【技术实现步骤摘要】
酒精含量检测方法、装置及检测设备
本专利技术涉及酒品检测
，尤其涉及一种酒精含量检测方法、装置及检测设备。
技术介绍
在一些应用场景下，通常需要对酒品的酒精含量进行检测，例如，通过人工的感官品评来检测酒精含量，或者，通过一些物理化学现象检测酒品中的物质组分含量，从而确定酒精含量，又或者，利用酒精在滤纸上铺展的现象对酒精含量进行粗糙的检测。这些方式下，酒精含量检测的精确度不高，酒精含量检测效果不佳。
技术实现思路
本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本专利技术的目的在于提出一种酒精含量检测方法、装置及检测设备，能够有效提升酒精含量检测的精确度，提升酒精含量检测效果。为达到上述目的，本专利技术第一方面实施例提出的酒精含量检测方法，包括：向待测样品施加激励信号；确定所述待测样品基于所述激励信号的响应数据；根据所述响应数据，结合预训练的神经网络模型确定所述待测样品中的酒精含量；所述神经网络模型已学习得到各响应数据与酒精含量之间的对应关系。本专利技...
【技术保护点】
1.一种酒精含量检测方法，其特征在于，包括：/n向待测样品施加激励信号；/n确定所述待测样品基于所述激励信号的响应数据；/n根据所述响应数据，结合预训练的神经网络模型确定所述待测样品中的酒精含量；所述神经网络模型已学习得到各响应数据与酒精含量之间的对应关系。/n
【技术特征摘要】
1.一种酒精含量检测方法，其特征在于，包括：
向待测样品施加激励信号；
确定所述待测样品基于所述激励信号的响应数据；
根据所述响应数据，结合预训练的神经网络模型确定所述待测样品中的酒精含量；所述神经网络模型已学习得到各响应数据与酒精含量之间的对应关系。
2.如权利要求1所述的酒精含量检测方法，其特征在于，所述神经网络模型，是采用具有各响应数据的初始样品对所述神经网络模型进行训练，直至所述神经网络模型识别出的所述初始样品的酒精含量与预先标注的酒精含量匹配时，所述神经网络模型训练完成。
3.如权利要求1或2所述的酒精含量检测方法，其特征在于，所述向待测样品施加激励信号，包括：
采用单支的电极向待测样品施加变频激励信号。
4.如权利要求3所述的酒精含量检测方法，其特征在于，所述响应数据为所述待测样品在不同频率的激励信号下的阻抗值。
5.如权利要求3所述的酒精含量检测方法，其特征在于，其中，
在训练所述神经网络模型前，对所述初始样品中的二氧化碳进行去除处理；
在训练所述神经网络模型时，逐次对去除二氧化碳后的初始样品添加设定量的酒精，得到多个不同酒精含量的初始样品，并将得到的多个不同的酒精含量作为对应初始样品所标注的酒精含量；
采用多个已标注酒精含量的初始样品对所述神经网络模型进行迭代训练。
6.如权利要求3所述的酒精含量检测方法，其特征在于，所述单支的电极为叉指电极。
7.一种酒精含量检测装置，其特征在于，包括：
信号发射模块，用于向待测样品施加激励信号...
【专利技术属性】
技术研发人员：朱洪武，刘玉平，
申请(专利权)人：广东博智林机器人有限公司，
类型：发明
国别省市：广东;44
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。