[发明专利]酒精含量检测方法、装置及检测设备

权利要求书

1.一种酒精含量检测方法，其特征在于，包括：

向待测样品施加激励信号；

确定所述待测样品基于所述激励信号的响应数据；

根据所述响应数据，结合预训练的神经网络模型确定所述待测样品中的酒精含量；所述神经网络模型已学习得到各响应数据与酒精含量之间的对应关系。

2.如权利要求1所述的酒精含量检测方法，其特征在于，所述神经网络模型，是采用具有各响应数据的初始样品对所述神经网络模型进行训练，直至所述神经网络模型识别出的所述初始样品的酒精含量与预先标注的酒精含量匹配时，所述神经网络模型训练完成。

3.如权利要求1或2所述的酒精含量检测方法，其特征在于，所述向待测样品施加激励信号，包括：

采用单支的电极向待测样品施加变频激励信号。

4.如权利要求3所述的酒精含量检测方法，其特征在于，所述响应数据为所述待测样品在不同频率的激励信号下的阻抗值。

5.如权利要求3所述的酒精含量检测方法，其特征在于，其中，

在训练所述神经网络模型前，对所述初始样品中的二氧化碳进行去除处理；

在训练所述神经网络模型时，逐次对去除二氧化碳后的初始样品添加设定量的酒精，得到多个不同酒精含量的初始样品，并将得到的多个不同的酒精含量作为对应初始样品所标注的酒精含量；

采用多个已标注酒精含量的初始样品对所述神经网络模型进行迭代训练。

6.如权利要求3所述的酒精含量检测方法，其特征在于，所述单支的电极为叉指电极。

7.一种酒精含量检测装置，其特征在于，包括：

信号发射模块，用于向待测样品施加激励信号；

第一确定模块，用于确定所述待测样品基于所述激励信号的响应数据；

第二确定模块，用于根据所述响应数据，结合预训练的神经网络模型确定所述待测样品中的酒精含量；所述神经网络模型已学习得到各响应数据与酒精含量之间的对应关系。

8.如权利要求7所述的酒精含量检测装置，其特征在于，所述神经网络模型，是采用具有各响应数据的初始样品对所述神经网络模型进行训练，直至所述神经网络模型识别出的所述初始样品的酒精含量与预先标注的酒精含量匹配时，所述神经网络模型训练完成。

9.如权利要求7或8所述的酒精含量检测装置，其特征在于，所述信号发射模块，具体用于：

采用单支的电极向待测样品施加变频激励信号。

10.如权利要求9所述的酒精含量检测装置，其特征在于，所述响应数据为所述待测样品在不同频率的激励信号下的阻抗值。

11.如权利要求9所述的酒精含量检测装置，其特征在于，所述装置还包括：

处理模块，用于在训练所述神经网络模型前，对所述初始样品中的二氧化碳进行去除处理，并在训练所述神经网络模型时，逐次对去除二氧化碳后的初始样品添加设定量的酒精，得到多个不同酒精含量的初始样品，并将得到的多个不同的酒精含量作为对应初始样品所标注的酒精含量；

训练模块，用于采用多个已标注酒精含量的初始样品对所述神经网络模型进行迭代训练。

12.如权利要求9所述的酒精含量检测装置，其特征在于，所述单支的电极为叉指电极。

13.一种检测设备，其特征在于，包括：

如上述权利要求7-12任一项所述的酒精含量检测装置。