[发明专利]酒精含量检测方法、装置及检测设备

说明书

本发明提出一种酒精含量检测方法、装置及检测设备，该方法包括向待测样品施加激励信号；确定待测样品基于激励信号的响应数据；根据响应数据，结合预训练的神经网络模型确定待测样品中的酒精含量；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。通过本发明能够有效提升酒精含量检测的精确度，提升酒精含量检测效果。

技术领域

本发明涉及酒品检测技术领域，尤其涉及一种酒精含量检测方法、装置及检测设备。

背景技术

在一些应用场景下，通常需要对酒品的酒精含量进行检测，例如，通过人工的感官品评来检测酒精含量，或者，通过一些物理化学现象检测酒品中的物质组分含量，从而确定酒精含量，又或者，利用酒精在滤纸上铺展的现象对酒精含量进行粗糙的检测。

这些方式下，酒精含量检测的精确度不高，酒精含量检测效果不佳。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的目的在于提出一种酒精含量检测方法、装置及检测设备，能够有效提升酒精含量检测的精确度，提升酒精含量检测效果。

为达到上述目的，本发明第一方面实施例提出的酒精含量检测方法，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。

本发明第一方面实施例提出的酒精含量检测方法，通过向待测样品施加激励信号，并确定待测样品基于激励信号的响应数据，以及根据响应数据，结合预训练的神经网络模型确定待测样品中的酒精含量；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，能够有效提升酒精含量检测的精确度，提升酒精含量检测效果。

为达到上述目的，本发明第二方面实施例提出的酒精含量检测装置，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。

本发明第二方面实施例提出的酒精含量检测装置，通过向待测样品施加激励信号，并确定待测样品基于激励信号的响应数据，以及根据响应数据，结合预训练的神经网络模型确定待测样品中的酒精含量；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，能够有效提升酒精含量检测的精确度，提升酒精含量检测效果。

为达到上述目的，本发明第三方面实施例提出的酒精含量检测设备，包括：本发明第二方面实施例提出的酒精含量检测装置。

本发明第三方面实施例提出的检测设备，通过向待测样品施加激励信号，并确定待测样品基于激励信号的响应数据，以及根据响应数据，结合预训练的神经网络模型确定待测样品中的酒精含量；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，能够有效提升酒精含量检测的精确度，提升酒精含量检测效果。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1是本发明一实施例提出的酒精含量检测方法的流程示意图；

图2是本发明另一实施例提出的酒精含量检测方法的流程示意图；

图3为本发明实施例中阻抗值示意图；

图4为本发明实施例中一训练结果示意图；

图5为本发明实施例中另一训练结果示意图；