一种基于MLP神经网络的注水注胶肉检测方法技术

本发明专利技术涉及检验检疫领域，特别是涉及猪肉类产品的检验检疫领域，更为具体的说是涉及一种基于MLP神经网络的注水注胶肉检测方法。本发明专利技术创造性的将低场核磁技术与MLP神经网络技术结合进而用于注水注胶猪肉的识别。以17个低场核磁共振检测参数代表样本的低场核磁共振检测信息作为MLP神经网络的输入数据，以原料肉与注水、注胶肉的分类作为输出，采用不同建模参数，通过多次计算，最终建立了一个结构为17—6—3的三层MLP神经网络识别模型。经试验验证本发明专利技术所公开的模型正确识别率达到97.8％。本发明专利技术所公开的识别方法为注水注胶肉的快速检测提供了新的思路，也对提高我国原料肉质量控制水平具有重要意义。肉质量控制水平具有重要意义。肉质量控制水平具有重要意义。

【技术实现步骤摘要】
一种基于MLP神经网络的注水注胶肉检测方法


[0001]本专利技术涉及检验检疫领域，特别是涉及猪肉类产品的检验检疫领域，更为具体的说是涉及一种基于MLP神经网络的注水注胶肉检测方法。

技术介绍

[0002]猪肉作为一种高蛋白，高营养的肉类食品，在我国居民的肉类消费结构中一直占据主导地位。然而，注水注胶猪肉事件频发使得人们对于猪肉的质量和安全愈发担心。
[0003]注水猪肉是指在屠宰前或者屠宰后给猪灌水形成的猪肉生鲜产品。不法商贩通过这种注水的方式增加重量以牟取暴利。传统用于检测注水肉的方法相对成熟，例如感官检验法、镜检法、熟食率法、试纸法和干燥法等。
[0004]随着作假手法的不断更新，在注水肉的基础上，目前市场又出现了注胶肉，传统的针对注水肉的检测方法，譬如感官检验法、试纸法等都难以得到应用。这是因为在注胶肉的作假过程中主要是通过填充黄原胶、卡拉胶、明胶、琼脂等各种食品胶，而我们知道食品胶的主要成分为易形成多糖凝胶的半乳糖、脱水半乳糖，含有大量的氢键，吸水率高，能很好地保持食品体系中的水分，普通检测方法很难鉴别“注胶肉”。但同时，注胶后猪肉吸水量可增加20％以上，这使得肉质大大下降，更为严重的是可能会导致食品安全问题。
[0005]人工神经网络(ANNs)是一种模仿人类神经网络行为特征进行分布式并行信息处理的技术，具有良好的非线性特性、较强的鲁棒性和很好的学习归纳能力。人工神经网络采用有监督的学习方式，分为信号的正向传递和误差的反向传播两个过程，两个过程反复交替执行，不断调整网络的权值和阈值，直至网络的误差函数最小。ANNs的优点是对数据的分布要求不严格，也不要求详细表述自变量与因变量之间的函数关系，能有效解决非正态分布、非线性数据处理问题。但神经网络也有自身的缺点，即为了获得最优的网路而导致训练时间过长和难以辨别输入变量的相对重要性。因此在采用人工神经网络解决问题的过程中，作为输入层输入的训练集数据的类型是至关重要的，这决定了该模型是否能够得到满意的预测结果，实现有效分类效果。

技术实现思路

[0006]本专利技术所要解决的技术问题是如何快速、有效、精准的鉴别注水注胶肉。
[0007]为了解决上述技术问题，本专利技术公开了一种基于MLP神经网络的注水注胶肉检测方法，该检测方法是按照E所公开的方法，将待检测样品的低场核磁共振检测数据输入按照A—D步骤得到的模型中，从而获得判断结果的方法；
[0008]其中各步骤为，
[0009]A，分别制备空白对照样品、不同注水量的注水猪肉样品、加入不同量卡拉胶的注胶猪肉样品、加入不同量明胶的注胶猪肉样品、加入不同量琼脂的注胶猪肉样品、加入不同量黄原胶的注胶猪肉样品作为样本；
[0010]B，将A中获得的各标准样品进行低场核磁共振检测，并选取数据处理及分析得到
的峰2面积、峰2面积占比、峰3起始时间、峰面积总和、峰1面积占比、峰1面积、峰1起始时间、峰2起始时间、峰2顶点时间、峰3结束时间、峰3顶点时间、峰1顶点时间、峰3面积、、峰3面积占比、峰1结束时间、峰2结束时间、单组分弛豫时间作为三层MLP神经网络模型的输入层原始变量；
[0011]需要说明的是在低场核磁共振检测中按照操作说明进行，对于待检测试样应根据低场核磁共振的检测要求进行预处理，譬如在放入仪器的样品管前均作32℃(仪器工作温度)水浴15min处理。
[0012]C，以输入层为17个原始变量；隐藏层单元数为6，激活函数为双曲正切；输出层为对照(正常)、注水、注胶3个因变量，建立一个结构为17
‑6‑
3的三层MLP神经网络模型；
[0013]D，随机将A中的样本数据分为训练集和检验集，将训练集中的样本数据输入MLP神经网络模型中对神经网络进行训练，当训练完成后，将检验集中的样本数据输入到MLP神经网络模型中，并将输出值与实际值进行比对，从而对C中构建的MLP神经网络模型进一步进行检验和修正，即得到用于检测注水注胶猪肉的MLP神经网络模型；
[0014]E，将待检测的样品按照A中对照样的处理方法对待检测样品进行处理，并按照B的方法获得待检测样品的17个原始变量值，然后将17个原始变量值代入到D建立的MLP神经网络模型中，由输出层得到待检测样品的预测分类。
[0015]优选地，所述激活函数为Softmax。
[0016]同时，在本专利技术中还进一步公开A样本制备中注水猪肉样品制备时注水量为0.05ml/g、0.1ml/g、0.15ml/g、0.2ml/g。
[0017]同时，在本专利技术中还公开A样本制备中不同量卡拉胶的注胶猪肉样品、不同量明胶的注胶猪肉样品、不同量琼脂的注胶猪肉样品中卡拉胶、明胶、琼脂的质量百分比均为5％、12.5％、25％、37.5％；加入不同量黄原胶的注胶猪肉样品中黄原胶的质量百分比2.5％、3.75％、5％、6.25％。
[0018]进一步优选地，B低场核磁共振检测采用CPMG(Carr
‑
Purcell
‑
Meiboom
‑
Gill sequence)序列检测，其各项检测参数为：射频延时(RFD)＝0.08ms，前放档位(PRG)＝1，模拟增益(RG)＝20.0db，数字增益(DRG)＝3，主频(SF)＝21MHz，采样频率(SW)＝100kHz，采样点数(TD)＝1000062，等待时间(TW)＝20000ms，回波时间(TE)＝0.5ms，回波个数(NECH)＝10000，累加次数(NS)＝4。
[0019]进一步优选地，低场核磁共振检测数据采用多组分反演和单组分反演的方式对数据剂型处理，得到横向弛豫谱及相对应的弛豫谱参数的值；其中反演参数选用SIRT反演方法，弛豫时间点数量＝1000，弛豫时间最小值＝0.01ms，弛豫时间最大值＝10000ms，选择数据数量＝200，迭代次数＝100000。
[0020]本专利技术创造性的将低场核磁技术与MLP神经网络技术结合进而用于注水注胶猪肉的识别。以17个低场核磁共振检测参数代表样本的低场核磁共振检测信息作为MLP神经网络的输入数据，以原料肉与注水、注胶肉的分类作为输出，采用不同建模参数，通过多次计算，最终建立了一个结构为17—6—3的三层MLP神经网络识别模型。经试验验证本专利技术所公开的模型对检验集179个样本总的正确识别率达到97.8％。本专利技术所公开的识别方法为注水注胶肉的快速检测提供了新的思路，也对提高我国原料肉质量控制水平具有重要意义。
附图说明
[0021]图1为猪肉样品低场核磁共振数据图。
[0022]图2为猪肉样品17个LF
‑
NMR检测参数标准化后的均值对比折线图。
具体实施方式
[0023]为了更好的理解本专利技术，下面我们结合具体的实施例对本专利技术进行进一步的阐述。
[0024]实施例1用于检测注水注胶肉MLP神经网络模型的建立
[0025]首先，分别制备空白对照样品、不同注水量的注水猪肉样品、加本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于MLP神经网络的注水注胶肉检测方法，其特征在于：该检测方法是按照E所公开的方法，将待检测样品的低场核磁共振检测数据输入按照A—D步骤得到的模型中，从而获得判断结果的方法；其中各步骤为。A，分别制备空白对照样品、不同注水量的注水猪肉样品、加入不同量卡拉胶的注胶猪肉样品、加入不同量明胶的注胶猪肉样品、加入不同量琼脂的注胶猪肉样品、加入不同量黄原胶的注胶猪肉样品作为样本；B，将A中获得的各标准样品进行低场核磁共振检测，并选取数据处理及分析得到的峰2面积、峰2面积占比、峰3起始时间、峰面积总和、峰1面积占比、峰1面积、峰1起始时间、峰2起始时间、峰2顶点时间、峰3结束时间、峰3顶点时间、峰1顶点时间、峰3面积、、峰3面积占比、峰1结束时间、峰2结束时间、单组分弛豫时间作为三层MLP神经网络模型的输入层原始变量；C，以输入层为17个原始变量；隐藏层单元数为6，激活函数为双曲正切；输出层为对照、注水、注胶3个因变量，建立一个结构为17
‑6‑
3的三层MLP神经网络模型；D，随机将A中的样本数据分为训练集和检验集，将训练集中的样本数据输入MLP神经网络模型中对神经网络进行训练，当训练完成后，将检验集中的样本数据输入到MLP神经网络模型中，并将输出值与实际值进行比对，从而对C中构建的MLP神经网络模型进一步进行检验和修正，即得到用于检测注水注胶猪肉的MLP神经网络模型；E，将待检测的样品按照A中对照样的处理方法对待检测样品进行处理，并按照B的方法获得待检测样品的17个原始变量值，然后将17个原始变量值代入到D建立的MLP神经网络模型中，由输出层得到待检测样品的预测分类。2.根据权利要求1所述的基于MLP神经网络的注水注胶肉检测方法，其特征在于：所述激活函数为So...

【专利技术属性】
技术研发人员：徐瑞平，丁涛，刘芸，季美泉，费晓庆，张晓燕，柳菡，林宏，赵增运，沈伟健，
申请(专利权)人：南京海关动植物与食品检测中心，
类型：发明
国别省市：