[發(fā)明專利]一種農(nóng)產(chǎn)品品質(zhì)識別檢測標準的建立方法

無效

• 申請?zhí)枺?/td>: 201210109029.4
• 申請日: 2012-04-16
• 公開（公告）號: CN102654494A
• 公開（公告）日: 2012-09-05
• 發(fā)明（設(shè)計）人: 楊曉京;閆正虎
• 申請（專利權(quán)）人: 昆明理工大學(xué)
• 主分類號: G01N33/02
• 分類號: G01N33/02
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術(shù)領(lǐng)域

????本發(fā)明涉及一種農(nóng)產(chǎn)品品質(zhì)識別檢測標準的建立方法，屬于品質(zhì)鑒別技術(shù)領(lǐng)域。?

背景技術(shù)

隨著我國農(nóng)產(chǎn)品市場的增大，農(nóng)產(chǎn)品的品質(zhì)也越來越受到人們的關(guān)注。農(nóng)產(chǎn)品的品質(zhì)直接決定其口感，因此，對農(nóng)產(chǎn)品的品質(zhì)檢測研究有著十分重要的意義。以往對農(nóng)產(chǎn)品品質(zhì)的檢測都是采用單一的檢測方法，而農(nóng)產(chǎn)品品質(zhì)的檢測指標是多方面的，例如顏色、氣味、PH值及其它特性等，單一的檢測不能包括全方面的信息，對識別結(jié)果的認識存在局限性，并可能產(chǎn)生誤差。多傳感器信息融合技術(shù)，利用各種傳感器在性能上的差異和互補性彌補單一檢測方法的缺陷，克服單一檢測方法的局限性，使系統(tǒng)獲得更加充分的信息，從而實現(xiàn)對被測對象的全面準確的了解。?

同時，農(nóng)產(chǎn)品品質(zhì)標準體系建設(shè)關(guān)系到農(nóng)村經(jīng)濟發(fā)展、食品安全、人們生活質(zhì)量的提高等問題。我國農(nóng)產(chǎn)品品質(zhì)標準化基礎(chǔ)薄弱,?現(xiàn)有標準不齊全,?特別是缺少在國際上有影響力的標準,?涉及十大類主導(dǎo)農(nóng)產(chǎn)品品質(zhì)標準及其配套標準、規(guī)范等,綜合標準體系尚未形成,?具有地方特色的農(nóng)產(chǎn)品缺乏完整細致的地方標準；農(nóng)產(chǎn)品質(zhì)量檢測體系不健全,?農(nóng)產(chǎn)品安全管理不規(guī)范等都是當前較為突出的問題。因此，建立農(nóng)產(chǎn)品品質(zhì)判別標準及其檢測的方法顯得很有必要。?

發(fā)明內(nèi)容

針對現(xiàn)有問題的不足，本發(fā)明提供一種農(nóng)產(chǎn)品品質(zhì)識別檢測標準的建立方法，本方法基于多傳感器信息融合技術(shù)，這種多傳感器信息融合技術(shù)可以使系統(tǒng)獲得更加充分的信息，從而實現(xiàn)對被測對象的全面準確的了解，使得建立的判別標準更加準確，檢測結(jié)果更加精確。?

本發(fā)明采用的技術(shù)方案是：農(nóng)產(chǎn)品品質(zhì)判別標準的建立按照下面步驟進行：?

第一步、數(shù)據(jù)采集；

根據(jù)待測農(nóng)產(chǎn)品自身的特征選取特征傳感器，利用特征傳感器采集特征信息，將采集到的信息在LabVIEW可視化界面中顯示出來；

第二步、數(shù)據(jù)預(yù)處理；

將采集到的信息首先進行野點剔除處理、然后通過SPSS軟件，利用主成分分析特征提取公式

和對信息進行特征提取，其中，n表示傳感器的個數(shù)，m表示提取的主成分個數(shù)，表示各個傳感器對應(yīng)的各主成分的負荷因子，表示提出的各主成分的特征值，表示各個傳感器的響應(yīng)值，表示各主成分對應(yīng)各個傳感器響應(yīng)值的系數(shù)，選取能夠表現(xiàn)所有傳感器絕大部分信息的主成分作為第一主成分，將第一主成分的值作為特征信息，最后采用的公式：對特征數(shù)據(jù)進行歸一化處理，其中表示第i個傳感器的信息，表示全部i個傳感器的所有信息中的最小值，表示全部i個傳感器的所有信息中的最大值；

第三步、特征融合；

將歸一化的特征數(shù)據(jù)利用BP人工神經(jīng)網(wǎng)絡(luò)、通過Matlab軟件進行特征層融合，得到融合結(jié)果；

第四步、建立標準、專家系統(tǒng)；

多次對同一農(nóng)產(chǎn)品特征信息進行采樣，并求得每次特征層融合的結(jié)果，根據(jù)多次采樣的融合結(jié)果建立品質(zhì)判別標準，根據(jù)建立的標準建立專家系統(tǒng)。

選取的特征傳感器是氣味傳感器陣列或者其他特征傳感器，選取的特征傳感器可以是一種或幾種。?

采用的野點剔除方法具體為首先對每個傳感器采集到的信息進行求均值，然后將采集到的各個值與均值的進行比較，把那些偏離均值較大的信息進行剔除，對每個傳感器的信息均進行野點剔除處理。?

BP人工神經(jīng)網(wǎng)絡(luò)根據(jù)Kolmogorov定理采用一個N(2N+1)M的3層BP網(wǎng)絡(luò)，其中N表示輸入層的樣本數(shù)，根據(jù)選取的特征數(shù)目確定；M表示輸出層經(jīng)過神經(jīng)網(wǎng)絡(luò)訓(xùn)練的樣本數(shù)，根據(jù)農(nóng)產(chǎn)品的等級確定，將檢測到的信息分訓(xùn)練集和測試集代入網(wǎng)絡(luò)進行模擬訓(xùn)練，經(jīng)過訓(xùn)練，通過輸出結(jié)果就能對品質(zhì)等級進行區(qū)分。?

中間層神經(jīng)元的傳遞函數(shù)選擇S型正切函數(shù),輸出層神經(jīng)元的傳遞函數(shù)選擇S對數(shù)函數(shù),選擇誤差目標為0.001，設(shè)定進行5000步訓(xùn)練，學(xué)習(xí)因子設(shè)為0.01，動量因子設(shè)定為0.9。?

選取的特征傳感器可以是氣味傳感器陣列、特征（非氣味）傳感器等，選取的特征傳感器可以是一種或幾種。?

采用的野點剔除方法具體為首先對每個傳感器采集到的信息進行求均值，然后將采集到的各個值與均值的進行比較，把那些偏離均值較大的信息進行剔除，對每個傳感器的信息均進行野點剔除處理。?

BP人工神經(jīng)網(wǎng)絡(luò)根據(jù)Kolmogorov定理采用一個N(2N+1)M的3層BP網(wǎng)絡(luò)，其中N表示輸入層的樣本數(shù)，根據(jù)選取的特征數(shù)目確定；M表示輸出層經(jīng)過神經(jīng)網(wǎng)絡(luò)訓(xùn)練的樣本數(shù)，根據(jù)農(nóng)產(chǎn)品的等級確定，將檢測到的信息分訓(xùn)練集和測試集代入網(wǎng)絡(luò)進行模擬訓(xùn)練，經(jīng)過訓(xùn)練，通過輸出結(jié)果就能對品質(zhì)等級進行區(qū)分。?