[发明专利]一种基于气味传感器的香精质量检测方法、系统及介质

说明书

本发明公开了一种基于气味传感器的香精质量检测方法系统及介质，所述方法包括设置气味传感器阵列，基于一维卷积神经网络对数据进行数据预处理，将类别概率向量与降维处理后的特征向量进行拼接数据融合，基于引力搜索算法根据融合后的数据特征进行识别，得到匹配的香精质量等级。本发明通过结合数据特征的相关度与冗余度进行特征的降维与融合，既保留了重要的特征信息，包括全局信息，又去除了冗余特征，降低了计算难度；基于引力搜索算法根据融合后的数据特征进行识别，实现了对香精质量的自动识别匹配，从而可以快速准确的香精质量检测。

技术领域

本发明涉及香精质量检测领域，尤其是一种基于气味传感器的香精质量检测方法系统及介质。

背景技术

食品中的香精香料对于食品生产而言, 是一种十分重要的生产原料, 香料香精的配方自然成为了生产企业的核心技术, 香精香料的质量与品牌的树立息息相关。随着生产工艺的不断进步，人们对产品的质量和风味有着越来越高的要求, 香精香料作为一种能影响食品口感及其风味的一种物品被广泛应用到食品生产行业。近年来, 人们的健康意识逐步增强, 也就使得生产企业需要着力改善食品的安全性, 对于香精香料的使用越来越谨慎, 一旦减少产品中香精香料的含量, 必然使得食物, 影响了食物的口感，也就使得产品丧失了原有的风格, 难以得到广大消费者的认同。因此在减少产品香精香料含量的同时, 优化香料香精配方以保障产品口感与香味。

目前对香精香料的检测方法常用的有气相色谱法、红外吸收光谱分析方法、紫外吸收光谱分析方法等，所述方法制备及实验过程复杂，且所需时间较长，无法实现大量的样本的检验，无法实现对香精香料的样品的快速准确的检测。

发明内容

为了解决上述技术问题，本发明提供一种基于气味传感器的香精质量检测方法系统及介质。所述方法基于气味传感器，通过对多个气味传感器的数据采集融合，实现对香精质量的自动识别匹配，从而实现了快速准确的香精质量检测。

本发明是通过以下技术方案实现的：

一种基于气味传感器的香精质量检测方法，包括如下步骤：

S1：设置气味传感器阵列，包括用于感知芳香族化合物的W1C传感器、感知氮氧化物的W5S传感器，感知氨和芳香族化合物的W3C传感器，感知氢的W6S传感器，感知硫化物的W1W传感器，感知乙醇的W2S传感器，感知烷烃的W3S传感器；

S2：获取气味传感器阵列数据；

S3：基于一维卷积神经网络对数据进行数据预处理；

S4：多传感器数据融合，将步骤S3提取到的多个传感器的数据特征进行融合；

融合方法为将类别概率向量与降维处理后的特征向量进行拼接融合，得到融合后的特征；

所述类别概率向量为利用原始输入特征分别基于不同的分类器进行特征训练得到类别概率向量；

S5：基于引力搜索算法根据融合后的数据特征进行识别，得到匹配的香精质量等级。

进一步的，所述步骤S3中的一维卷积神经网络包括4个卷积层和3个池化层以及一个展平层组成，卷积层的卷积核大小为3。

进一步的，所述步骤S4中类别概率向量通过下述方法得到：

利用原始输入特征分别基于不同的分类器进行特征训练，所述分类器包括随机森林、XGBoost、GBDT，通过训练得到类别概率向量。

进一步的，所述步骤S4中降维处理包括计算相关系数和冗余度，并根据相关系数和冗余度进行降维处理，所述降维处理包括删除相关性低于设定阈值的特征以及在冗余度大于设定阈值的特征中随机选择其中一个特征，从而得到降维处理后的特征。

进一步的，所述相关系数，计算方法如下：

；