一种食品品质智能检测方法及其装置
摘要文本
本发明涉及食品品质大数据智能检测的自动化装备技术领域，公开了一种食品品质智能检测方法及其装置，包括多个检测单元和远程监控端，检测单元包括样品室、气流管、气室、多传感器阵列、检测节点，样品室的食品挥发的气味通过气流管吸入到气室内，与检测节点的多个传感器阵列反应后产生信号，通过检测节点和远程监控端之间通信传输给远程监控端，远程监控端的食品品质智能化检测子系统对多个检测单元的多个气室内的食品气味进行处理，识别出被检测食品质量等级。与现有技术相比，本发明通过评估样品空间中特定挥发性代谢物的存在和含量，实现具有不同香气特征的食品基质的区分和分类，自动化、无损、成本低且效益高。
申请人信息
- 申请人:淮阴工学院
- 申请人地址:223005 江苏省淮安市经济技术开发区枚乘东路1号
- 发明人: 淮阴工学院
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种食品品质智能检测方法及其装置 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311795381.2 |
| 申请日 | 2023/12/25 |
| 公告号 | CN117541125A |
| 公开日 | 2024/2/9 |
| IPC主分类号 | G06Q10/0639 |
| 权利人 | 淮阴工学院 |
| 发明人 | 王宇扬; 丁卫红; 马从国; 丁晓红; 王建国; 黄凤芝; 李亚洲; 张静; 周红标; 金德飞; 马海波; 周恒瑞; 李月; 庄褀 |
| 地址 | 江苏省淮安市经济技术开发区枚乘东路1号 |
专利主权项内容
1.一种食品品质智能化检测方法，其特征在于，包括如下步骤：步骤1：构建参数检测模块，参数检测模块包括深度降噪编码器神经网络模型、食品气味参数小波分解模型、ACO的GCN图卷积网络模型、n个BiGRU神经网络模型-新陈代谢灰色GM(1，1)模型、新陈代谢灰色GM(1，1)模型、BiGRU神经网络模型和ACO的GCN图卷积网络模型-BiGRU神经网络模型；步骤2：构建食品品质智能化检测子系统，包括5个参数检测模块、ACO的GCN图卷积网络模型、ACO的T-S模糊神经网络模型、ACO的BiGRU神经网络模型、2个区间数的GCU图卷积网络模型-T-S模糊神经网络模型；多个参数传感器1输出、多个参数传感器2输出、多个参数传感器3输出、多个参数传感器4输出和多个温度传感器输出分别作为对应的参数检测模块输入，5个参数检测模块输出分别作为ACO的GCN图卷积网络模型和区间数的GCU图卷积网络模型-T-S模糊神经网络模型1的对应输入，ACO的GCN图卷积网络模型输出分别作为ACO的T-S模糊神经网络模型输入、ACO的BiGRU神经网络模型输入和区间数的GCU图卷积网络模型-T-S模糊神经网络模型2的对应输入，ACO的T-S模糊神经网络模型输出和ACO的BiGRU神经网络模型输出分别作为区间数的GCU图卷积网络模型-T-S模糊神经网络模型2的对应输入，区间数的GCU图卷积网络模型-T-S模糊神经网络模型2输出作为ACO的GCN图卷积网络模型的对应输入，区间数的GCU图卷积网络模型-T-S模糊神经网络模型1输出作为区间数的GCU图卷积网络模型-T-S模糊神经网络模型2的对应输入，区间数的GCU图卷积网络模型-T-S模糊神经网络模型2输出的三角模糊值代表食品品质等级。