[发明专利]一种鱼类货架期的判断方法及装置

说明书

本发明提供了一种鱼类货架期的判断方法及装置。方法包括：获取保存温度、保存时间和气体成分数据；将气体成分数据输至N个主成分表达式获取N个主成分值；将保存温度、保存时间和N个主成分值输入至第一径向基函数神经网络模型获取挥发性盐基氮的预测含量；将保存温度、保存时间和N个主成分值输入至第二径向基函数神经网络模型获取菌落总数的预测含量；在挥发性盐基氮的预测含量或菌落总数的预测含量大于挥发性盐基氮的预设值或菌落总数的预设值时，确定样本超过货架期。本发明能够快速的，无损的，操作简便的预测不同温度下鱼类新鲜度及货架期，在物流配送、零售过程进行快速、及时、无损的新鲜度及货架期预测和监测。

技术领域

本发明涉物流监控技术领域，具体涉及一种鱼类货架期的判断方法及装置。

背景技术

近年来，渔业生产得到长足发展，水产加工业产值也持续增长。随之而来的鱼类食品质量安全问题也屡屡出现。由于鱼类的主要成分为：水、碳水化合物和蛋白质，在加工、运输、保存过程的不同温度变化会导致鱼肉品质劣变。因此，冷链物流、零售过程中鱼类食品的新鲜度和货架期尤其值得关注。

现有技术中对鱼类食品的品质检测及货架期的预测费时费力，不能对冷藏鱼类食品在物流配送、零售过程进行快速、及时、无损的新鲜度及货架期判断和预测，难以满足现代快节奏化时代的需求。因此，迫切需要一种针对不同温度下鱼类新鲜度及货架期的快速的、无损的、操作简便的判断方法。

发明内容

针对现有技术中的缺陷，本发明提供一种鱼类货架期的判断方法及装置，实现了鱼肉在冷链物流、零售过程中货架期判定及预测，为鱼肉质量和安全的监测和控制提供支持。

为实现上述目的，本发明提供以下技术方案：

一方面，本发明提供了一种鱼类货架期的判断方法，包括：

获取鱼类样本的保存温度和保存时间，并采集所述保存温度和所述保存时间下的鱼类样本的气体成分数据；

将所述气体成分数据输入至N个主成分表达式中，获取N个主成分值；

将所述保存温度、所述保存时间和所述N个主成分值作为输入参数，输入至第一径向基函数神经网络模型中，获取挥发性盐基氮的预测含量；

将所述保存温度、所述保存时间和所述N个主成分值作为输入参数，输入至第二径向基函数神经网络模型中，获取菌落总数的预测含量；

在所述挥发性盐基氮的预测含量或所述菌落总数的预测含量大于挥发性盐基氮的预设值或菌落总数的预设值时，确定鱼类样本超过货架期。

进一步的，所述判断方法还包括：

采集鱼类样本在不同保存温度和不同保存时间下挥发性气体的气体成分数据、挥发性盐基氮的实测含量和菌落总数的实测含量；

对采集的所述气体成分数据进行主成分分析获取主成分的贡献率，将主成分按贡献率从大到小排列后，提取前N个主成分的N个主成分表达式；

将所述气体成分数据输入至N个主成分表达式中，获取N个主成分值；

采用径向基函数神经网络建立第一径向基函数神经网络模型，其中，将保存温度、保存时间、N个主成分值和挥发性盐基氮的实测含量作为训练样本，所述保存温度、所述保存时间和所述N个主成分值作为输入层的输入参数，将径向基函数作为隐含层的传递函数，将挥发性盐基氮的实测含量作为输出层的输出参数，建立第一径向基函数神经网络模型；

采用径向基函数神经网络建立第二径向基函数神经网络模型，其中，将保存温度、保存时间、N个主成分值和菌落总数的实测含量作为训练样本，所述保存温度、所述保存时间和所述N个主成分值作为输入层的输入参数，将径向基函数作为隐含层的传递函数，将菌落总数的实测含量作为输出层的输出参数，建立第二径向基函数神经网络模型。