【技术实现步骤摘要】
本专利技术涉及食品品质大数据智能检测方法及装置的自动化装备，具体涉及一种食品品质智能检测方法及其装置。
技术介绍
1、随着人们对食品检测技术的要求也不断提高，电子仪器的兴起有助于研发出无损、快速、低成本和环保测量的新方法，电子设备已被用于描述食品工业中的化合物，其中金属氧化物半导体传感器常用于食品品质检测具有快速响应、高灵敏度、低成本的优点，气体传感器阵列可对特定的挥发性化合物提供指纹响应，挥发性分子通常与气体传感器的传感材料发生反应，导致电学相关特性发生不可逆的变化，通过模式识别算法检测与表征这些变化并进行分类。设计一种具有强大的感官设备能够区分不同食品基质香气特征的食品品质检测装置，应用于食品工业中可用于描述食品风味、品种类型、成熟阶段和保质期，该装置进行质量分级具有快速、无损、操作简便和批量检测等优点，鉴定掺假情况，监测保质期内的质量衰减情况等方面发挥重要作用，同时有较好的应用可行性和发展前景。
技术实现思路
1、专利技术目的：本专利技术公开了一种食品品质智能检测方法及其装置，具有高灵敏、快速、准确和无损等优点，在食品工业领域得到了越来越多的关注，可以模拟人类的嗅觉系统对气体进行检测和识别，可用于食品行业的质量控制和安全监测。通过评估样品空间中特定挥发性代谢物的存在和含量，实现具有不同香气特征的食品基质的区分和分类，是一种自动化、无损、成本低和效益高的技术，适合用于食品工业的常规控制与质量保证。
2、技术方案：本专利技术公开一种食品品质智能检测方法及其装置，包括如
3、步骤1：构建参数检测模块，参数检测模块包括深度降噪编码器神经网络模型、食品气味参数小波分解模型、aco的gcn图卷积网络模型、n个bigru神经网络模型-新陈代谢灰色gm(1，1)模型、新陈代谢灰色gm(1，1)模型、bigru神经网络模型和aco的gcn图卷积网络模型-bigru神经网络模型；
4、参数传感器输出数据经过深度降噪编码器神经网络模型后通过食品气味参数小波分解模型分解为n个分量，分别经过n个bigru神经网络模型-新陈代谢灰色gm(1，1)模型后输入至aco的gcn图卷积网络模型-bigru神经网络模型；新陈代谢灰色gm(1，1)模型对深度降噪编码器神经网络模型输出数据进行处理后输入至bigru神经网络模型和aco、gcn图卷积网络模型-bigru神经网络模型中；
5、多个参数传感器输出作为深度降噪编码器神经网络模型的对应输入，深度降噪编码器神经网络模型输出作为食品气味参数小波分解模型输入和新陈代谢灰色gm(1，1)模型输入，食品气味参数小波分解模型输出的趋势分量和多个高频分量分别作为对应的bigru神经网络模型-新陈代谢灰色gm(1，1)模型的输入和aco的gcn图卷积网络模型的对应输入，bigru神经网络模型-新陈代谢灰色gm(1，1)模型输出作为aco的gcn图卷积网络模型的对应输入；深度降噪编码器神经网络模型输出与aco的gcn图卷积网络模型输出的时间序列差和深度降噪编码器神经网络模型输出与新陈代谢灰色gm(1，1)模型输出的时间序列差分别作为bigru神经网络模型的对应输入，bigru神经网络模型输出、aco的gcn图卷积网络模型输出和新陈代谢灰色gm(1，1)模型输出分别作为aco的gcn图卷积网络模型-bigru神经网络模型的对应输入，aco的gcn图卷积网络模型-bigru神经网络模型输出作为被检测参数值和参数检测模块的输出。参数检测模块结构与功能见图1所示。
6、步骤2：构建食品品质智能化检测子系统，包括5个参数检测模块、aco的gcn图卷积网络模型、aco的t-s模糊神经网络模型、aco的bigru神经网络模型、2个区间数的gcu图卷积网络模型-t-s模糊神经网络模型；
7、多个传感器1输出、多个传感器2输出、多个传感器3输出和多个传感器4输出分别作为对应的参数检测模块输入，多个温度传感器输出作为另一个对应参数检测模块的对应输入，5个参数检测模块输出分别作为aco的gcn图卷积网络模型和区间数的gcu图卷积网络模型-t-s模糊神经网络模型1的对应输入，aco的gcn图卷积网络模型输出分别作为aco的t-s模糊神经网络模型输入、aco的bigru神经网络模型输入和区间数的gcu图卷积网络模型-t-s模糊神经网络模型2的对应输入，aco的t-s模糊神经网络模型输出和aco的bigru神经网络模型输出分别作为区间数的gcu图卷积网络模型-t-s模糊神经网络模型2的对应输入，区间数的gcu图卷积网络模型-t-s模糊神经网络模型2输出作为aco的gcn图卷积网络模型的对应输入，区间数的gcu图卷积网络模型-t-s模糊神经网络模型1输出作为区间数的gcu图卷积网络模型-t-s模糊神经网络模型2的对应输入，区间数的gcu图卷积网络模型-t-s模糊神经网络模型2输出的三角模糊值代表食品品质等级。食品品质智能化检测子系统结构与功能见图2所示。
8、本专利技术还公开一种食品品质检测装置，包括多个检测单元和远程监控端，检测单元包括样品室、气流管、气室、多传感器阵列、检测节点和风扇，样品室的食品挥发的气味通过气流管和进气阀被风扇吸入到气室内，与检测节点的多个传感器阵列反应后产生信号，通过检测节点的cc2530接口和远程监控端的rs232/cc2530接口之间通信传输给远程监控端，远程监控端设置的权利要求1或2所述的食品品质智能化检测子系统对多个检测单元的多个气室内的食品气味进行处理，识别出被检测食品质量等级，远程监控端由1台工业控制计算机和rs232/cc2530接口组成，rs232/cc2530接口实现远程监控端与多个检测单元的检测节点的数据通信。
9、优选地，被检测食品的多个样品同时放置在多个检测单元的对应样品室，每个检测单元的检测节点可以调节对应气室不同温度，每个检测单元的气室都有多个传感器阵列，多个传感器阵列布置在对应气室的侧面、底部、中间垂直面和顶部的不同位置，实现对食品散发出的气味进行一个侧面或者几个侧面、一个平面或者几个平面、一个垂直面或者几个垂直面以及侧面、平面和垂直面同时进行全面检测。
10、优选地，每个传感器阵列由对食品气味有敏感性的传感器1、传感器2、传感器3和传感器4不同类型的4种不同型号传感器组成。
11、优选地，多个检测单元同时采集被检测食品的多个样品在不同温度、相同温度和温度变化条件下气室不同空间维度的动态变化的食品气味。一种食品品质检测装置结构与功能见图3所示。
12、相比于现有技术，本专利技术具有以下优点：
13、一、本专利技术深度降噪自编码神经网络模型将降噪自编码器和深度神经网络结合，深度神经网络构建多层的降噪自编码网络结构，网络层数过少会导致特征学习不充分从而影响食品气味参数结果，通过多次的神经元变换将数据压缩到低维空间，学习数据特征的深层表达，前一个自编码器的输出作为下一个自编码器的输入，连接构建深度的自编码结构充分学习数据特征，同时在误差函数中增加约束项，根据隐藏层本文档来自技高网...
【技术保护点】
1.一种食品品质智能化检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种食品品质智能化检测方法，其特征在于，多个参数传感器输出作为深度降噪编码器神经网络模型的对应输入，深度降噪编码器神经网络模型输出作为食品气味参数小波分解模型输入和新陈代谢灰色GM（1，1）模型输入，食品气味参数小波分解模型输出的趋势分量和多个高频分量分别作为对应的BiGRU神经网络模型-新陈代谢灰色GM（1，1）模型的输入和ACO的GCN图卷积网络模型的对应输入，BiGRU神经网络模型-新陈代谢灰色GM（1，1）模型输出作为ACO的GCN图卷积网络模型的对应输入；深度降噪编码器神经网络模型输出与ACO的GCN图卷积网络模型输出的时间序列差和深度降噪编码器神经网络模型输出与新陈代谢灰色GM（1，1）模型输出的时间序列差分别作为BiGRU神经网络模型的对应输入，BiGRU神经网络模型输出、ACO的GCN图卷积网络模型输出和新陈代谢灰色GM（1，1）模型输出分别作为ACO的GCN图卷积网络模型-BiGRU神经网络模型的对应输入，ACO的GCN图卷积网络模型-BiGRU神经网络模型输出作为被
3.一种食品品质检测装置，其特征在于，包括多个检测单元和远程监控端，检测单元包括样品室、气流管、气室、多传感器阵列、检测节点和风扇，样品室的食品挥发的气味通过气流管和进气阀被风扇吸入到气室内，与检测节点的多个传感器阵列反应后产生信号，通过检测节点的CC2530接口和远程监控端的RS232/CC2530接口之间通信传输给远程监控端，远程监控端设置的权利要求1或2所述的食品品质智能化检测子系统对多个检测单元的多个气室内的食品气味进行处理，识别出被检测食品质量等级，远程监控端由1台工业控制计算机和RS232/CC2530接口组成，RS232/CC2530接口实现远程监控端与多个检测单元的检测节点的数据通信。
4.根据权利要求3所述的一种食品品质检测装置，其特征在于，被检测食品的多个样品同时放置在多个检测单元的对应样品室，每个检测单元的检测节点可以调节对应气室不同温度，每个检测单元的气室都有多个传感器阵列，多个传感器阵列布置在对应气室的侧面、底部、中间垂直面和顶部的不同位置，实现对食品散发出的气味进行一个侧面或者几个侧面、一个平面或者几个平面、一个垂直面或者几个垂直面以及侧面、平面和垂直面同时进行全面检测。
5.根据权利要求4所述的一种食品品质检测装置，其特征在于，每个传感器阵列由对食品气味有敏感性的传感器1、传感器2、传感器3和传感器4不同类型的4种不同型号传感器组成。
6.根据权利要求3所述的一种食品品质检测装置，其特征在于，多个检测单元同时采集被检测食品的多个样品在不同温度、相同温度和温度变化条件下气室不同空间维度的动态变化的食品气味。
...【技术特征摘要】
1.一种食品品质智能化检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种食品品质智能化检测方法，其特征在于，多个参数传感器输出作为深度降噪编码器神经网络模型的对应输入，深度降噪编码器神经网络模型输出作为食品气味参数小波分解模型输入和新陈代谢灰色gm（1，1）模型输入，食品气味参数小波分解模型输出的趋势分量和多个高频分量分别作为对应的bigru神经网络模型-新陈代谢灰色gm（1，1）模型的输入和aco的gcn图卷积网络模型的对应输入，bigru神经网络模型-新陈代谢灰色gm（1，1）模型输出作为aco的gcn图卷积网络模型的对应输入；深度降噪编码器神经网络模型输出与aco的gcn图卷积网络模型输出的时间序列差和深度降噪编码器神经网络模型输出与新陈代谢灰色gm（1，1）模型输出的时间序列差分别作为bigru神经网络模型的对应输入，bigru神经网络模型输出、aco的gcn图卷积网络模型输出和新陈代谢灰色gm（1，1）模型输出分别作为aco的gcn图卷积网络模型-bigru神经网络模型的对应输入，aco的gcn图卷积网络模型-bigru神经网络模型输出作为被检测参数值和参数检测模块的输出。
3.一种食品品质检测装置，其特征在于，包括多个检测单元和远程监控端，检测单元包括样品室、气流管、气室、多传感器阵列、检测节点和风扇，样品室的食品挥发的气味通过气流管和进气阀被风...
【专利技术属性】
技术研发人员：王宇扬，丁卫红，马从国，丁晓红，王建国，黄凤芝，李亚洲，张静，周红标，金德飞，马海波，周恒瑞，李月，庄褀，
申请(专利权)人：淮阴工学院，
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。