[发明专利]基于GRNN神经网络的新型地沟油检测方法及其检测系统

说明书

本发明公开了一种基于GRNN神经网络的新型地沟油检测方法及其检测系统，包括数据采集器、单片机控制器和上位机，所述单片机控制器通过接收数据采集器采集到的信息并将其打包处理发送给上位机，所述上位机基于GRNN神经网络对获得的信息进行分析判别，得出此未知油样是正常食用油还是有害的地沟油；所述GRNN神经网络为由样本集训练完成并通过测试集进行调整的GRNN神经网络，所述样本集和测试集包括已知各参数的正常油样和地沟油油样。

技术领域

本发明涉及一种基于神经网络的地沟油检测与判断技术领域，特别是涉及一种能通过GRNN神经网络对未知的油样进行快速检测的测量装置及其判断方法。

背景技术

地沟油的快速检测和判别是我国食品安全领域的重要问题之一。目前我国所常用的地沟油检测技术其主要的测量参数包括电导率值，酸价值，氯离子浓度，胆固醇含量，折光率等。

在实际检测过程中，快速而又准确的鉴别地沟油是十分困难的。目前最常用的地沟油检测方法主要分为化学方法和物理方法。化学方法主要有酸性检测、重金属元素检测、胆固醇检测等，但是随着技术的发展，一些无良商家通过各种手段改变了油样中的酸性物质含量，铁元素浓度，氯离子含量等，使其符合正常油样的检测标准，导致化学检测的精度有所下降，甚至某些方法已不再适用于检测地沟油。

物理方法主要有电导率检测、色谱法、荧光光谱检测法等。在当前的地沟油检测中，电导率仍然是作为地沟油检测的关键参数，电导率单位的大小反映了地沟油中所含有的金属物质和导电离子的多少，而色谱法、荧光光谱检测法由于那些经过精炼的地沟油中D-甘油酸含量和芳烃化合物含量减少使得检测效果不明显，已不再适用。

综上所述，已有的化学方法和物理方法大多是独立进行检测相应的指标参数，且有些参数的检测必须依赖特殊环境如实验室环境才能进行，在一定程度上降低了效率。且目前市场上虽已出现相应的地沟油检测装置，但这些装置使用条件单一仅对某一特定参数进行分析和判别，且当特定参数只有细微差距时便无法对油样做出快速的判别。

发明内容

本发明的目的是为了解决上述问题，针对地沟油检测过程中快速、准确和高精度的要求，提出一种基于GRNN的神经网络的地沟油检测方法，其特点是测量过程简单、检测速度快、准确率高，同时又能对一些拥有着细微差距的油样进行分析和判别。

本发明公开了一种基于GRNN神经网络的新型地沟油检测方法，包括以下步骤：

S1：通过采集若干正常油样参数数据和地沟油油样参数数据构成样本集，将样本集分为训练集和测试集；

S2：创建GRNN神经网络模型，通过输入训练集进行训练和输入测试集进行模型精度调整，采用交叉验证和重复采样进行重复训练和测试；将测试后的输出进行互相对比并折中取优选，建立最优GRNN网络模型；

S3：采集未知油样参数数据，将该未知油样参数数据输入至最优GRNN网络模型进行正常油样和地沟油油样的判断。

进一步的，所述正常油样参数数据和地沟油油样参数数据均包括油样的电导率、酸价值和折光率值。

进一步的，所述GRNN神经网络通过训练集进行训练时，通过改变各参数数据所占的权重比，将GRNN神经网络中所要进行分析和判别的各参数数据所占的比重进行相应的增大或减小并通过梯度下降法进行迭代求解，得到最小化的损失函数和模型参数值，建立最优GRNN神经网络。

进一步的，S2中对训练集和测试集中的各参数数据进行权重比调整包括降低折光率值在神经网络中所占的权重，提高电导率值和酸价值在神经网络中所占的权重。

本发明还公开了一种基于GRNN神经网络的地沟油检测装置，包括数据采集器、单片机控制器和上位机，所述单片机控制器通过接收数据采集器采集到的信息并将其打包处理发送给上位机，所述上位机基于GRNN神经网络对获得的信息进行分析判别，得出未知油样是正常油样还是地沟油油样。