[發明專利]一種基于MLP神經網絡的注水注膠肉檢測方法

在審

• 申請號: 202210014216.8
• 申請日: 2022-01-06
• 公開（公告）號: CN114354670A
• 公開（公告）日: 2022-04-15
• 發明（設計）人: 徐瑞平;丁濤;劉蕓;季美泉;費曉慶;張曉燕;柳菡;林宏;趙增運;沈偉健
• 申請（專利權）人: 南京海關動植物與食品檢測中心
• 主分類號: G01N24/08
• 分類號: G01N24/08;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京太兆天元知識產權代理有限責任公司 11108
• 代理人: 張洪年

1.基于MLP神經網絡的注水注膠肉檢測方法，其特征在于：該檢測方法是按照E所公開的方法，將待檢測樣品的低場核磁共振檢測數據輸入按照A—D步驟得到的模型中，從而獲得判斷結果的方法；

其中各步驟為。

A，分別制備空白對照樣品、不同注水量的注水豬肉樣品、加入不同量卡拉膠的注膠豬肉樣品、加入不同量明膠的注膠豬肉樣品、加入不同量瓊脂的注膠豬肉樣品、加入不同量黃原膠的注膠豬肉樣品作為樣本；

B，將A中獲得的各標準樣品進行低場核磁共振檢測，并選取數據處理及分析得到的峰2面積、峰2面積占比、峰3起始時間、峰面積總和、峰1面積占比、峰1面積、峰1起始時間、峰2起始時間、峰2頂點時間、峰3結束時間、峰3頂點時間、峰1頂點時間、峰3面積、、峰3面積占比、峰1結束時間、峰2結束時間、單組分弛豫時間作為三層MLP神經網絡模型的輸入層原始變量；

C，以輸入層為17個原始變量；隱藏層單元數為6，激活函數為雙曲正切；輸出層為對照、注水、注膠3個因變量，建立一個結構為17-6-3的三層MLP神經網絡模型；

D，隨機將A中的樣本數據分為訓練集和檢驗集，將訓練集中的樣本數據輸入MLP神經網絡模型中對神經網絡進行訓練，當訓練完成后，將檢驗集中的樣本數據輸入到MLP神經網絡模型中，并將輸出值與實際值進行比對，從而對C中構建的MLP神經網絡模型進一步進行檢驗和修正，即得到用于檢測注水注膠豬肉的MLP神經網絡模型；

E，將待檢測的樣品按照A中對照樣的處理方法對待檢測樣品進行處理，并按照B的方法獲得待檢測樣品的17個原始變量值，然后將17個原始變量值代入到D建立的MLP神經網絡模型中，由輸出層得到待檢測樣品的預測分類。

2.根據權利要求1所述的基于MLP神經網絡的注水注膠肉檢測方法，其特征在于：所述激活函數為Softmax。

3.根據權利要求1所述的基于MLP神經網絡的注水注膠肉檢測方法，其特征在于：A樣本制備中注水豬肉樣品制備時注水量為0.05ml/g、0.1ml/g、0.15ml/g、0.2ml/g。

4.根據權利要求1所述的基于MLP神經網絡的注水注膠肉檢測方法，其特征在于：A樣本制備中不同量卡拉膠的注膠豬肉樣品、不同量明膠的注膠豬肉樣品、不同量瓊脂的注膠豬肉樣品中卡拉膠、明膠、瓊脂的質量百分比均為5％、12.5％、25％、37.5％；加入不同量黃原膠的注膠豬肉樣品中黃原膠的質量百分比2.5％、3.75％、5％、6.25％。

5.根據權利要求1所述的基于MLP神經網絡的注水注膠肉檢測方法，其特征在于：B低場核磁共振檢測采用CPMG(Carr-Purcell-Meiboom-Gill sequence)序列檢測，其各項檢測參數為：射頻延時(RFD)＝0.08ms，前放檔位(PRG)＝1，模擬增益(RG)＝20.0db，數字增益(DRG)＝3，主頻(SF)＝21MHz，采樣頻率(SW)＝100kHz，采樣點數(TD)＝1000062，等待時間(TW)＝20000ms，回波時間(TE)＝0.5ms，回波個數(NECH)＝10000，累加次數(NS)＝4。

6.根據權利要求1所述的基于MLP神經網絡的注水注膠肉檢測方法，其特征在于：低場核磁共振檢測數據采用多組分反演和單組分反演的方式對數據劑型處理，得到橫向弛豫譜及相對應的弛豫譜參數的值；其中反演參數選用SIRT反演方法，弛豫時間點數量＝1000，弛豫時間最小值＝0.01ms，弛豫時間最大值＝10000ms，選擇數據數量＝200，迭代次數＝100000。