本发明专利技术公开了一种基于伏安型传感器与神经网络的菜肴调味品识别方法，涉及计算机技术领域，饮食领域，该基于伏安型传感器与神经网络的菜肴调味品识别方法可以识别菜肴菜汁溶液的调味品种类；通过大量数据收集与识别，对刚入门厨师行业的学徒的制作菜肴过程起到一定帮助，对所烹饪菜肴中的调味品与自己不认识调味品都可以帮助学徒识别，节省成本与时间；通过大量训练，该模型将会自学习到各种各样的美食，具有很大的商业价值。具有很大的商业价值。具有很大的商业价值。
【技术实现步骤摘要】
基于伏安型传感器与神经网络的菜肴调味品识别方法
[0001]本专利技术涉及计算机
，饮食领域。
技术介绍
[0002]人类五感中，味觉始终是人类难以模拟的部分，但是韩国的研究者专利技术了一项技术，他们使用石墨烯等材料制作了一个电子舌头，也可以称之为电子舌，它可以实现对甜味和鲜味的辨别，并且能区分味道等级。研究者先从细胞上找到甜味、咸味等味觉相关的受体，然后从受体细胞上抽取基因信息。接下来他们将这段基因插入到其他细胞当中。因为石墨烯的导电性能良好，研究者把这种细胞插入到石墨烯上。石墨烯感受到电流的变化，当有味道存在时，就会产生变化的电流，就形成了味道的电信号。这样，就实现了味觉到电信号的转变。人类饮食中有酸，甜，苦，辣，麻，咸，鲜各种口味。也有各种各样的菜肴，山东菜是起源于山东的齐鲁风味，是中国传统四大菜系，味道清香、鲜嫩、味纯，四川菜以成都风味为正宗，包含重庆菜、东山菜、江津菜、自贡菜、合川菜等，特注重调味的香料，辣、酸、麻。江蘇菜主要以金陵菜、淮扬菜、苏锡菜、徐海菜等地方菜组成，特点是浓中带淡，鲜香酥烂，原汁原汤浓而不腻，口味平和，咸中带甜。浙江菜浙江是江南的鱼米之乡。浙菜发展到现代，是精品迭出，日臻完善，自成一统，有“有佳肴美点三千种”之盛誉。特点是清、香、脆、嫩、爽、鲜。广东菜简称粤菜是八大菜系之一由广州菜、潮州菜、东江菜三个地方菜组成。讲究鲜、嫩、爽、滑，调味有所谓五滋(香、松、臭、肥、浓)六味(酸、甜、苦、咸、辣、鲜)等等各大菜系，酸甜苦辣，百味佳肴。
[0003]本文致力于通过伏安型传感器与多层神经网络结合的方法来识别各种各样的菜肴中所加入的调味品，调味品各色各样，分别酱油、食盐、醋、番茄酱、味精、虾籽、鱼露、蚝油、鸡精、蜂蜜、食糖、饴糖、花椒、辣椒、姜、葱、蒜、八角、桂皮、陈皮等。伏安型传感器是通过检测这些调味品烹饪出的不同菜汁溶液产生不同的极化电流，再结合多层神经网络对产生的极化电流进行训练识别。每种菜肴中含几种调味品，甚至上达几十种，通过训练神经网络得到最优参数来产生最优训练模型。
技术实现思路
[0004]本专利技术只要致力于识别各种菜肴的调味品种类，提出了一种基于多特征，多层神经网络与伏安型传感器相结合的调味品识别方法。酸、甜、苦、咸、鲜是基本的味觉组成，科学家们已经确认了一些与味觉能力相关的基因，而其中一些调味品是基本调味品(酸，甜，苦，辣，咸，麻，鲜)的不同比例组合，所烹饪的菜肴菜汁也是。通过伏安型传感器识别的电流，经过多层神经网络训练后识别调味品，即多层神经网络通过自学习的方式学习丰富的口味特征。
[0005]本专利技术需要用到伏安型传感器，即伏安型电子舌，而当今电子舌的类型也是由传感器阵列工作原理的不同而区分的：电势型电子舌，伏安型电子舌，电导型电子舌，光寻址型电子舌，物理型电子舌以及近几年发展迅速的生物传感器型电子舌，这些电子设备单纯
只是通过硬件电子设备来进行识别，电子舌通过传感器阵列把不同的味觉物质转化为可测得的物理信号后，本专利技术将测得的物理信号 (后转换为数字信号)通过神经网络提取特征，识别多混合调味品的种类。
[0006]人工神经网络，它从信息处理角度对人脑神经元网络进行抽象，建立简单模型，按不同的连接方式组成不同的网络。神经网络是一种运算模型，由大量的节点(或称神经元)之间相互联接构成。每个节点代表一种特定的输出函数，称为激励函数。每两个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重，这相当于人工神经网络的记忆。网络的输出则根据网络的连接方式，权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近，也可能是对一种逻辑策略的表达。
[0007]学习是神经网络研究的一个重要内容，它的适应性是通过学习实现的。根据环境的变化，对权值进行调整，改善系统的行为。由Hebb提出的Hebb学习规则为神经网络的学习算法奠定了基础。Hebb规则认为学习过程最终发生在神经元之间的突触部位，突触的联系强度随着突触前后神经元的活动而变化。网络能够通过连接权值的调整，构造客观世界的内在表示，形成具有特色的信息处理方法，信息存储和处理体现在网络的连接中。
[0008]人工神经网络的特点和优越性，主要表现在三个方面：
[0009]第一，具有自学习功能。例如实现图像识别时，只要先把许多不同的图像样板和对应的应识别的结果输入人工神经网络，网络就会通过自学习功能，慢慢学会识别类似的图像。自学习功能对于预测有特别重要的意义。
[0010]第二，具有联想存储功能。用人工神经网络的反馈网络就可以实现这种联想。
[0011]第三，具有高速寻找优化解的能力。寻找一个复杂问题的优化解，往往需要很大的计算量，利用一个针对某问题而设计的反馈型人工神经网络，发挥计算机的高速运算能力，可能很快找到优化解。
[0012]基于伏安型传感器与神经网络的菜肴调味品识别设计如下：
[0013](1)将不同菜肴的菜汁溶液数据进行收集，分为训练集与测试集两部分，划分比例为7∶3。
[0014](2)将训练集中的样本依次放入干净的伏安型传感器中，产生不同的极化电流大小，并将电流信号转换为数字信号，并将其作为四层神经网络的输入唯一值。
[0015](3)此神经网络共计四层，第一层是输入层，第二层与第三层是隐藏层，第四层为输出层，输出层输出所含的调味品种类。
[0016]采用以上设计达到的有益效果是：
[0017](1)识别菜肴菜汁溶液中所含调味品种类
[0018](2)通过大量数据收集与识别，对刚入门厨师行业的学徒的制作菜肴过程起到一定帮助，对所烹饪菜肴中的调味品与自己不认识调味品都可以帮助学徒识别，节省成本与时间。
[0019](1)通过大量训练，该模型将会自学习到各种各样的美食，具有很大的商业价值。
附图说明
[0020]下面结合附图对本专利技术的具体实施方式作进一步详细的描述。
[0021]图1是伏安型传感器系统的原理图。
[0022]图2是伏安型传感器与神经网络的菜肴调味品识别的总设计原理图。
具体实施方式
[0023]下面结合附图详细说明本专利技术基于伏安型传感器与神经网络的菜肴调味品识别方法实施方式。
[0024]图1至图2出示该菜肴调味品识别的具体实施方式：
[0025]根据图1，该伏安型系统由四部分组成
[0026](1)传感器阵列，包括8个不同的工作电极，一个辅助电极和一个参比电极。有研究发现，不同种类的贵金属电极对不同化学成分的敏感性不同，导致其表面的电化学信号经汇总后可形成被测溶液的“指纹图谱”。
[0027](2)信号调理电路，用于控制三电极系统的恒压电势并完成采集信号的放大与滤波功能。
[0028](3)数据采集卡，通过其D/A模块产生电极激励信号并利用A/D模块采集传感器响应信号。
[0029](4)LabVIEW上位机软件，用于对检测过程进行操控，并对采集到的电极响应信号进行分析。
...
【技术保护点】
【技术特征摘要】
1.一种基于伏安型传感器与神经网络的菜肴调味品识别方法，其特征在于：将伏安型传感器与四层全连接神经网络结合，伏安型传感器是通过检测这些调味品烹饪出的不同菜汁溶液产生不同的极化电流。2.根据权利要求1所述的基于伏安型传感器与神经网络的菜肴调味品识别方法，其特征在于：通过人工神经网络的前向传播和后向传播两者结合训练，使得该模型通过自学习的方式可以识别测试集中未知菜肴菜汁溶液的调味品种类。3.根据权利要求2所述的基于伏安型传感器与神经网络的菜肴调味品识别方法，其特征在于：所述基于伏安型传感器与神经网络的菜肴调味品识别方法功能如下：(1)识别菜肴菜汁溶液中所含调味品种类(2)通过大量数据收集与识别，对刚入门厨师行业的学徒的制作菜肴过程起到一定帮助，对所烹饪菜肴中的调味品与自己不认识调味品都可以帮助学徒识别，节省成本与时间。(3)通过大量训练，该模型将会自学习到各种各样的美食，具有很大的商业价值。4.根据权利要求3所述的基于伏安型传感器与神经网络的菜肴调味品识别方法，其特征在于：所述的该伏安型系统由四部分组成，分别为传感器阵列，信号调理电路，数据采集卡，LabVIEW上位机软件。包括8个不同的工作电极，一个辅助电极和一个参比电极。有研究发现，不同种类的贵金属电极对不同化学成分...
【专利技术属性】
技术研发人员：帅仁俊，张雅婷，卢伟，
申请(专利权)人：南京工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。