[发明专利]一种海蟹安全性检测识别方法及系统

权利要求书

1.一种海蟹安全性检测识别方法，其特征在于，包括步骤：

S1：海蟹样本预处理；

选取不同储藏时间、不同批次的海蟹样本，切割为若干块后，混匀使污染程度较为均一，并密封冷藏；海蟹样本包括新鲜海蟹样本和冷冻海蟹样本；

S2：自定义采集海蟹样本块中的气味数据；

基于机器嗅觉系统利用电子鼻按照预设采集规则，对所述海蟹样本所产生的气味数据进行采集保存；

S3：利用one-hot编码对气味数据进行预处理；

S4：对气味数据进行特征选择和提取；

利用SVD分解协方差矩阵实现PCA算法的分解，对预处理后的气味数据进行降维处理，再利用one-hot编码提取出能够反映目标要求的特征数据；

S5：利用多元线性回归MLR对气味数据进行气味浓度判别；

S6：预测分析检测结果；

采用BP神经网络建立并训练海蟹新鲜度等级的预测模型，将步骤S4和步骤S5中提取的特征数据和气味浓度作为预测模型的输入，根据步骤S4中降维后的可视化结果分析，得到存储时间的分类数据，将其作为预测模型的输出，将训练好的模型预测海蟹样本的新鲜度等级，对比可视化分析结果和挥发性盐基氮含量TVB-N检测结果；

S7：新鲜度等级划分；参照水产行业国家标准GB2733-2005鲜、冻动物性水产品卫生规定方法，基于可视化分析结果和挥发性盐基氮含量TVB-N检测结果，对海蟹样本进行新鲜度等级划分。

2.如权利要求1所述的基于机器嗅觉技术的海蟹食用安全性的检测及识别方法，其特征在于，所述步骤S2中，预设采集规则包括：新鲜的海蟹样本在1H、4H、7H、12H、15H、18H、21H、24H进行采样测量；冷冻的海蟹样本在1D、3D、7D、10D、13D、15D、17D进行采样测量。

3.如权利要求1所述的基于机器嗅觉技术的海蟹食用安全性的检测及识别方法，其特征在于，所述步骤S3中，利用one-hot编码对气味数据进行预处理包括：基于海蟹样本产生的气味数据为离散型数据，利用one-hot编码中的多个状态寄存器对多个状态分别进行编码。

4.如权利要求1所述的基于机器嗅觉技术的海蟹食用安全性的检测及识别方法，其特征在于，所述步骤S4包括：

奇异值分解SVD中：任何一个n*m(n＞＝m)矩阵B具有如下的分解形式：B＝U「V^T (1)，其中，U表示n*m的矩阵，且各列正交U^TU＝I，V表示m*m的正交矩阵V^TV＝I，m*m包含奇异值的对角阵；

通过矩阵B定义两个对称矩阵BB^T和B^TB，分解如下：

BB^T＝UΓV^TVΓU^T＝UΓ²U^T (2)，

B^TB＝V「²V^T (3)，

其中，m各特征数据相同，剩余n-m各特征数据为0，并根据分解式(1)-(3)得到特征向量和特征值分别为V的列和的对角元素的平方；对角线上的元素表示奇异值，视为在输入与输出间进行的标量“膨胀控制”，以使特征数据的非零平方根，并与U和V的行向量相对应；

主成分分析方法PCA：海蟹样本所产生的的气味数据x_i(i＝i，2，...，n)的均值为μ，其协方差矩阵为：

若协方差大于0表示正相关，小于0表示负相关；

当协方差大于0时，一个变量增大，那么另一个变量也会增大；

当协方差小于0时，一个变量增大，那么另一个变量会减小；

协方差矩阵为一个数据集里变量两两之间协方差所组成的，表示一个方阵，行为属性节点集合，列和行的节点顺序一样，矩阵对角线上的属性自身的方差，C矩阵的第(i，j)个元素表示为数据集中第i和第j个元素的协方差；

每个样本去掉各维数的均值：X_i，j＝X_i，j-μ_i，那么协方差矩阵可以写成如下形式：PCA通过寻找在协方差矩阵最大特征值对应的特征向量，把数据投影到对应方向上。