对鱼肉的产地也非常感兴趣,因为不同产地的鱼肉往往意味着价格和质量的不同。在食品安全越来越受重视的今天,溯源技术是目前解决食品安全的有力手段,建立完善的溯源系统,有利于消费者和监管者对购得食品进行全面的了解,如发生食品安全事故,可快速追溯到相关食品生产产地,责任人等重要信息。其中产地的确认是溯源技术的关键点之一,但在溯源过程中,如果在生产捕捞环节没有做信息记录的话,对后续的信息追踪将产生巨大的负面影响。以金枪鱼等高附加价值海鱼为例,如何对其进行产地溯源还存在不少难题,由于中国市场存在大批量不同产地金枪鱼,超市和售卖市场对其产地标注不准确,或存在故意标错产地来低价高卖将严重侵害消费者的利益,然而却没有太好的检测手段进行鉴别。因此目前必须采用其他的技术方法来进行产地的识别。光谱检测技术作为一种无损、高效检测技术,其通过检测不同生长环境的肉类的蛋白质,脂肪等物质的细微差异所引起的官能团倍频、合频的吸收光谱不同,可对肉类进行产地识别。在猪肉、牛肉、马肉等相关肉类的掺假过程中,光谱技术均可取得不错的识别效果。传统的光谱识别方法主要有PLSR、SVM、BP神经网络等方法,也能取得不错的效果,但是PLSR、SVM方法一般经过光谱预处理后得到的效果较好,而BP神经网络效果的好坏跟初始值选取、参数设定有较大关系,容易陷入局部最优造成预测准确率下降。
技术实现思路
为了克服现有技术的不足,本专利技术的目的之一在于提供鱼类产地溯源方法,采用DBN和BP神经网络的结合,提高鱼类产地识别的准确性。本专利技术的目的之二在于提供一种电子设备,采用DBN和BP神经网络的结合,提高鱼类产地识别的准确性。本专利技术的目的之三在于提供一种计算机可读存储介质,采用DBN和BP神经网络的结合,提高鱼类产地识别的准确性。本专利技术的目的之四在于提供鱼类产地溯源装置,采用DBN和BP神经网络的结合,提高鱼类产地识别的准确性。本专利技术的目的之一采用如下技术方案实现:鱼类产地溯源方法,包括以下步骤:采集样本数据,通过红外光谱仪采集鱼肉样本的光谱数据;特征值提取,将所述光谱数据导入到训练好的特征值训练模型,提取所述鱼肉产地的特征值;产地溯源,所述特征值作为BP神经网络的输入,所述BP神经网络对所述特征值进行分类,预测出所述鱼肉样本的产地。进一步地,所述特征值训练模型具体步骤如下:使用三层RBM构建DBN基本训练模型,随机选取若干样本的光谱数据作为学习集,导入所述DBN基本训练模型中进行网络模型训练,训练出网络模型的权值,建立鱼肉的特征值训练模型。进一步地,所述三层RBM为第一RBM、第二RBM、第三RBM,所述光谱数据作为所述第一RBM的输入,所述第一RBM的输出作为所述第二RBM的输入,所述第二RBM的输出作为所述第三RBM的输入,所述第三RBM输出特征值。进一步地,所述BP神经网络包括三层神经网络,三层所述神经网络的神经元格式分别为100、10、1,三层所述神经网络的训练算法依次为logsig、logsig、purelin,三层所述神经网络的设置训练参数均为10000,三层所述神经网络的目标误差均为10-3。进一步地,所述步骤采集样本数据具体包括以下步骤:样本准备,取出待识别产地的鱼肉片;仪器预热与校准,打开卤素灯和光谱仪预热半小时,待稳定后采用标准白板和环境光进行光谱仪校准;数据采集,将所述鱼肉片依次放置在积分球上进行光谱采集,采集三次求平均值作为所述鱼肉片的光谱,得到光谱数据,所述光谱采集时的工作温度为25℃,工作湿度为40±5%RH。进一步地,还包括步骤如下:主成分分析,使用PCA算法对所述光谱数据进行降维处理,获得方差贡献率合计超过90%的主成分。本专利技术的目的之二采用如下技术方案实现:一种电子设备,包括:处理器;存储器;以及程序,其中所述程序被存储在所述存储器中,并且被配置成由处理器执行,所述程序包括用于执行上述的鱼类产地溯源方法。本专利技术的目的之三采用如下技术方案实现:一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行上述的鱼类产地溯源方法。本专利技术的目的之四采用如下技术方案实现:鱼类产地溯源装置,包括卤素灯、光谱仪、标准白板、DBN模块、BP模块,所述光谱仪包括积分球;所述光谱仪用于采集鱼肉片的光谱数据,所述DBN模块对所述光谱数据进行提取,将提取后的特征值作为BP模块的输入,所述BP模块用于对所述特征值进行分类,得到所述鱼肉片的产地。进一步地,所述积分球具体为38mm积分球,所述38mm积分球包括由聚四氟乙烯制成的内壁涂层。相比现有技术,本专利技术的有益效果在于:本专利技术提供了鱼类产地溯源方法,还公开了一种电子设备、一种计算机可读存储介质及鱼类产地溯源装置,用DBN算法对鱼类的光谱数据进行学习,消除不相关和无效的光谱信息,将学习后的特征值作为BP神经网络的输入来匹配鱼类识别模型,具有较高的去噪能力,同时能够避免BP神经网络的初值随机选定和参数选取不合适导致的局部最优等问题;整体上,本专利技术所提供的鱼类产地溯源方法在交叉验证准确率、外部预测准确率、校正集均方根误差、预测集均方根误差上较现有技术来说都是最好的,从而提高鱼类产地识别的准确性。上述说明仅是本专利技术技术方案的概述,为了能够更清楚了解本专利技术的技术手段,并可依照说明书的内容予以实施,以下以本专利技术的较佳实施例并配合附图详细说明如后。本专利技术的具体实施方式由以下实施例及其附图详细给出。附图说明此处所说明的附图用来提供对本专利技术的进一步理解,构成本申请的一部分,本专利技术的示意性实施例及其说明用于解释本专利技术,并不构成对本专利技术的不当限定。在附图中:图1为本专利技术的鱼类产地溯源方法的流程示意图;图2为本专利技术涉及的西太平洋金枪鱼的曲线示意图;图3为本专利技术涉及的大西洋金枪鱼的曲线示意图;图4为本专利技术涉及的印度洋金枪鱼的曲线示意图;图5为本专利技术涉及的主成分进行加权载荷后的曲线示意图。具体实施方式下面,结合附图以及具体实施方式,对本专利技术做进一步描述,需要说明的是,在不相冲突的前提下,以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。鱼类产地溯源方法,如图1所示,包括以下步骤:采集样本数据,通过红外光谱仪采集鱼肉样本的光谱数据;特征值提取,将光谱数据导入到训练好的特征值训练模型,提取鱼肉产地的特征值;产地溯源,特征值作为BP神经网络的输入,BP神经网络对特征值进行分类,预测出鱼肉样本的产地。如图2-图4所示,本实施例中的本文档来自技高网
...

【技术保护点】
1.鱼类产地溯源方法,其特征在于包括以下步骤:采集样本数据,通过红外光谱仪采集鱼肉样本的光谱数据;特征值提取,将所述光谱数据导入到训练好的特征值训练模型,提取所述鱼肉产地的特征值;产地溯源,所述特征值作为BP神经网络的输入,所述BP神经网络对所述特征值进行分类,预测出所述鱼肉样本的产地。

【技术特征摘要】
1.鱼类产地溯源方法,其特征在于包括以下步骤:采集样本数据,通过红外光谱仪采集鱼肉样本的光谱数据;特征值提取,将所述光谱数据导入到训练好的特征值训练模型,提取所述鱼肉产地的特征值;产地溯源,所述特征值作为BP神经网络的输入,所述BP神经网络对所述特征值进行分类,预测出所述鱼肉样本的产地。2.如权利要求1所述的鱼类产地溯源方法,其特征在于所述特征值训练模型具体步骤如下:使用三层RBM构建DBN基本训练模型,随机选取若干样本的光谱数据作为学习集,导入所述DBN基本训练模型中进行网络模型训练,训练出网络模型的权值,建立鱼肉的特征值训练模型。3.如权利要求2所述的鱼类产地溯源方法,其特征在于:所述三层RBM为第一RBM、第二RBM、第三RBM,所述光谱数据作为所述第一RBM的输入,所述第一RBM的输出作为所述第二RBM的输入,所述第二RBM的输出作为所述第三RBM的输入,所述第三RBM输出特征值。4.如权利要求3所述的鱼类产地溯源方法,其特征在于:所述BP神经网络包括三层神经网络,三层所述神经网络的神经元格式分别为100、10、1,三层所述神经网络的训练算法依次为logsig、logsig、purelin,三层所述神经网络的设置训练参数均为10000,三层所述神经网络的目标误差均为10-3。5.如权利要求1所述的鱼类产地溯源方法,其特征在于所述步骤采集样本数据具体包...

【专利技术属性】
技术研发人员:刘磊安杨灵吴霆邹娟
申请(专利权)人:仲恺农业工程学院
类型:发明
国别省市:广东,44

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1