[发明专利]基于特征选择的人工鼻冰箱食物新鲜度检测系统和方法

说明书

本发明公开了基于特征选择的人工鼻冰箱食物新鲜度检测方法及系统,基于人工鼻系统，通过人工鼻系统采集获得冰箱内温湿度信息和各食物挥发气体样本的样本响应信号，构成数据矩阵，对其进行滤波处理、修正补偿、特征提取、标准化处理、冗余特征过滤删除、对样本数据进行特征加权获得加权后特征集，运用BP神经网络训练获得食物新鲜度检测模型，实现对食物新鲜度的分类检测。本发明有效解决了冰箱食品新鲜度无法快速无损高效检测的问题，解决冗余特征较多，模型训练时间长的问题，提高了冰箱食物新鲜度的预测准确度，克服了传统的感官预测方法具有较强的主观性以及使用阈值判断食品新鲜度方法的局限性。

技术领域

本发明涉及冰箱食物检测领域，具体而言涉及一种基于特征选择的人工鼻冰箱食物新鲜度检测系统和方法。

背景技术

在过去几年中，食品安全事故频繁发生，原因是来自不同食物来源的食物中毒。当食品质量因新鲜度、清洁度、安全性和营养水平较低而降低时，可能会导致健康风险。食物的新鲜度是检测食品质量的重要指标之一，它直接影响到人们的健康与安全。在人们的平时生活中，冰箱冷藏是常用的保鲜措施。但是随着时间的延长，冰箱里面的食物也会发生腐变。并且由于冰箱内部环境相对密闭，人们不能及时发现食物的变质。因此，对冰箱冷藏食物的新鲜度进行快速准确的检测对于食品安全具有重要意义。

现有的人工鼻快速检测设备都是直接暴露于传感器冷藏室的低温高湿环境中，没有很好地对温湿度引起的传感器漂移进行校正，大多是采用选取同一温湿度下传感器的响应值进行分析。这种方法过于简单，误差大，且冰箱内环境变化大，有时候选取同一温湿度下的传感器数值存在困难。其次，现有的人工鼻冰箱食物新鲜度检测方法采用的特征降维技术是基于人为设定一个阈值，通过这个阈值去对特征数据进行筛选，这样容易过于依赖人的主观设定，分析效果时好时坏。另外，现有的人工鼻食物新鲜度检测系统采用的气体传感器大多数是旁热式金属氧化物半导体传感器，体积较大，功耗较高，预热时间长。因此，需要一种体积小、耗能少、易于集成的系统用于冰箱食物新鲜度快速检测。

发明内容

本发明的目的在于提供一种基于特征选择的人工鼻冰箱食物新鲜度检测方法 ，以解决现有技术中的食品新鲜度的检测方法成本昂贵、操作复杂、检测环境要求严格且分析时间较长，对食物样品有损伤，不便于常规使用等问题。

为实现上述目的，本发明提供如下技术方案：基于特征选择的人工鼻冰箱食物新鲜度检测方法，基于人工鼻系统，针对已知属于新鲜类别或腐烂类别的各食物挥发气体样本，执行以下步骤S1至步骤S6，获得食物新鲜度检测模型，实现对冰箱内食物新鲜度的分类检测；

步骤S1:通过人工鼻系统采集获得冰箱内温湿度信息和各食物挥发气体样本分别对应的样本响应信号，并进行滤波处理，更新各个样本响应信号，构成数据矩阵；随后进入步骤S2；

步骤S2：对数据矩阵中的各个样本响应信号由温湿度引起的传感器电阻值差进行修正补偿，更新样本响应信号，得到数据集；对数据集中的各个样本响应信号对应的MEMS传感器阵列响应曲线的相应特征，执行目标类型特征提取，进一步由各样本响应信号分别对应各目标类型特征数据所构成的特征向量，结合各样本响应信号分别对应新鲜类别或腐烂类别，构成特征数据集；随后进入步骤S3；

步骤S3：将特征数据集划分为训练数据集和测试数据集，并对训练数据集和测试数据集分别同时进行标准化处理，获得标准化处理后的样本训练集和标准化处理后的样本测试集；随后进入步骤S4；

步骤S4：分别对样本训练集中各个样本数据以及样本测试集中各个样本数据的冗余特征进行过滤删除，更新获得样本训练集和样本测试集；随后进入步骤S5；

步骤S5：基于样本训练集和样本测试集，分别针对样本训练集中的样本数据和样本测试集中的样本数据进行特征加权，更新获得样本训练集加权后的特征集，随后进入步骤S6；