[发明专利]基于多数据融合的干腌火腿储藏年份预测方法

权利要求书

1.基于多数据融合的干腌火腿储藏年份预测方法，其特征在于，包括如下步骤：

(1)储藏年份已知的干腌火腿分别制备方块状、粉状和液态的干腌火腿检测样品；

(2)采用电子鼻、电子舌和机器视觉分别对上述干腌火腿检测样品进行检测，构建智能感官数据库，并提取特征值；

(3)将步骤(2)中提取的特征值作为自变量，所述干腌火腿检测样品的储藏年份作为因变量，多数据融合建模，得到确定系数(R²)大且均方根误差(RMSE)小的储藏年份预测模型；

(4)储藏年份未知的干腌火腿经上述步骤(1)和(2)，得到特征值，再将得到的特征值导入步骤(3)所述储藏年份预测模型，得到其预测储藏年份。

2.根据权利要求1所述的干腌火腿储藏年份预测方法，其特征在于，

步骤(1)中，所述干腌火腿检测样品的制备方法包括：

(101)若干储藏年份已知的干腌火腿去骨去皮，取肌肉部分切成边长为1-2cm的方块状干腌火腿样品；

(102)所述方块状干腌火腿样品采用液氮进行冷却后，研磨3-5s，并重复研磨3-5次，得到粉状干腌火腿样品；

(103)所述粉状干腌火腿样品置于去离子水中静置2-3h，9000-10000r/min离心30-40min，取上清液过水相微孔滤膜，滤液按1：10-20的比例稀释，得到液态干腌火腿样品。

3.根据权利要求1或2所述的干腌火腿储藏年份预测方法，其特征在于，

步骤(2)中，机器视觉检测所述方块状干腌火腿样品，通过图像传感器得到所述干腌火腿样品及其重要区域的若干图片，且图片分辨率不低于600×600；

电子鼻检测所述粉状干腌火腿样品，得到若干电子鼻传感器响应信号；

电子舌检测所述液态干腌火腿样品，得到若干电子舌传感器响应信号。

4.根据权利要求3所述的干腌火腿储藏年份预测方法，其特征在于，

步骤(2)中，机器视觉图片提取的特征值包括但不限于RGB色彩模式下的红值平均值、绿值平均值、蓝值平均值和其数学变化后的红值标准偏差、绿值标准偏差、蓝值标准偏差，及经图像前处理算法小波变换后各通道的平均值(m)、标准差(s)和平均能量(e)。

5.根据权利要求4所述的干腌火腿储藏年份预测方法，其特征在于，

步骤(2)中，平均值(m)、标准差(s)和平均能量(e)的计算公式如下式(2-1)、(2-2)和(2-3)所示：

其中，m为机器视觉图片的各通道下的平均值；

s为机器视觉图片的各通道下的标准差；

e为机器视觉图片的各通道下的平均能量；

X为机器视觉图片的各个子集图片的横轴像素点数量；

Y为机器视觉图片的各个子集图片的纵轴像素点数量；

p(x,y)为机器视觉图片的各个子集图片中第(x,y)个像素点的数值。

6.根据权利要求1所述的干腌火腿储藏年份预测方法，其特征在于，

步骤(2)中，电子鼻和电子舌提取的特征值包括但不限于其传感器响应信号的最大值、最小值、稳定阶段响应值、响应信号的平均值、响应信号的积分值和响应信号的微分值。

7.根据权利要求1所述的干腌火腿储藏年份预测方法，其特征在于，

步骤(3)中，所述多数据融合建模方法包括但不限于数理统计分析法、神经网络算法和随机森林算法。

8.根据权利要求1所述的干腌火腿储藏年份预测方法，其特征在于，

步骤(3)中，确定系数(R²)和均方根误差(RMSE)的计算公式如下式(3-1)和(3-2)所示：

其中，R²为确定系数；

RMSE为均方根误差；

N表示预测模型建立过程中使用的储藏年份已知的样本个数；

X_i为预测模型建立过程中第i个样本储藏年份的实际值；

为预测模型建立过程中所有样本储藏年份的实际值的平均值；

Y_i为预测模型建立过程中第i个样本的储藏年份的预测值；

为预测模型建立过程中所有样本储藏年份的预测值的平均值。