[發(fā)明專利]基于GRNN神經(jīng)網(wǎng)絡(luò)的新型地溝油檢測(cè)方法及其檢測(cè)系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201910084359.4
• 申請(qǐng)日: 2019-01-29
• 公開（公告）號(hào): CN109884282B
• 公開（公告）日: 2022-01-28
• 發(fā)明（設(shè)計(jì)）人: 陳奇;陳賢龍;黃金霞;何理旭;袁章;余亞?wèn)|;龔平
• 申請(qǐng)（專利權(quán)）人: 淮陰工學(xué)院
• 主分類號(hào): G01N33/28
• 分類號(hào): G01N33/28;G06N3/08
• 代理公司: 南京蘇高專利商標(biāo)事務(wù)所(普通合伙) 32204
• 代理人: 顏盈靜

本發(fā)明公開了一種基于GRNN神經(jīng)網(wǎng)絡(luò)的新型地溝油檢測(cè)方法及其檢測(cè)系統(tǒng)，包括數(shù)據(jù)采集器、單片機(jī)控制器和上位機(jī)，所述單片機(jī)控制器通過(guò)接收數(shù)據(jù)采集器采集到的信息并將其打包處理發(fā)送給上位機(jī)，所述上位機(jī)基于GRNN神經(jīng)網(wǎng)絡(luò)對(duì)獲得的信息進(jìn)行分析判別，得出此未知油樣是正常食用油還是有害的地溝油；所述GRNN神經(jīng)網(wǎng)絡(luò)為由樣本集訓(xùn)練完成并通過(guò)測(cè)試集進(jìn)行調(diào)整的GRNN神經(jīng)網(wǎng)絡(luò)，所述樣本集和測(cè)試集包括已知各參數(shù)的正常油樣和地溝油油樣。

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于神經(jīng)網(wǎng)絡(luò)的地溝油檢測(cè)與判斷技術(shù)領(lǐng)域，特別是涉及一種能通過(guò)GRNN神經(jīng)網(wǎng)絡(luò)對(duì)未知的油樣進(jìn)行快速檢測(cè)的測(cè)量裝置及其判斷方法。

背景技術(shù)

地溝油的快速檢測(cè)和判別是我國(guó)食品安全領(lǐng)域的重要問(wèn)題之一。目前我國(guó)所常用的地溝油檢測(cè)技術(shù)其主要的測(cè)量參數(shù)包括電導(dǎo)率值，酸價(jià)值，氯離子濃度，膽固醇含量，折光率等。

在實(shí)際檢測(cè)過(guò)程中，快速而又準(zhǔn)確的鑒別地溝油是十分困難的。目前最常用的地溝油檢測(cè)方法主要分為化學(xué)方法和物理方法。化學(xué)方法主要有酸性檢測(cè)、重金屬元素檢測(cè)、膽固醇檢測(cè)等，但是隨著技術(shù)的發(fā)展，一些無(wú)良商家通過(guò)各種手段改變了油樣中的酸性物質(zhì)含量，鐵元素濃度，氯離子含量等，使其符合正常油樣的檢測(cè)標(biāo)準(zhǔn)，導(dǎo)致化學(xué)檢測(cè)的精度有所下降，甚至某些方法已不再適用于檢測(cè)地溝油。

物理方法主要有電導(dǎo)率檢測(cè)、色譜法、熒光光譜檢測(cè)法等。在當(dāng)前的地溝油檢測(cè)中，電導(dǎo)率仍然是作為地溝油檢測(cè)的關(guān)鍵參數(shù)，電導(dǎo)率單位的大小反映了地溝油中所含有的金屬物質(zhì)和導(dǎo)電離子的多少，而色譜法、熒光光譜檢測(cè)法由于那些經(jīng)過(guò)精煉的地溝油中D-甘油酸含量和芳烴化合物含量減少使得檢測(cè)效果不明顯，已不再適用。

綜上所述，已有的化學(xué)方法和物理方法大多是獨(dú)立進(jìn)行檢測(cè)相應(yīng)的指標(biāo)參數(shù)，且有些參數(shù)的檢測(cè)必須依賴特殊環(huán)境如實(shí)驗(yàn)室環(huán)境才能進(jìn)行，在一定程度上降低了效率。且目前市場(chǎng)上雖已出現(xiàn)相應(yīng)的地溝油檢測(cè)裝置，但這些裝置使用條件單一僅對(duì)某一特定參數(shù)進(jìn)行分析和判別，且當(dāng)特定參數(shù)只有細(xì)微差距時(shí)便無(wú)法對(duì)油樣做出快速的判別。

發(fā)明內(nèi)容

本發(fā)明的目的是為了解決上述問(wèn)題，針對(duì)地溝油檢測(cè)過(guò)程中快速、準(zhǔn)確和高精度的要求，提出一種基于GRNN的神經(jīng)網(wǎng)絡(luò)的地溝油檢測(cè)方法，其特點(diǎn)是測(cè)量過(guò)程簡(jiǎn)單、檢測(cè)速度快、準(zhǔn)確率高，同時(shí)又能對(duì)一些擁有著細(xì)微差距的油樣進(jìn)行分析和判別。

本發(fā)明公開了一種基于GRNN神經(jīng)網(wǎng)絡(luò)的新型地溝油檢測(cè)方法，包括以下步驟：

S1：通過(guò)采集若干正常油樣參數(shù)數(shù)據(jù)和地溝油油樣參數(shù)數(shù)據(jù)構(gòu)成樣本集，將樣本集分為訓(xùn)練集和測(cè)試集；

S2：創(chuàng)建GRNN神經(jīng)網(wǎng)絡(luò)模型，通過(guò)輸入訓(xùn)練集進(jìn)行訓(xùn)練和輸入測(cè)試集進(jìn)行模型精度調(diào)整，采用交叉驗(yàn)證和重復(fù)采樣進(jìn)行重復(fù)訓(xùn)練和測(cè)試；將測(cè)試后的輸出進(jìn)行互相對(duì)比并折中取優(yōu)選，建立最優(yōu)GRNN網(wǎng)絡(luò)模型；

S3：采集未知油樣參數(shù)數(shù)據(jù)，將該未知油樣參數(shù)數(shù)據(jù)輸入至最優(yōu)GRNN網(wǎng)絡(luò)模型進(jìn)行正常油樣和地溝油油樣的判斷。

進(jìn)一步的，所述正常油樣參數(shù)數(shù)據(jù)和地溝油油樣參數(shù)數(shù)據(jù)均包括油樣的電導(dǎo)率、酸價(jià)值和折光率值。

進(jìn)一步的，所述GRNN神經(jīng)網(wǎng)絡(luò)通過(guò)訓(xùn)練集進(jìn)行訓(xùn)練時(shí)，通過(guò)改變各參數(shù)數(shù)據(jù)所占的權(quán)重比，將GRNN神經(jīng)網(wǎng)絡(luò)中所要進(jìn)行分析和判別的各參數(shù)數(shù)據(jù)所占的比重進(jìn)行相應(yīng)的增大或減小并通過(guò)梯度下降法進(jìn)行迭代求解，得到最小化的損失函數(shù)和模型參數(shù)值，建立最優(yōu)GRNN神經(jīng)網(wǎng)絡(luò)。

進(jìn)一步的，S2中對(duì)訓(xùn)練集和測(cè)試集中的各參數(shù)數(shù)據(jù)進(jìn)行權(quán)重比調(diào)整包括降低折光率值在神經(jīng)網(wǎng)絡(luò)中所占的權(quán)重，提高電導(dǎo)率值和酸價(jià)值在神經(jīng)網(wǎng)絡(luò)中所占的權(quán)重。

本發(fā)明還公開了一種基于GRNN神經(jīng)網(wǎng)絡(luò)的地溝油檢測(cè)裝置，包括數(shù)據(jù)采集器、單片機(jī)控制器和上位機(jī)，所述單片機(jī)控制器通過(guò)接收數(shù)據(jù)采集器采集到的信息并將其打包處理發(fā)送給上位機(jī)，所述上位機(jī)基于GRNN神經(jīng)網(wǎng)絡(luò)對(duì)獲得的信息進(jìn)行分析判別，得出未知油樣是正常油樣還是地溝油油樣。