【技术实现步骤摘要】
一种基于机器学习的人工鼻冰箱食品新鲜度检测方法及系统
[0001]本专利技术涉及冰箱食品检测领域,特别是涉及一种基于机器学习的人工鼻冰箱食品新鲜度检测方法及系统。
技术介绍
[0002]食品新鲜度直接影响到人们的健康和安全,是关系到国计民生的大事。监控食品新鲜度,是保证食品安全的必要手段。在日常生活中,冰箱是常用的低温食物保存方法。随着时间的延长,冰箱内储存的食物同样会发生腐烂变质。同时由于冰箱内部相对密封的环境,人们很难及时发现食品的变质。因此,发展对冰箱内食物新鲜度的快速准确检测技术意义重大。
[0003]现有的食品新鲜度检测方法主要是依赖昂贵的分析仪器,成本高、操作复杂、分析时间长,且要求严格的实验室环境,对样品有损伤,不便于日常使用。而感官评价这种传统方法主要通过训练有素的专业人员完成,易受年龄、性别、心情、经验等外界因素的影响,具有较强的主观性,重复性差,容易出现嗅觉疲劳。因此发展快速无损的食品新鲜度检测方法是必须的。
技术实现思路
[0004]针对现有技术的不足,本专利技术提供了一种基于机器学习的人工鼻冰箱食品新鲜度检测方法及系统,利用人工鼻中的传感器阵列采集冰箱食物挥发气体的指纹信息,结合机器学习的检测方法对数据进行分析,达到对冰箱食品新鲜度检测的目的,具有自动采集、处理并上传数据的功能,一方面降低了系统的硬件成本,另一方面提高了冰箱食品新鲜度分析的效率及预测精度。
[0005]为解决现有技术问题,本专利技术采取的技术方案为:
[0006]一种基于机器学习的人工鼻 ...
【技术保护点】
【技术特征摘要】
1.一种基于机器学习的冰箱食品新鲜度检测方法,其特征在于,包括以下步骤:S1:利用传感器阵列获得冰箱内食物挥发气体的原始响应数据集X;S2:将原始响应数据集X进行中值滤波处理得到样本集X
m
;S3:将样本集X
m
按照3∶1的比例随机划分为训练样本集X
train
及测试样本集X
test
;S4:先对训练样本集X
train
中数据进行标准化处理,然后按照训练样本集标准化处理时的统计特征对测试样本集X
test
进行标准化处理;S5:对标准化处理后的训练样本集X
train_std
和测试样本集X
test_std
进行特征降维生成新的特征子集X
train_pca
和X
test_pca
,减小系统的计算量;S6:利用机器学习分类算法对降维后的训练样本集X
train_pca
进行训练,得到模型的最优参数,然后测试样本集X
test_pca
中冰箱食物样本的新鲜度进行分类识别,验证模型的预测性能。2.根据权利要求1中的一种基于机器学习的冰箱食品新鲜度检测方法,其特征在于,步骤S2具体为:把某一时刻传感器的原始响应值用该点的一个邻域窗口中所有响应值的中值代替,如式(1)所示:X
m
(i)=Median{X(i
‑
n),
…
X(i),
…
X(i+n)}
ꢀꢀ
(1)其中:X(i)为某一时刻传感器的原始响应值,邻域窗口长度L=2n+1,n为正整数,X
m
(i)为滤波后的响应值。3.根据权利要求1中的一种基于机器学习的冰箱食品新鲜度检测方法,其特征在于,步骤S4中,标准化处理具体包括以下步骤:S41:计算训练样本集中特征的均值S42:计算训练样本集中特征的标准差σ;S43:对训练样本集X
train
和测试样本集X
test
分别进行标准化处理采用如下公式(2):其中,X
train
...
【专利技术属性】
技术研发人员:章伟,朱晓龙,刘嘉明,朱亚龙,胡雪峰,
申请(专利权)人:滁州怡然传感技术研究院有限公司,
类型:发明
国别省市:
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。