[发明专利]一种基于CNN-LSTM模型预测三文鱼新鲜度的方法、设备及介质

权利要求书

1.一种基于CNN-LSTM模型预测三文鱼新鲜度的方法，其特征在于，包括如下步骤：

S1.样品制备，将新鲜三文鱼切成三文鱼样品，分别放入若干个冰柜进行恒温贮藏实验和变温贮藏实验，所述的若干个冰柜设定温度不同且恒定；

S2.在恒温贮藏实验中，三文鱼样品在若干个冰柜在规定时间内进行储藏，并在到达指定储藏时间时立即检测三文鱼样品的菌落总数TVC，得到在恒定储藏TVC数据；

S3.变温贮藏实验中，三文鱼样品在若干个不同温度的冰柜进行转移，在到达指定储藏时间时立即检测三文鱼样品的菌落总数TVC，得到变温储藏TVC数据；

S4.构建并训练CNN-LSTM模型，构建CNN-LSTM模型的函数表达式如下：

f(T_day1,T_day2…T_dayN)＝TVC_T (1)

其中T_dayN指第N_th天的储存温度，TVC_T指温度T下的TVC值；利用恒温贮藏实验和变温贮藏实验的温度数据作为输入，对应的恒定储藏TVC数据、变温储藏TVC数据作为输出，对CNN-LSTM模型进行训练；

S5.利用S4训练后的CNN-LSTM模型对三文鱼在温度波动下的菌落总数TVC，即新鲜度进行预测。

2.根据权利要求1所述的一种基于CNN-LSTM模型预测三文鱼新鲜度的方法，其特征在于，在所述的S2的恒温贮藏实验中，所述的冰柜数量为四，设定温度分别为-18℃、2℃、4℃和20℃，储藏时间为1-16天。

3.根据权利要求1所述的一种基于CNN-LSTM模型预测三文鱼新鲜度的方法，其特征在于，在所述的S2的恒温贮藏实验中，所述的冰柜数量为四，设定温度分别为-18℃、2℃、4℃和20℃，其中在-18℃和4℃下，三文鱼样品的储藏时间分别是1天、2天、3天、4天、5天、7天、8天、9天、10天、11天、12天和14天；在2℃下，三文鱼样品的储藏时间分别是2天、5天、8天、11天和16天；在20℃下，三文鱼样品储存时间为1-5天。

4.根据权利要求1所述的一种基于CNN-LSTM模型预测三文鱼新鲜度的方法，其特征在于，在所述的S3的变温贮藏实验中，所述的冰柜数量为三，设定温度分别为-18℃、4℃和20℃，在输入数据进行模型训练时，将最长储藏时间设置为14天，但实际储存时间低于14天时，使用嗜冷菌最低生长温度进行填充。

5.根据权利要求1所述的一种基于CNN-LSTM模型预测三文鱼新鲜度的方法，其特征在于，所述的CNN-LSTM模型包括输入层、一维卷积层、最大池化层、LSTM隐藏层、全连接层；所述的输入层为一维温度数据输入，一维卷积层通过一维卷积核接收一维温度数据，最大池化层将一维卷积层的输出进行大小压缩，然后通过LSTM隐藏层进行多维度挖掘数据特征并寻找局部特征之间的相关性并输出特征向量进入全连接层，全连接层输出结果。

6.根据权利要求5所述的一种基于CNN-LSTM模型预测三文鱼新鲜度的方法，其特征在于，所述的一维卷积层的卷积公式如下：

其中x为输入序列，u为卷积核。

7.根据权利要求5所述的一种基于CNN-LSTM模型预测三文鱼新鲜度的方法，其特征在于，所述的一维卷积核个数为14个，卷积核尺寸为1*1，不填充周边，卷积步长为1；所述的最大池化层中池化核尺寸为1*1。