一种基于电导法的牛奶检测方法及系统技术方案

本发明专利技术为一种基于电导法的牛奶检测方法及系统，牛奶样本特征的提取过程，只需要得到单一数据量：电流值，又根据得到的单一数据量的各种特性及其分类目标，提出了电流的数据变换方法，对原始的电流数据进行特征构造，即降低了原始电流数据的冗余性，充分提取和丰富了采集的数据特征。相比于其他高精度方法如获取光谱、超声波值的特征获取方式更为简单，易得，是针对样品牛奶的直接信息获取，所获得的融合特征配合智能算法，能提高分类精度或数据检测结果精度。

【技术实现步骤摘要】
一种基于电导法的牛奶检测方法及系统
本专利技术涉及液体成分检测
，尤其涉及一种基于电导法的牛奶检测方法及系统。
技术介绍
牛奶作为人类的第二大饮品，乳汁的质量问题一直是人们关注的焦点。奶牛乳腺炎一直是影响牛奶质量与产量的主要因素之一，患有奶牛乳腺炎的奶牛泌乳量会减少，乳汁稀薄，乳汁中出现凝块，乳汁质量下降，甚至于丧失泌乳能力和死亡。传统的牛奶检测方法例如化学分析法检测步骤繁琐，试剂又破坏了牛奶的成分结构，红外线检测和超声波检测的成本昂贵、对环境要求高。目前而言，广泛用于鉴定牛奶检测以及牛奶的健康管理是DHI(DairyHerdImprovement)中心。然而，DHI检测设备少而贵。一份牛奶从牛场送出到检测报告出具，往往耗时一个月之久。现有电导法确定奶牛乳腺炎方法是选取每次挤奶过程中出现的10个最高电导率之平均值作为电导率的稳定值，当将诊断临界条件为8000-9000μmho/cm之间时，亚临床乳腺炎测诊率可达到89％。实验条件较为苛刻，不易操作，且测诊率不高。因此，设计一种快速、准确、低成本的基于电导法的牛奶检测方法及系统去解决上述技术问题是必要的。
技术实现思路
本专利技术的目的是，提供一种基于电导法的牛奶检测方法及系统，该方法可以快速、低成本、高精度的进行牛奶检测，可用以分类奶牛乳腺炎。该系统简单，便捷。为解决上述技术问题，本专利技术采用的技术方案是：一种基于电导法的牛奶检测方法及系统，该方法包括以下内容：采集不同牛奶样品中一段时间内产生的电导信息作为样本数据，即电流信息。利用样本数据进行数学特征提取，分别取每个样本数据的最大值、最小值、方差值、平均值和响应曲线的面积值，作为样本数据的A类数据特征；对样本数据用直线拟合包裹法进行特征提取，即以电压作为纵坐标、电流作为横坐标按照单个个体分别拟合样本数据的数据点，获得拟合之后的斜率和与横坐标电流的截距，再同时通过包裹法获得两条包裹平行线与横坐标电流的截距；利用交流电特性对样本数据进行拟合处理，获得每个样本的拟合电流曲线，满足三角函数公式X1sin(X2t+X3)+X4；式中，X1为幅度、X2为初相、X3为角频率、X4为偏距、t为时间，保留电流的幅度、初相、角频率、偏距这四个参数信息；将上述通过直线拟合包裹法获得的参数信息及交流电特性获得的参数信息作为样本数据的B类数据特征；利用SVM-RFE(支持向量机结合后向搜索策略算法)对样本数据进行特征筛选，获得C类数据特征；电流信息作为单一变量，采集间隔0.02s，连续采集1万个数据，数据量比较大。本专利技术降低了智能算法模型的电流数据的输入数据量，提升了特征数量，上述三类数据特征作为特征矩阵输入到智能算法模型中，三类特征相互补充，去除了一定的冗余，得到当前牛奶中体细胞数。可以用于后续奶牛乳腺炎分类。所述智能算法模型为改进深度随机森林算法，该算法的具体过程是：为A类、B类和C类数据特征赋予权值，构成的融合特征矩阵，输入到改进深度随机森林算法中，进入多粒度扫描阶段；使用一个长度为L的采样窗口对融合特征矩阵进行滑动采样，得到子样本向量；上述每个子样本向量通过级联模块中的完全随机森林和随机森林分别生成一个表征向量H(x)，再分别给两个输出向量进行加权处理，然后叠加生成一个特征向量Zi，也作为后续深度森林的输入；赋予权值的处理方式为改进的critic权重法森林输出所述加权处理方式为AHP和熵值法组合权重法；在模型训练中，对每层深度随机森林进行交叉验证，以防止数据过拟合，停止规则是正确率对比上一层不再提升，获得最终的预测模型。所述赋予权值的过程，采取了改进的critic权重法，更能体现对比强度和指标冲突性，提高融合效果。首先进行归一化，指标冲突性为ref表示指标e和指标f之间的相关系数，由于ref存在正负性，不对其处理，可能会存在正负抵消情况；其第f个指标的客观权重Wf为：其中，C′f表示第f个评价指标所含有的信息量，Sf表示第f个指标的标准差，得到适合电导数据的权重Wf；P为指标个数，也就是特征个数。所述的随机森林和完全随机森林的输出均为：式中，H(x)为最终结果，ht为第t个决策树预测结果，Y为真实值，I为度量函数，M为决策树的数量。对深度随机森林进行训练时，采用以下指标进行综合评判，误差越小，系数越高，表明深度随机森林的性能越好，当各性能指标均满足设定条件时才能停止训练，各评判标准的计算方法如下：(1)平均绝对误差MAE计算公式：(2)均方根误差RMSE计算公式：(3)决定系数R2计算公式：(4)校正后的决定系数Ra2计算公式：其中，n为样本数量，p为特征数量，yi为实际值，为预测值，为实际值的平均值。一个基于电导法的牛奶检测方法及系统，包括：密封的玻璃容器，用以盛放待测牛奶样品；两个电极，放置在待测牛奶样品中；电导分析仪，电导分析仪连接两个电极，用于检测待测牛奶样品中的电流；数据特征提取模块，用于电导分析仪输入的数据进行数据处理和特征提取；乳腺炎预测模块，用于对提取的数据特征进行分析预测乳腺炎分类；数据特征提取模块和乳腺炎预测模块加载在终端中，终端与电导分析仪连接；，终端用以分析实时采集的牛奶电导数据。所述终端可以为单片机也可以为电脑端、智能手机端等，电导分析仪由接口总线连接至电脑端。与现有技术相比，本专利技术的有益效果是：本专利技术牛奶样本特征的提取过程，只需要得到单一数据量：电流值，又根据得到的单一数据量的各种特性及其分类目标，提出了电流的数据变换方法，对原始的电流数据进行特征构造，即降低了原始电流数据的冗余性，充分提取和丰富了采集的数据特征。相比于其他高精度方法如获取光谱、超声波值的特征获取方式更为简单，易得，是针对样品牛奶的直接信息获取，所获得的融合特征配合智能算法，能提高分类精度或数据检测结果精度。在多粒度扫描阶段，可以有效的处理有关联的数据，将A、B、C三类数据相互融合，得到新的特征向量，明显提高后期模型效果。又针对形成的新的特征向量，采用改进critic权重法给已提取特征增加权重，使特征向量在输入森林前更具有客观性，在一定程度上对特征的重要性进行了梳理，让有效特征的作用效果更强。而通过级联模块中的级联森林产生的输出通过AHP和熵值法组合权重法加权后，不仅利用了先验知识，主观随机性控制在一定范围内，实现主客观赋权中的中正、客观方面，得到的结果更加精确。综上，针对牛奶电流样本对深度随机森林改进了两点：一、在多粒度对深度随机森林提出了新的权重配比模式，在样本特征选择方面，没有改变Bagging的随机又放回抽样的特性，但是改变了权重相等的模式，而是采取了Boosting的优点，针对每一个样本特征向量去配比权重，有利于提高了分类的准确率。二、针本文档来自技高网...

【技术保护点】
1.一种基于电导法的牛奶检测方法，该检测方法包括以下内容：/n采集不同牛奶样品中一段时间内产生的电导信息作为样本数据，即电流信息；/n利用样本数据进行数学特征提取，分别取每个样本电流数据的最大值、最小值、方差值、平均值和响应曲线的面积值，作为电流数据的A类数据特征；/n对样本数据用直线拟合包裹法进行特征提取，即以电压作为纵坐标、电流作为横坐标按照单个个体分别拟合所有样本数据的数据点，获得拟合之后的斜率和与横坐标电流的截距，再同时通过包裹法获得两条包裹平行线与横坐标电流的截距；/n利用交流电特性对样本数据进行拟合处理，获得每个样本的拟合电流曲线，满足三角函数公式/nX

【技术特征摘要】
1.一种基于电导法的牛奶检测方法，该检测方法包括以下内容：
采集不同牛奶样品中一段时间内产生的电导信息作为样本数据，即电流信息；
利用样本数据进行数学特征提取，分别取每个样本电流数据的最大值、最小值、方差值、平均值和响应曲线的面积值，作为电流数据的A类数据特征；
对样本数据用直线拟合包裹法进行特征提取，即以电压作为纵坐标、电流作为横坐标按照单个个体分别拟合所有样本数据的数据点，获得拟合之后的斜率和与横坐标电流的截距，再同时通过包裹法获得两条包裹平行线与横坐标电流的截距；
利用交流电特性对样本数据进行拟合处理，获得每个样本的拟合电流曲线，满足三角函数公式
X1sin(X2t+X3)+X4；
式中，X1为幅度、X2为初相、X3为角频率、X4为偏距，保留电流的幅度、初相、角频率、偏距这四个参数信息；
将上述通过直线拟合包裹法获得的参数信息及交流电特性获得的参数信息作为电流数据的B类数据特征；
利用SVM-RFE对样本数据进行特征筛选，获得C类数据特征。


2.根据权利要求1所述的检测方法，其特征在于，将上述三类数据特征作为特征矩阵输入到智能算法中，三类特征相互补充，得到当前牛奶中体细胞数；所述智能算法为改进深度随机森林算法，该算法的具体过程是：
将A类、B类和C类数据特征赋予权值，构成的融合特征矩阵，输入到改进深度随机森林算法中，进入多粒度扫描阶段；使用一个长度为L的采样窗口对融合特征矩阵进行滑动采样，得到子样本向量；
上述每个子样本向量通过级联模块中的完全随机森林和随机森林分别生成一个表征向量H(x)，再分别给两个向量进行加权处理，然后叠加生成一个特征向量Zi，也作为训练深度森林的输入；
赋予权值处理方式为改进的critic权重法
森林输出所述加权处理方式为AHP和熵值法组合权重法；
在模型训练中，对每层深度随机森林进行交叉验证，以防止数据过拟合，停止规则是正确率对比上一层不再提升，获得最终的预测模型。


3.根据权利要求2所述的检测方法，其特征在于，所述赋予权值的过程，采取改进的critic权重法，首先进行归一化，
指标冲突性为ref表示指标e和指标f之间的相关系数，
其第f个指标的客观权重Wf为：



其中，C′f表示第f个评价指标所含...

【专利技术属性】
技术研发人员：张磊，张扬，诸葛琳娜，
申请(专利权)人：河北工业大学，
类型：发明
国别省市：天津;12