[發明專利]一種基于PNN神經網絡的餐廚廢棄油檢測方法及其裝置

有效

• 申請號: 201910084361.1
• 申請日: 2019-01-29
• 公開（公告）號: CN109886314B
• 公開（公告）日: 2023-09-22
• 發明（設計）人: 陳奇;袁章;黃金霞;何理旭;陳賢龍;余亞東;龔平
• 申請（專利權）人: 淮陰工學院
• 主分類號: G16C20/30
• 分類號: G16C20/30;G16C20/70;G06F18/214;G06F18/2415;G06N3/047;G06N3/08;G01N33/28
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 顏盈靜

1.一種基于PNN神經網絡的餐廚廢棄油檢測方法，其特征在于：包括以下步驟：

S1：準備油樣，分為合格油、非合格油和摻雜油；所述合格油為市面上標準食用油，所述非合格油為合格油使用后的廢棄油，所述摻雜油為按已知質量百分比將非合格油與合格油摻雜得到；

S2：獲取S1中各油樣的電導率、酸價值和折光率；

S3：將S1中的油樣分成兩份，包括訓練集和測試集；

S4：構建PNN神經網絡，并采用S3中的訓練集得到最優分類結構，采用測試集測試該神經網絡，得到其準確率；

S5：輸入未知油樣，測得該未知油樣的電導率、酸價值和折光率，通過S4得到的神經網絡，判斷該未知油樣是否為餐廚廢棄油；

其中，在S4中，調整電導率、酸價值和折光率的訓練權重對PNN神經網絡進行訓練；

PNN神經網絡中訓練權重從大到小依次為：電導率、酸價值和折光率；

所述PNN神經網絡包括：輸入層、隱含層和輸出層；

所述輸入層，負責輸入樣本向量；

所述隱含層通過連接權值與輸入層連接，在該隱含層中內置權值IW，權值IW的初始值為輸入樣本向量的轉置矩陣，權值IW由dist函數進行運算，dist函數為歐幾里得距離權函數，在隱含層中采用徑向基函數作為傳遞函數，輸出距離向量；

在所述輸出層內設有期望輸出向量LW，在訓練過程中，通過將隱含層輸出的距離向量與期望輸出向量LW進行比較，得到偏差信號，該偏差信號反饋給隱含層，對權值IW進行調整，找到與期望輸出向量LW相對應的最小誤差，最小誤差對應的權值IW確定為最終權值；

所述輸出層采用競爭輸出，在訓練過程中每個樣本訓練得到的距離向量傳遞到輸出層，依據Parzen方法來求和估計各類油樣的概率，通過compet競爭傳遞函數的計算，較大的元素取1，其他元素取0，最后僅有一個神經元競爭獲勝，即為對輸入模式的分類。

2.一種基于PNN神經網絡的餐廚廢棄油檢測裝置，其特征在于：包括用于檢測電導率的電導率檢測儀、用于檢測折光率的折光率檢測儀、用于檢測酸價值的酸價檢測儀、單片機控制器、上位機、用來存放檢測油樣的槽孔和配合酸價檢測儀工作的酸價值檢測儀探頭；

所述電導率檢測儀、折光率檢測儀和酸價檢測儀的檢測數據通過單片機控制器送至上位機，通過上位機的PNN神經網絡進行識別分類；

所述PNN神經網絡包括：輸入層、隱含層和輸出層；

所述輸入層，負責輸入樣本向量；

所述隱含層通過連接權值與輸入層連接，在該隱含層中內置權值IW，權值IW的初始值為輸入樣本向量的轉置矩陣，權值IW由dist函數進行運算，dist函數為歐幾里得距離權函數，在隱含層中采用徑向基函數作為傳遞函數，輸出距離向量；

在所述輸出層內設有期望輸出向量LW，在訓練過程中，通過將隱含層輸出的距離向量與期望輸出向量LW進行比較，得到偏差信號，該偏差信號反饋給隱含層，對權值IW進行調整，找到與期望輸出向量LW相對應的最小誤差，最小誤差對應的權值IW確定為最終權值；

所述輸出層采用競爭輸出，在訓練過程中每個樣本訓練得到的距離向量傳遞到輸出層，依據Parzen方法來求和估計各類油樣的概率，通過compet競爭傳遞函數的計算，較大的元素取1，其他元素取0，最后僅有一個神經元競爭獲勝，即為對輸入模式的分類。