[发明专利]一种海蟹安全性检测识别方法及系统

说明书

本发明公开了一种海蟹安全性检测识别方法及系统，包括步骤：S1：海蟹样本预处理；S2：自定义采集海蟹样本块中的气味数据；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；S7：新鲜度等级划分。本发明利用机器嗅觉对海蟹样本的气味进行无损检测，利用机器学习提取特征，对其食用安全等级分类，解决了蟹类检测在不被分割的完整状态下，面对微弱信号的检测难以提取有效表征气味信息的特征的难题。

技术领域

本发明涉及嗅觉识别技术，尤其涉及一种海蟹安全性检测识别方法及系统。

背景技术

随着国民经济的发展和生活水平的提高，海鲜的产出与消耗越来越大。海鲜极易存货各类微生物，如2020年初爆发的新冠病毒在湿冷环境中极易生存，因此海鲜成为其最佳食物载体，使得人们对海鲜的卫生品质及安全度的检测也越来越重。

本申请发明人研究海蟹时，发现新鲜度是海蟹质量的一个重要指标。海蟹打捞出海后会随着时间会慢慢的挥发出具有腐败性特征的气体，比如H2S、NH3等，即使在高温蒸煮也不会被破坏，误食这些不新鲜的海蟹则会引起食物中毒，后果不堪设想。而人们通常在日常生活中判断能否食用的方法是通过包装日期以及海蟹味道，然而一些有害气味很难被人的鼻子闻出，因此对于海蟹类的海鲜产品，在无法判断其食用安全性的前提下，有必要进行安全性检测识别。

发明内容

为解决上述问题，本申请实施例通过提供一种海蟹安全性检测识别方法及系统；利用机器嗅觉系统对海蟹的气体信息进行无损检测，利用机器学习的方法获得特征数据，最终对其食用安全等级进行分类，与理化指标挥发性盐基氮含量标准，解决了蟹类检测在不被分割的完整状态下，面对微弱信号的检测难以提取有效表征气味信息的特征的难题。

第一方面，本申请实施例提供了一种海蟹安全性检测识别方法，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，对任意块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。