基于特征选择的人工鼻冰箱食物新鲜度检测系统和方法技术方案

本发明专利技术公开了基于特征选择的人工鼻冰箱食物新鲜度检测方法及系统,基于人工鼻系统，通过人工鼻系统采集获得冰箱内温湿度信息和各食物挥发气体样本的样本响应信号，构成数据矩阵，对其进行滤波处理、修正补偿、特征提取、标准化处理、冗余特征过滤删除、对样本数据进行特征加权获得加权后特征集，运用BP神经网络训练获得食物新鲜度检测模型，实现对食物新鲜度的分类检测。本发明专利技术有效解决了冰箱食品新鲜度无法快速无损高效检测的问题，解决冗余特征较多，模型训练时间长的问题，提高了冰箱食物新鲜度的预测准确度，克服了传统的感官预测方法具有较强的主观性以及使用阈值判断食品新鲜度方法的局限性。新鲜度方法的局限性。新鲜度方法的局限性。

【技术实现步骤摘要】
基于特征选择的人工鼻冰箱食物新鲜度检测系统和方法


[0001]本专利技术涉及冰箱食物检测领域，具体而言涉及一种基于特征选择的人工鼻冰箱食物新鲜度检测系统和方法。

技术介绍

[0002]在过去几年中，食品安全事故频繁发生，原因是来自不同食物来源的食物中毒。当食品质量因新鲜度、清洁度、安全性和营养水平较低而降低时，可能会导致健康风险。食物的新鲜度是检测食品质量的重要指标之一，它直接影响到人们的健康与安全。在人们的平时生活中，冰箱冷藏是常用的保鲜措施。但是随着时间的延长，冰箱里面的食物也会发生腐变。并且由于冰箱内部环境相对密闭，人们不能及时发现食物的变质。因此，对冰箱冷藏食物的新鲜度进行快速准确的检测对于食品安全具有重要意义。
[0003]现有的人工鼻快速检测设备都是直接暴露于传感器冷藏室的低温高湿环境中，没有很好地对温湿度引起的传感器漂移进行校正，大多是采用选取同一温湿度下传感器的响应值进行分析。这种方法过于简单，误差大，且冰箱内环境变化大，有时候选取同一温湿度下的传感器数值存在困难。其次，现有的人工鼻冰箱食物新鲜度检测方法采用的特征降维技术是基于人为设定一个阈值，通过这个阈值去对特征数据进行筛选，这样容易过于依赖人的主观设定，分析效果时好时坏。另外，现有的人工鼻食物新鲜度检测系统采用的气体传感器大多数是旁热式金属氧化物半导体传感器，体积较大，功耗较高，预热时间长。因此，需要一种体积小、耗能少、易于集成的系统用于冰箱食物新鲜度快速检测。

技术实现思路

[0004]本专利技术的目的在于提供一种基于特征选择的人工鼻冰箱食物新鲜度检测方法 ，以解决现有技术中的食品新鲜度的检测方法成本昂贵、操作复杂、检测环境要求严格且分析时间较长，对食物样品有损伤，不便于常规使用等问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：基于特征选择的人工鼻冰箱食物新鲜度检测方法，基于人工鼻系统，针对已知属于新鲜类别或腐烂类别的各食物挥发气体样本，执行以下步骤S1至步骤S6，获得食物新鲜度检测模型，实现对冰箱内食物新鲜度的分类检测；步骤S1:通过人工鼻系统采集获得冰箱内温湿度信息和各食物挥发气体样本分别对应的样本响应信号，并进行滤波处理，更新各个样本响应信号，构成数据矩阵；随后进入步骤S2；步骤S2：对数据矩阵中的各个样本响应信号由温湿度引起的传感器电阻值差进行修正补偿，更新样本响应信号，得到数据集；对数据集中的各个样本响应信号对应的MEMS传感器阵列响应曲线的相应特征，执行目标类型特征提取，进一步由各样本响应信号分别对应各目标类型特征数据所构成的特征向量，结合各样本响应信号分别对应新鲜类别或腐烂类别，构成特征数据集；随后进入步骤S3；
步骤S3：将特征数据集划分为训练数据集和测试数据集，并对训练数据集和测试数据集分别同时进行标准化处理，获得标准化处理后的样本训练集和标准化处理后的样本测试集；随后进入步骤S4；步骤S4：分别对样本训练集中各个样本数据以及样本测试集中各个样本数据的冗余特征进行过滤删除，更新获得样本训练集和样本测试集；随后进入步骤S5；步骤S5：基于样本训练集和样本测试集，分别针对样本训练集中的样本数据和样本测试集中的样本数据进行特征加权，更新获得样本训练集加权后的特征集，随后进入步骤S6；步骤S6：以加权后的特征集中各个加权特征样本数据、以及所述加权后的特征集中各个加权特征样本数据所对应的预设检测结果构建食物新鲜度检测模型，以加权后的特征集中各个加权特征样本数据为输入，以加权特征样本数据所对应的食物新鲜或腐烂对应关系为输出，针对食物新鲜度检测模型进行训练，获得食物新鲜度检测模型，实现对冰箱内食物新鲜度的分类检测。
[0006]进一步地，所述步骤S1中，通过人工鼻系统采集获得冰箱内温湿度信息和各食物挥发气体样本分别对应的样本响应信号，并进行滤波处理，按如下公式：，进行Savitzky
‑
Golay滤波处理，对点Y
j
一定长度的邻域窗口内的数据点进行多项式拟合，多项式在Y
j
的值为Savitzky
‑
Golay滤波处理的模拟值，其中，为滤波后的更新的样本响应信号，为人工鼻系统采集获得冰箱内温湿度信息和各食物挥发气体样本分别对应的样本响应信号，为滤波系数，即第期原始响应值数据在平滑窗口中的权重，为滑动窗口的的宽度，=，其中正整数。
[0007]进一步地，所述步骤S2中，对数据集中的各个样本响应信号对应的MEMS传感器阵列响应曲线的相应特征，执行目标类型特征提取，包括提取各个样本响应信号的最大值、最小值、最大值与最小值的差值、最大正斜率以及指数移动平均值的最大值、最小值。
[0008]进一步地，步骤S2中，对数据矩阵中的各个样本响应信号由温湿度引起的传感器电阻值差进行修正补偿，更新样本响应信号，得到数据集，具体包括以下步骤S21至步骤S24；步骤S21：基于以下环境温湿度变化对金属氧化物半导体传感器电导率的公式1：，其中， 为环境变化前的电阻值， 为环境变化后的电阻， 为波尔兹曼常数，T 为温度，为传感器功函数在环境变化前后的差值， 为传感器电子亲和性在环境变化前后的差值，其中的值与环境湿度的变化量有关，假设；
对公式1进行变换，得到如下公式2：，步骤S22:基于公式2，当公式2中t足够小，RH的变化趋向于0时，对公式2进行泰勒展开，得到如下公式3：，步骤S23:基于公式3，设，获得如下公式4:，步骤S24:根据传感器阻值在洁净空气中的变化值，拟合参数的值，获得传感器阻值差，基于传感器阻值差，对数据矩阵中的各个样本响应信号按照如下公式5：，进行修正更新样本响应信号，得到数据集；其中，为校正后阻值，为t时刻测量的电阻值， 为第i时刻环境变化引起的电阻值变化。
[0009]进一步地，所述步骤S3中，对训练数据集和测试数据集分别同时进行标准化处理，包括以下步骤S31至步骤S33；步骤S31:计算训练数据集中各个样本响应数据的特征的均值后进入步骤S32；步骤S32:计算训练数据集中各个样本响应数据的特征的标准差，随后进入步骤S33；步骤S33:按如下公式：，，分别对训练数据集和测试数据集同时进行标准化处理；其中，和分别为训练数据集和测试数据集的样本响应数据，为训练数据集标准化处理后的样本数据，为测试数据集标准化处理后的样本数据，为训练数据集中各个响应数据的特征标准差，为训练数据集中各个响应数据的特征均值。
[0010]进一步地，所述步骤S4中，分别对样本训练集中各个样本数据以及样本测试集中各个样本数据的冗余特征进行过滤删除，更新获得样本训练集和样本测试集，具体为：使用互信息法分别对样本训练集和样本测试集的冗余特征进行过滤删除，包括以下步骤S41至步骤S42；S41：按如下公式：
，计算样本训练集中各个标准化处理后的样本数据特征与标签类别之间的互信息量，其中，为标准化处理后的样本数据特征与标签类别的互信息量，为和的联合概率分布函数，和分别为和的边缘概率分布函数；S42：互信息量在[0,1]之间取值，为0则表示两个变量独本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于特征选择的人工鼻冰箱食物新鲜度检测方法，其特征在于，基于人工鼻系统，针对已知属于新鲜类别或腐烂类别的各食物挥发气体样本，执行以下步骤S1至步骤S6，获得食物新鲜度检测模型，实现对冰箱内食物新鲜度的分类检测；步骤S1：通过人工鼻系统采集获得冰箱内温湿度信息和各食物挥发气体样本分别对应的样本响应信号s并进行滤波处理，更新各个样本响应信号，构成数据矩阵；随后进入步骤S2；步骤S2:对数据矩阵中的各个样本响应信号由温湿度引起的传感器电阻值差进行修正补偿，更新样本响应信号，得到数据集；对数据集中的各个样本响应信号对应的MEMS传感器阵列响应曲线的相应特征，执行目标类型特征提取，进一步由各样本响应信号分别对应各目标类型特征数据所构成的特征向量，结合各样本响应信号分别对应新鲜类别或腐烂类别，构成特征数据集；随后进入步骤S3；步骤S3：将特征数据集划分为训练数据集和测试数据集，并对训练数据集和测试数据集分别同时进行标准化处理，获得标准化处理后的样本训练集和标准化处理后的样本测试集；随后进入步骤S4；步骤S4：分别对样本训练集中各个样本数据以及样本测试集中各个样本数据的冗余特征进行过滤删除，更新获得样本训练集和样本测试集；随后进入步骤S5；步骤S5：基于样本训练集和样本测试集，分别针对样本训练集中的样本数据和样本测试集中的样本数据进行特征加权，更新获得样本训练集加权后的特征集，随后进入步骤S6；步骤S6：以加权后的特征集中各个加权特征样本数据、以及所述加权后的特征集中各个加权特征样本数据所对应的预设检测结果构建食物新鲜度检测模型，以加权后的特征集中各个加权特征样本数据为输入，以加权特征样本数据所对应的食物新鲜或腐烂对应关系为输出，针对食物新鲜度检测模型进行训练，获得食物新鲜度检测模型，实现对冰箱内食物新鲜度的分类检测。2.根据权利要求1所述的基于特征选择的人工鼻冰箱食物新鲜度检测方法，其特征在于，所述步骤S1中，通过人工鼻系统采集获得冰箱内温湿度信息和各食物挥发气体样本分别对应的样本响应信号，并进行滤波处理，按如下公式：，进行Savitzky
‑
Golay滤波处理，对点Y
j
一定长度的邻域窗口内的数据点进行多项式拟合，多项式在Y
j
的值为Savitzky
‑
Golay滤波处理的模拟值，其中，为滤波后的更新的样本响应信号，为人工鼻系统采集获得冰箱内温湿度信息和各食物挥发气体样本分别对应的样本响应信号；为滤波系数，即第期原始响应值数据在平滑窗口中的权重；为滑动窗口的的宽度，=，其中正整数。3.根据权利要求1所述的基于特征选择的人工鼻冰箱食物新鲜度检测方法，其特征在
于，所述步骤S2中，对数据集中的各个样本响应信号对应的MEMS传感器阵列响应曲线的相应特征，执行目标类型特征提取，包括提取各个样本响应信号的最大值、最小值、最大值与最小值的差值、最大正斜率以及指数移动平均值的最大值、最小值。4.根据权利要求1所述的一种基于特征选择的人工鼻冰箱食物新鲜度检测方法，其特征在于，步骤S2中，对数据矩阵中的各个样本响应信号由温湿度引起的传感器电阻值差进行修正补偿，更新样本响应信号，得到数据集，具体包括以下步骤S21至步骤S24；步骤S21：基于以下环境温湿度变化对金属氧化物半导体传感器电导率的公式1：，其中，为环境变化前的电阻值， 为环境变化后的电阻，为波尔兹曼常数，T 为温度，为传感器功函数在环境变化前后的差值，为传感器电子亲和性在环境变化前后的差值，其中的值与环境湿度的变化量有关，假设；对公式1进行变换，得到如下公式2：，步骤S22：基于公式2，当公式2中t足够小，RH的变化趋向于0时，对公式2进行泰勒展开，得到如下公式3：，步骤S23：基于公式3，设，获得如下公式4:，步骤S24：根据传感...

【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：合肥工业大学，
类型：发明
国别省市：