基于改进深度森林算法的肉类新鲜度无损检测方法及系统技术方案

本发明专利技术公开了一种基于改进深度森林算法的肉类新鲜度无损检测方法及系统。本发明专利技术通过构建layer

【技术实现步骤摘要】
基于改进深度森林算法的肉类新鲜度无损检测方法及系统


[0001]本专利技术涉及肉类新鲜度检测
，尤其涉及一种基于改进深度森林算法的肉类新鲜度无损检测方法及系统。

技术介绍

[0002]羊肉因其含有丰富的营养物质，已经成为了人们饮食中重要的组成部分，羊肉品质的管理和监测也受到了人们的高度关注。羊肉品质会受到自身成分、贮藏环境和微生物的相互作用发生腐败变质现象，给羊肉食品的品质和安全带来极大的影响，使得羊肉新鲜度检测成为肉类食品监测和管理的重要内容之一。羊肉品质的传统检测方法以感官评价和实验室检测为主，感官检测通过视觉、嗅觉和剪切力度等方法分析样本色泽、气味和嫩度判断新鲜度，但受主观影响较大且缺乏对样本内部成分变化的准确判断；实验室检测可以分析出样本内部成分，但操作复杂，实验周期较长，且需要破坏样本，不易实现快速检测。

技术实现思路

[0003]本专利技术通过提供一种基于改进深度森林算法的肉类新鲜度无损检测方法及系统，通过构建冷鲜羊肉多层级联新鲜度评价深度森林模型，实现了对肉类新鲜度的无损检测。
[0004]本专利技术提供了一种基于改进深度森林算法的肉类新鲜度无损检测方法，包括：
[0005]获取肉类光谱图像；
[0006]对所述肉类光谱图像进行预处理；
[0007]将所述预处理后的光谱图像输入到预先构建好的多层级联新鲜度评价深度森林模型中，得到肉类新鲜度检测结果；其中，在所述深度森林模型的每一层之间增加上一层候选特征筛选与层增长控制机制。
[0008]具体来说，所述对所述肉类光谱图像进行预处理，包括：
[0009]对所述肉类光谱图像进行S
‑
G平滑滤波和多元散射校正处理。
[0010]具体来说，所述特征筛选根据不同的度量指标计算每一层随机森林输出的置信度；通过比较置信度，重新组成特征输入到下一层中。
[0011]具体来说，所述层增长控制机制，包括：
[0012]当通过所述特征筛选得到所述深度森林模型的第t层的输出H
t
之后，根据度量指标M计算该层的度量值q[t]；若q[t]大于性能最好的度量值q
best
，则更新q
best
值；若q[t]连续三次小于q
best
并且t在模型最大深度T的范围内，则停止层的增长，同时保留包括q
best
所在的层与该层前面的所有层，并删除该层后面的所有层。
[0013]本专利技术还提供了一种基于改进深度森林算法的肉类新鲜度无损检测系统，包括：
[0014]光谱图像获取模块，用于获取肉类光谱图像；
[0015]光谱图像预处理模块，用于对所述肉类光谱图像进行预处理；
[0016]新鲜度评价模块，用于将所述预处理后的光谱图像输入到预先构建好的多层级联新鲜度评价深度森林模型中，得到肉类新鲜度检测结果；其中，在所述深度森林模型的每一
层之间增加上一层候选特征筛选与层增长控制机制。
[0017]具体来说，所述光谱图像预处理模块，具体用于对所述肉类光谱图像进行S
‑
G平滑滤波和多元散射校正处理。
[0018]具体来说，所述特征筛选根据不同的度量指标计算每一层随机森林输出的置信度；通过比较置信度，重新组成特征输入到下一层中。
[0019]具体来说，所述层增长控制机制，包括：
[0020]当通过所述特征筛选得到所述深度森林模型的第t层的输出H
t
之后，根据度量指标M计算该层的度量值q[t]；若q[t]大于性能最好的度量值q
best
，则更新q
best
值；若q[t]连续三次小于q
best
并且t在模型最大深度T的范围内，则停止层的增长，同时保留包括q
best
所在的层与该层前面的所有层，并删除该层后面的所有层。
[0021]本专利技术中提供的一个或多个技术方案，至少具有如下技术效果或优点：
[0022]本专利技术通过构建layer
‑
by
‑
layer多层级联的深度森林模型。模型第一层随机森林的输入与模型的输入一致，为经过预处理的冷鲜羊肉样本高光谱成像数据，经过计算形成不同的候选特征空间，为保证原始特征，与预处理后的样本高光谱数据拼接共同作为下一层的输入，模型的输出为新鲜度等级概率。为了充分挖掘多个新鲜度评价指标的相关性，在深度森林的每一层之间增加了上一层候选特征筛选与层增长控制机制，在充分挖掘样本的多个新鲜度指标相关性的同时确定模型的层数来降低模型过拟合的风险，达到控制模型复杂度的目的。
附图说明
[0023]图1为本专利技术实施例提供的基于改进深度森林算法的肉类新鲜度无损检测方法的流程图；
[0024]图2为本专利技术实施例中的特征筛选图；
[0025]图3为本专利技术实施例提供的基于改进深度森林算法的肉类新鲜度无损检测系统的模块图；
[0026]图4为本专利技术实施例中各新鲜度等级冷鲜羊肉样本照片；
[0027]图5为本专利技术实施例中实验样本原始光谱DN值曲线图；
[0028]图6为本专利技术实施例中预处理后的光谱反射率曲线图；
[0029]图7为本专利技术实施例中提取特征波段曲线图；
[0030]图8为本专利技术实施例中冷鲜羊肉样本标记图；
[0031]图9为本专利技术实施例中的深度森林模型在训练集上的分类结果图；
[0032]图10为本专利技术实施例中的深度森林模型在测试集上的分类结果图。
具体实施方式
[0033]本专利技术实施例通过提供一种基于改进深度森林算法的肉类新鲜度无损检测方法及系统，通过构建冷鲜羊肉多层级联新鲜度评价深度森林模型，实现了对肉类新鲜度的无损检测。
[0034]本专利技术实施例中的技术方案为实现技术效果，总体思路如下：
[0035]1)先将冷鲜羊肉样本分成三组样本，分别对应理化试验指标测定、微生物试验指
标测定和采集高光谱成像数据作为试验样本。
[0036]2)选取一组冷鲜羊肉样本测定理化试验指标TVB
‑
N与pH，用半微量凯氏定氮法测定样本的TVB
‑
N含量，使用非均值化试样测定方法检测样本的pH。
[0037]3)在另外两组羊肉样本中选取一组测定微生物试验指标TAC和ANC，得到单位质量菌落总数标准值测定样本TAC含量，使用单位质量大肠杆菌近似数测定样本ANC含量。
[0038]4)选取最后一组羊肉样本，利用高光谱成像技术采集每个样本在400～1000nm波长下的高光谱反射图像并生成BIL文件。
[0039]5)使用ENVI软件打开BIL文件查看图像，选取感兴趣区域，分别提取这N个样本的光谱反射曲线，计算并保存感兴趣区域内的样本高光谱图像的像素灰度值。
[0040]6)对保存的羊肉原始光谱数据进行预处理，采用S
‑
G平滑滤波法消本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进深度森林算法的肉类新鲜度无损检测方法，其特征在于，包括：获取肉类光谱图像；对所述肉类光谱图像进行预处理；将所述预处理后的光谱图像输入到预先构建好的多层级联新鲜度评价深度森林模型中，得到肉类新鲜度检测结果；其中，在所述深度森林模型的每一层之间增加上一层候选特征筛选与层增长控制机制。2.如权利要求1所述的基于改进深度森林算法的肉类新鲜度无损检测方法，其特征在于，所述对所述肉类光谱图像进行预处理，包括：对所述肉类光谱图像进行S
‑
G平滑滤波和多元散射校正处理。3.如权利要求1所述的基于改进深度森林算法的肉类新鲜度无损检测方法，其特征在于，所述特征筛选根据不同的度量指标计算每一层随机森林输出的置信度；通过比较置信度，重新组成特征输入到下一层中。4.如权利要求3所述的基于改进深度森林算法的肉类新鲜度无损检测方法，其特征在于，所述层增长控制机制，包括：当通过所述特征筛选得到所述深度森林模型的第t层的输出H
t
之后，根据度量指标M计算该层的度量值q[t]；若q[t]大于性能最好的度量值q
best
，则更新q
best
值；若q[t]连续三次小于q
best
并且t在模型最大深度T的范围内，则停止层的增长，同时保留包括q
best
所在的层与该层前面的所有层，并删除该层后面的所有层。5.一种基于改进深度森...

【专利技术属性】
技术研发人员：姜新华，徐子洋，白洁，张文静，李靖，
申请(专利权)人：内蒙古农业大学，
类型：发明
国别省市：