[发明专利]一种鱼类货架期的判断方法及装置

权利要求书

1.一种鱼类货架期的判断方法，其特征在于，包括：

获取鱼类样本的保存温度和保存时间，并采集所述保存温度和所述保存时间下的鱼类样本的气体成分数据；

将所述气体成分数据输入至N个主成分表达式中，获取N个主成分值；

将所述保存温度、所述保存时间和所述N个主成分值作为输入参数，输入至第一径向基函数神经网络模型中，获取挥发性盐基氮的预测含量；

将所述保存温度、所述保存时间和所述N个主成分值作为输入参数，输入至第二径向基函数神经网络模型中，获取菌落总数的预测含量；

在所述挥发性盐基氮的预测含量或所述菌落总数的预测含量大于挥发性盐基氮的预设值或菌落总数的预设值时，确定鱼类样本超过货架期；

所述判断方法还包括：

采集鱼类样本在不同保存温度和不同保存时间下挥发性气体的气体成分数据、挥发性盐基氮的实测含量和菌落总数的实测含量；

对采集的所述在不同保存温度和不同保存时间下挥发性气体的气体成分数据进行主成分分析获取主成分的贡献率，将主成分按贡献率从大到小排列后，提取前N个主成分的N个主成分表达式；

将所述在不同保存温度和不同保存时间下挥发性气体的气体成分数据输入至N个主成分表达式中，获取N个主成分值；

采用径向基函数神经网络建立第一径向基函数神经网络模型，其中，将不同保存温度、不同保存时间、N个主成分值和挥发性盐基氮的实测含量作为训练样本，所述不同保存温度、所述不同保存时间和所述N个主成分值作为输入层的输入参数，将径向基函数作为隐含层的传递函数，将挥发性盐基氮的实测含量作为输出层的输出参数，建立第一径向基函数神经网络模型；

采用径向基函数神经网络建立第二径向基函数神经网络模型，其中，将不同保存温度、不同保存时间、N个主成分值和菌落总数的实测含量作为训练样本，所述不同保存温度、所述不同保存时间和所述N个主成分值作为输入层的输入参数，将径向基函数作为隐含层的传递函数，将菌落总数的实测含量作为输出层的输出参数，建立第二径向基函数神经网络模型；

所述第一径向基函数神经网络模型，包括：

第一输入层、第一隐含层和第一输出层；

所述第一输入层，用于输入多个输入参数；

所述第一隐含层的映射函数为：

其中，x_ai表示第一输入层的第i个输入参数，i＝1,2,3....n；w_aji表示第一径向基函数神经网络模型中的突触权值；X为第一输出层的输入参数；

所述第一输出层，用于输出挥发性盐基氮的预测含量，映射函数为：

Y_TVB-N＝Σw_ajX+b_k1；

其中，w_aj表示第一隐含层到第一输出层的权值，b_k1表示第一隐含层到第一输出层的阈值，Y_TVB-N为第一输出层的输出参数；

鱼类样本的挥发性盐基氮的预测含量为：

TVB-N＝8.76Y_TVB-N+19；

其中，TVB-N为挥发性盐基氮的预测含量；

所述第二径向基函数神经网络模型，包括：

第二输入层、第二隐含层和第二输出层；

所述第二输入层，用于输入多个输入参数；

所述第二隐含层的映射函数为：

其中，x_bi表示第二输入层的第i个输入参数，i＝1,2,3....n；w_bji表示第二径向基函数神经网络模型中的突触权值；R为第二输出层的输入参数；

所述第二输出层，用于输出菌落总数的预测含量，映射函数为：

Y_TAC＝∑w_bjR+b_k2；

其中，w_bj表示第二隐含层到第二输出层的权值，b_k2表示第二隐含层到第二输出层的阈值，Y_TAC为第二输出层的输出参数；

鱼类样本中的菌落总数的预测含量为：

TAC＝2.33Y_TAC+5.48；

其中，TAC为菌落总数的预测含量。

2.根据权利要求1所述的判断方法，其特征在于，N个所述主成分的累计贡献率大于90％。