本发明专利技术涉及一种洋酒年份检测装置及方法，应用洋酒年份检测装置采集洋酒溶液的光谱特征数据，针对光谱特征数据进行实际年份标注形成训练数据集，训练数据集输入神经网络回归模型，生成了一种洋酒年份检测模型，保存模型；本发明专利技术采集的洋酒溶液光谱特征数据是光谱全通道特征数据，能够更好地区分标签数据，提高了模型预测年份的准确性，应用了神经网络算法高效地拟合了年份与光谱之间的关系，生成了一种洋酒年份检测模型，模型能够实时快速高效地预测出洋酒年份以及洋酒品牌真伪。测出洋酒年份以及洋酒品牌真伪。测出洋酒年份以及洋酒品牌真伪。
【技术实现步骤摘要】
一种洋酒年份检测装置及方法
[0001]本专利技术涉及洋酒年份酒市场领域，特别涉及一种洋酒年份检测装置及方法。
技术介绍
[0002]洋酒年份检测是检验洋酒存储年限、以及品牌真伪的有限途径；比如波摩品牌洋酒分2012年、2015年以及2018年，检测到对应年份可以证明正品，检测到其他年份则不是正品。
[0003]现有洋酒年份检测方法大部分都是基于洋酒色调、洋酒中花色素苷化合物的峰面积比值以及苯甲酸化合物等溶度与时间构建线性回归方程计算得出红酒年份，此方法需要做大量实验，只适合单一品类洋酒年份检测，不具备普适性；国内现阶段针对年份酒的化学分析应用的是光谱仪器中特定一条或者多条通道特征进行判断分析，这样不法商家根据特定的一条或者几条通道特征来制造假酒；目前没有应用光谱技术与机器学习相结合技术实现洋酒年份检测，为了解决光谱技术与机器学习相结合技术在洋酒年份检测应用上的技术空白，为洋酒年份鉴定提供有效的技术支撑，本专利技术提出了一种洋酒年份检测装置及方法。
技术实现思路
[0004]本专利技术目的是提供一种洋酒年份检测装置及方法，本专利技术解决的问题是对于现有洋酒年份检测方法结果不准确、不具备普适性以及基于光谱技术与机器学习技术在洋酒年份检测应用上技术空白问题。
[0005]为了达到上述专利技术目的，解决其技术问题，本专利技术是通过以下技术方案实现的：
[0006]本专利技术公开了一种洋酒年份检测装置，包括光谱仪、安卓端、主处理模块、系统存储器和电源模块，其中：
[0007]所述光谱仪与所述安卓端电性连接，用于检测待测洋酒样本的光谱信息并将数据传到所述安卓端处理；
[0008]所述主处理模块通过接口与所述安卓端电性连接，用于将特征提取好的数据存储在所述系统存储器中，然后用机器学习方式训练数据，再处理数据实现洋酒年份检测；
[0009]所述安卓端模块与所述主处理模块电性连接，用于将采集和处理信号过程中的执行状态显示出来；
[0010]所述电源模块与所述主处理模块电性连接，用于提供整个系统的工作电源。
[0011]本专利技术另外公开了一种洋酒年份检测方法，利用上述一种洋酒年份检测装置进行检测，包括以下步骤：
[0012]步骤1：为了实现洋酒年份检测目标，需先采集训练数据，具体采集方法如下：
[0013]步骤1.1：应用可见光的透射原理，对洋酒上瓶口溶液采集光谱数据，每条光谱数据记录年份标签，由于硬件差异，每台采光设备不可能做的完全一样，这里光谱数据就出现了台差问题；就算同一台设备在不同时间段也会出现波动，这里光谱数据就出现了时差问题。为了解决上述时差和台差问题，制定了以下单点校正方案；
[0014]1.在时差中表现为：一台设备测量两个物体，第二天继续测量这两个物体；虽然同一个物体两天的光谱数据存在差异，但是两个物体的两天光谱变化趋势是一致的。
[0015]2.在台差中表现为：两台设备测量两个物体，得到四条光谱数据；虽然同一物体两台设备数据存在差异，但是同一设备下不同物体的光谱数据比值(或其他操作)与另一台设备的比值是一致。
[0016]3.校正材料：聚苯乙烯
[0017]4.校正方案：
[0018]1)每台设备出厂时，采集聚苯乙烯一次，作为校正光谱
[0019]2)使用时，根据使用场景，选择了单点校正方案。
[0020]假设现在有原始光谱S，聚苯乙烯数据J
[0021]单点校正：
[0022]s＝S/J
[0023]5.根据校正后的光谱数据，进行后续步骤处理。
[0024]步骤1.2：对步骤1.1已采集好的校正后的光谱数据进行实际年份标注；
[0025]步骤2：应用步骤1已采集的校正后光谱带年份的标签数据训练神经网络回归模型，生成洋酒年份检测模型，具体计算方法如下：
[0026]步骤2.1：应用步骤1得到的校正后光谱带年份的标签数据作为模型训练数据集；
[0027]步骤2.2：构建回归函数f(x)＝w1x1+w2x2+
…
+w
n
x
n
+b，构建损失函数在所有训练数据集能够正确拟合条件下，寻找一组参数(W*,b*)。使损失函数最小，即W*,b*＝argminL(w,b)。
[0028]步骤2.3：根据步骤2.2得到的一组最优参数(W*,b*)，生成最优回归模型f(x)＝w1x1+w2x2+
…
+w
n
x
n
+b，保存模型，模型载入一种洋酒年份检测装置中进行洋酒年份的检测。
[0029]本专利技术有益效果是：
[0030]1、本专利技术应用了洋酒年份检测装置采集洋酒特征数据，专家记录每条光谱特征数据的年份标签，构建年份标签训练数据集，提出一种洋酒年份检测方法，实现待测洋酒年份识别与预测；
[0031]2、本专利技术采集的洋酒溶液光谱特征数据是光谱全通道特征数据，能够更好地区分标签数据，提高了模型预测年份的准确性
[0032]3、本专利技术提供的一种洋酒年份检测方法可以实时高效快速地预测洋酒年份以及洋酒品牌真伪；
附图说明
[0033]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
[0034]图1一种洋酒年份的检测方法流程图
[0035]图2一种洋酒年份的检测装置
[0036]图3波摩洋酒年份检测结果
[0037]图4基于神经网络模型检测波摩洋酒年份结果对比图1
[0038]图5基于神经网络模型检测波摩洋酒年份结果对比图2
具体实施方式
[0039]以下将结合本专利技术的附图，对本专利技术实施例中的技术方案进行清楚、完整的描述和讨论，显然，这里所描述的仅仅是本专利技术的一部分实例，并不是全部实例，基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术的保护范围。
[0040]为了解决对于现有洋酒年份检测方法结果不准确、不具备普适性以及基于光谱技术与机器学习技术在洋酒年份检测应用上技术空白问题，结合图1
‑
图5对本专利技术进行了详细说明，其具体实施步骤如下：
[0041]实施例一
[0042]针对波摩品牌洋酒实现其年份检测，如图1所示，本专利技术公开了一种洋酒年份检测装置，包括光谱仪、安卓端、主处理模块、系统存储器和电源模块，其中：
[0043]所述光谱仪与所述安卓端电性连接，用于检测待测洋酒样本的光谱信息并将数据传到所述安卓端处理；
[0044]所述主处理模块通过接口与所述安卓端电性连接，用于将特征提取好的数据存储在所述系统存储器中，然后用机器学习方式训练数据，再处理数据实现洋酒年份检测；
[0045]所述安卓端模块与所述主处理模块电性连接，用于将采集和处理信号过程中的执行状态显示出来；
[0046]所述电源模块与所述主处理本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种洋酒年份检测装置，其特征在于，包括光谱仪、安卓端、主处理模块、系统存储器和电源模块，其中：所述光谱仪与所述安卓端电性连接，用于检测待测洋酒样本的光谱信息并将数据传到所述安卓端处理；所述主处理模块通过接口与所述安卓端电性连接，用于将特征提取好的数据存储在所述系统存储器中，然后用机器学习方式训练数据，再处理数据实现洋酒年份检测；所述安卓端模块与所述主处理模块电性连接，用于将采集和处理信号过程中的执行状态显示出来；所述电源模块与所述主处理模块电性连接，用于提供整个系统的工作电源。2.一种洋酒年份检测方法，其特征在于，利用上述权利要求1中所述一种洋酒年份检测装置进行检测，包括如下步骤：步骤1：为了实现洋酒年份检测目标，需先采集训练数据。步骤2：应用步骤1已采集的校正后光谱带年份的标签数据训练神经网络回归模型，生成洋酒年份检测模型。3.根据权利要求2中所述的一种洋酒年份检测方法，其特征在于，以上所述步骤1中，具体采集方法如下：步骤1.1：应用可见光的透射原理，对洋酒上瓶口溶液采集光谱数据，每条光谱数据记录年份标签，由于硬件差异，每台采光设备不可能做的完全一样，这里光谱数据就出现了台差问题；就算同一台设备在不同时间段也会出现波动，这里光谱数据就出现了时差问题。为了解决上述时差和台差问题，制定了以下单点校正方案；1.在时差中表现为：一台设备测量两个物体，第二天继续测量这两个物体；虽然同一个物体两天的光谱数据存在差异，但是两个物体的两...
【专利技术属性】
技术研发人员：张涵，金平艳，刘玮，温炜亮，
申请(专利权)人：深圳市威视佰科科技有限公司，
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。