[发明专利]一种基于机器学习的水果品质检测方法

权利要求书

1.一种基于机器学习的水果品质检测方法，其特征在于：包括如下步骤：

步骤1：建立传感器单元、采集单元和上位机；

步骤2：传感器单元包括导气瓶，导气瓶左端设有废气排出口，右端设有进气口，导气瓶内设采集单元、阵列传感器和吸气泵；

吸气泵和阵列传感器均与采集单元电连接；

步骤3：上位机对采集单元上传的样本气体数据进行筛选，得到样本气体数据的主成分样本气体数据；

步骤4：上位机根据主成分样本气体数据建立训练集和测试集，设定训练集中的主成分样本气体数据为x_j，测试集中的主成分样本气体数据为x_i，其中，x为主成分样本气体数据的具体值，i和j均为样本气体数据的编号，i和j的取值均为正整数；

步骤5：对待测样本进行分类时，利用KNN算法对训练集进行修剪，选取k个与待测样本最近邻样本作为新训练集；选取最近邻样本时利用欧式距离公式计算距离值，欧式距离的公式如下：

其中，L为最终计算的样本的距离值，n为测试集中的主成分样本气体数据的总数；

步骤6：若k个样本属于同一类时，则待测样本即属于该类；否则利用SVM对新训练集进行训练，得到新的训练模型，利用新的训练模型来预测样本数据类别，SVM的核函数选取高斯径向核函数，高斯径向核函数的公式如下：

其中，KNN中的k值，SVM中核函数的核宽σ以及误差乘法参数C通过对样本的交叉验证来选取最优值。

2.如权利要求1所述的一种基于机器学习的水果品质检测方法，其特征在于：所述导气瓶内从左至右依次设有所述采集单元(2)、所述阵列传感器(3)、导流板A(5)、导流板B(6)和吸气泵(7)，导流板A(5)和导流板B(6)上均设有数个气孔。

3.如权利要求2所述的一种基于机器学习的水果品质检测方法，其特征在于：所述阵列传感器(4)包括固定板(9)、固设在固定板(9)上的线路板(10)和固设在线路板(10)上的传感器组(4)。

4.如权利要求3所述的一种基于机器学习的水果品质检测方法，其特征在于：所述传感器组(4)包括一氧化碳传感器、醇类气体传感器、碳氢化合物传感器、氢气类气体传感器、烷类气体传感器和空气质量传感器。

5.如权利要求4所述的一种基于机器学习的水果品质检测方法，其特征在于：所述采集单元为MiniSTM32F103开发板，所述一氧化碳传感器、所述醇类气体传感器、所述碳氢化合物传感器、所述氢气类气体传感器、所述烷类气体传感器和所述空气质量传感器均与MiniSTM32F103开发板上的AD接口连接；所述上位机通过串口线与MiniSTM32F103开发板的串口连接。