一种基于气相电子鼻和机器学习的小龙虾新鲜度检测方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113984946A(43)申请公布日2022.01.28(21)申请号202111228666.9G06N3/08(2006.01)(22)申请日2021.10.21(71)申请人江南大学地址214122江苏省无锡市滨湖区蠡湖大道1800号(72)发明人许艳顺汤楚涵颜孙洁夏文水余达威姜启兴杨方(74)专利代理机构南京禹为知识产权代理事务所(特殊普通合伙)32272代理人刘小莉(51)Int.Cl.G01N30/86(2006.01)G06K9/62(2022.01)G06F17/16(2006.01)G06N3/04(2006.01)权利要求书3页说明书10页附图2页(54)发明名称一种基于气相电子鼻和机器学习的小龙虾新鲜度检测方法(57)摘要本发明公开了一种基于气相电子鼻和机器学习的小龙虾新鲜度检测方法，包括，将小龙虾样品放置于烧杯中，并用双层保鲜膜封口，静置顶空；预热超快速气相电子鼻仪器，将进样针深入烧杯进行取样，获得色谱图；归一化色谱图峰高的最大值、最小值；预处理峰高的基线数据，并利用置信学习剔除色谱图的标签噪声；利用序列模型对色谱图进行特征提取，获得不同新鲜度气味变化的色谱图趋势特征；根据色谱图趋势特征并通过多层感知器提取各保留时间对应的挥发性化合物含量特征，并拼接色谱图趋势特征和挥发性化合物含量特征；利用前馈神经网络拼接后的特征进行特征分类；本发明能够准确获得不同新鲜度小龙虾的气味信息，实现了对小龙虾新鲜度的准确分类。CN113984946ACN113984946A权利要求书1/3页1.一种基于气相电子鼻和机器学习的小龙虾新鲜度检测方法，其特征在于：包括，将小龙虾样品放置于烧杯中，并用双层保鲜膜封口，静置顶空；预热超快速气相电子鼻仪器，将进样针深入烧杯进行取样，获得色谱图；将色谱图峰高的最大值、最小值进行归一化预处理；对峰高的基线数据进行预处理，并利用置信学习策略剔除小龙虾样品的标签噪声；利用序列模型对色谱图进行特征提取，获得不同新鲜度气味变化的色谱图趋势特征；根据所述色谱图趋势特征并通过多层感知器提取各保留时间对应的挥发性化合物含量特征，并拼接所述色谱图趋势特征和挥发性化合物含量特征；利用前馈神经网络拼接后的特征进行特征分类。2.如权利要求1所述的基于气相电子鼻和机器学习的小龙虾新鲜度检测方法，其特征在于：所述归一化预处理包括，其中，hscale为归一化后的色谱图峰高，h为色谱图峰高，hmin为色谱图峰高的最小值，hmax为色谱图峰高的最大值。3.如权利要求2所述的基于气相电子鼻和机器学习的小龙虾新鲜度检测方法，其特征在于：预处理所述峰高的基线数据包括，计算峰高经验分布对于峰高h的取值范围R＝{h|0＜h＜+∞}，对于任意给定的正常数s存在一个划分S＝{S1，S2，...，Sr}，满足：Si＝{h|(i‑1)×s≤h≤i×s，sup(R)≤r×s}，i＝1，2，...r；定义峰高h落在不同数据段区间的事件Ai＝{h|h∈Si}，则该事件的发生概率计算估计的基线值其中，其中，Sr为划分的第r个数据段；m为发生概率最大的事件Ai对应的区间的编号，Sm为发生概率最大的事件对应的划分，n为峰高总数，为第i个划分的经验分布，为第i‑1个划分的经验分布。4.如权利要求3所述的基于气相电子鼻和机器学习的小龙虾新鲜度检测方法，其特征在于：所述峰高经验分布包括，将色谱图峰高h1，h2，...，hn视为独立同分布的实随机变量，累积分布函数为F(k)，得到峰高经验分布2CN113984946A权利要求书2/3页其中，为{hi|hi≤k}的指示函数。5.如权利要求4所述的基于气相电子鼻和机器学习的小龙虾新鲜度检测方法，其特征在于：剔除色谱图的标签噪声包括，将初始标注、可能存在错误的天数标签定义为真实标签定义为y*，样本总数为N，类别数量为M；将N个样本平均分为a份，取其中一份作为测试集，剩余a‑1份作为训练集，计算测试集样本的估计概率p＝{pj，j＝0，1，...，M}，重复a次，得到所有样本的折外预测；计算每个标定类别j下的平均概率tj，并将其作为置信度阈值：计算计数矩阵标定计数矩阵：估计初始标签和真实标签y*的联合分布对于计数矩阵的非对角单元，选取个样本进行过滤，并按照最大间隔排序，过滤每一类别的个最大间距样本；其中，样本x属于第j个类别的概率为初始标记的个数；l表示满足的标签；为计数矩阵的标定值。6.如权利要求3、4、5任一所述的基于气相电子鼻和机器学习的小龙虾新鲜度检测方法，其特征在于：所述色谱图趋势特征包括，所述序列模型通过多次卷积初步得到粗糙的趋势特征X，而后基于LSTM网络提取X的趋势特征SLSTM(X)，即所述色谱图趋势特征：其中，LSTM1、