【技术实现步骤摘要】
本专利技术涉及新鲜度检测的，尤其涉及一种多种肉类新鲜度检测装置及方法。
技术介绍
1、在现有专利技术专利cn201811112800.7、《一种检测猪肉新鲜度的装置和方法》中的结构主要采用气体采样入口、气体分析腔体、气体采样出口、气流辅助单元、气体成分敏感单元和嵌入式控制单元，该专利在进行检测时，利用风扇来使气体通过腔体，风扇在检测过程中一直工作，导致气体一直处于流动状态，在这种气体处于动态的过程中记录传感器的信号并检测猪肉的新鲜度极易受到气流以及风扇本身工作对传感器的较大影响，从而影响对猪肉新鲜度的判断。其次，这种方式也只能检测猪肉这一单种肉类，不适用于日常使用。此外，在该装置中无任何指示信息来告知使用者当前是否可以开始检测，会导致检测装置会在还未准备好时被使用，影响检测结果。
2、在现有专利技术专利cn201310332947.8、《鸡胸脯肉新鲜度检测装置及检测方法》中采取了两个电磁阀、两个气泵、8个传感器来检测鸡肉的新鲜度，此类方法用到的结构过多，导致整体装置的体积过大，不易携带，不适用于日常使用。且此方法所需的检测时间需要30分钟以上，新鲜度等级只分为两个等级，没有较大的实际意义。
技术实现思路
1、针对现有新鲜度检测装置只能检测单种肉类的技术问题，本专利技术提出一种基于气体传感器的多种肉类新鲜度检测装置及方法，结合微型摄像头和resaspp-cnn模型，自动识别肉类种类，并利用stacking融合方法，实现了多种肉类的新鲜度检测。
2、为了达到上述
3、步骤一：多次通过气室中气体传感器阵列采集不同种类肉类的气体信号，并进行预处理得到气体特征，组成气体特征数据集；利用摄像头多次采集对应的不同种类肉类的图像并进行预处理得到图像特征数据集，将图像特征数据集中不同种类肉类的图像组成不同的肉类图像特征数据集；
4、步骤二：将图像特征数据集输入肉类识别模型进行训练，得到训练好的肉类识别模型；
5、步骤三：将不同的肉类图像特征数据集分别输入不同种类的图像新鲜度检测模型，得到训练好的不同肉类的图像新鲜度检测模型，将肉类图像对应的气体特征数据集输入气体新鲜度检测模型进行训练，得到训练好的气体新鲜度检测模型；
6、步骤四：将训练好的图像新鲜度检测模型得到的图像新鲜度和训练好的气体新鲜度检测模型的气体新鲜度作为新的特征数据集输入自适应stacking算法进行训练；
7、步骤五：通过气体传感器阵列和摄像头分别采集待检测肉类的气体信号和肉类图像，并利用分别对气体信号和肉类图像进行预处理，将预处理后的待检测肉类的气体特征输入训练好的气体新鲜度检测模型，得到待检测肉类的气体新鲜度；将预处理后的待检测肉类的图像特征输入训练后的肉类识别模型得到待检测肉类的肉类种类，将预处理后的待检测肉类的图像特征输入待检测肉类的肉类种类相应的训练好的图像新鲜度检测模型，得到待检测肉类的图像新鲜度；利用训练后的自适应stacking算法将待检测肉类的图像新鲜度和气体新鲜度进行融合，得到待检测肉类的最终新鲜度。
8、优选地，所述气体特征为气体信号的峰值信号大小、峰值信号位置、最大变化斜率中的至少一个；对不同种类肉类的图像进行预处理包括但不限于去噪、旋转、裁剪。
9、优选地，所述肉类识别模型为resaspp-cnn网络，resaspp-cnn网络在cnn网络的卷积操作部分加入aspp模块；所述aspp模块由多个并行的空洞卷积组成，并在每一个单独的空洞卷积结构加入残差连接，最后通过拼接的方式将残差连接后的特征融合在一起；所述aspp模块的空洞卷积的卷积操作设置了不同的膨胀率，在卷积核元素中插入了“空洞”。
10、优选地，所述图像新鲜度检测模型采用卷积神经网络，气体新鲜度检测模型采用全连接神经网络，图像新鲜度检测模型和气体新鲜度检测模型通过梯度下降法进行训练。
11、优选地，所述自适应stacking算法将肉类的图像新鲜度结果作为第一个特征，将气体新鲜度结果作为另一个特征，将样本的标签作为标签进行训练；自适应stacking算法的融合网络为全连接神经网络，通过梯度下降法进行训练寻优。
12、优选地，所述自适应stacking算法根据基模型的性能动态调整权重，自适应过程如下：基于图像特征的图像新鲜度检测模型利用卷积神经网络识别新鲜度的同时同步判断周围环境，输出图像中的光照条件、背景颜色或肉类表面干扰物作为全新的背景判断数据集，并将背景判断数据集输入卷积神经网络得到背景等级，将背景等级划分为1-5级，分别对应图像新鲜度检测模型的权重0.2-0.4-0.6-0.8-1；同理，在基于气体特征的气体新鲜度检测模型中，自适应stacking算法将周围环境的温度、背景气体噪声作为气味背景数据集训练全连接神经网络，根据背景等级得到气体新鲜度检测模型的权重。
13、优选地，所述自适应stacking算法进行训练时，将原有标签作为新的特征数据集中样本的标签，通过梯度下降法进行训练寻优；
14、所述自适应stacking算法将待检测肉类的图像新鲜度和气体新鲜度进行融合的方法为：将对应的权重分别乘以图像新鲜度结果和气体新鲜度结作为特征值，利用融合网络得出最终的新鲜度识别结果。
15、一种基于气体传感器的多种肉类新鲜度检测装置，包括壳体，壳体内设有气泵和气室，壳体上设有采集口、摄像头、指示灯、检测按钮和显示屏，气泵通过气管分别与采集口和气室的进气口相连通，气泵上设有检测按钮，气室内设有气体传感器阵列，气室的出气口设有电磁阀，摄像头、指示灯、检测按钮、显示屏、气泵、电磁阀和气体传感器阵列均与单片机相连接，单片机内设有肉类识别模型和不同种类肉类的新鲜度检测模型。
16、优选地，所述电磁阀为二通常开电磁阀、二通常闭电磁阀或三通电磁阀；
17、所述采集口为圆形结构，摄像头设置在采集口附近的壳体上；
18、所述气体传感器阵列由多种气体传感器构成，包括但不限于电化学、半导体的voc传感器、硫类传感器、胺类传感器、醇类传感器、酯类传感器。
19、优选地，利用单片机中的时钟功能，在关机时，单片机自动唤醒气体传感器阵列的传感器预热工作两分钟，然后关机；
20、单片机实时记录传感器采集的气体信号，根据气体信号相邻窗口的波动是否超过设定阈值来确定是否利用传感器测量气体信号；所述气体信号相邻窗口的波动为：相邻时间窗口内稳定信号平均值的差值；所述稳定信号平均值为一个时间窗口内气体信号减去它的最大值、最小值后求平均；
21、检测过程为：将采集口对准待检测肉类，按下检测按钮，气泵开始工作，抽进来的气体进入气室，并在电磁阀的末端排出；同时，摄像头拍摄待检测肉类的图片病传输给单片机，单片机利用肉类识别模型对待检测肉类的图片进行识别，得到肉类种类；10s后，气泵停止工作，关闭电磁阀，待检测肉类的气本文档来自技高网...
【技术保护点】
1.一种基于气体传感器的多种肉类新鲜度检测方法，其特征在于，其步骤如下：
2.根据权利要求1所述的基于气体传感器的多种肉类新鲜度检测方法，其特征在于，所述气体特征为气体信号的峰值信号大小、峰值信号位置、最大变化斜率中的至少一个；对不同种类肉类的图像进行预处理包括但不限于去噪、旋转、裁剪。
3.根据权利要求1或2所述的基于气体传感器的多种肉类新鲜度检测方法，其特征在于，所述肉类识别模型为ResASPP-CNN网络，ResASPP-CNN网络在CNN网络的卷积操作部分加入ASPP模块；所述ASPP模块由多个并行的空洞卷积组成，并在每一个单独的空洞卷积结构加入残差连接，最后通过拼接的方式将残差连接后的特征融合在一起；所述ASPP模块的空洞卷积的卷积操作设置了不同的膨胀率，在卷积核元素中插入了“空洞”。
4.根据权利要求3所述的基于气体传感器的多种肉类新鲜度检测方法，其特征在于，所述图像新鲜度检测模型采用卷积神经网络，气体新鲜度检测模型采用全连接神经网络，图像新鲜度检测模型和气体新鲜度检测模型通过梯度下降法进行训练。
5.根据权利要求4所述
6.根据权利要求5所述的基于气体传感器的多种肉类新鲜度检测方法，其特征在于，所述自适应Stacking算法根据基模型的性能动态调整权重，自适应过程如下：基于图像特征的图像新鲜度检测模型利用卷积神经网络识别新鲜度的同时同步判断周围环境，输出图像中的光照条件、背景颜色或肉类表面干扰物作为全新的背景判断数据集，并将背景判断数据集输入卷积神经网络得到背景等级，将背景等级划分为1-5级，分别对应图像新鲜度检测模型的权重0.2-0.4-0.6-0.8-1；同理，在基于气体特征的气体新鲜度检测模型中，自适应stacking算法将周围环境的温度、背景气体噪声作为气味背景数据集训练全连接神经网络，根据背景等级得到气体新鲜度检测模型的权重。
7.根据权利要求6所述的基于气体传感器的多种肉类新鲜度检测方法，其特征在于，所述自适应Stacking算法进行训练时，将原有标签作为新的特征数据集中样本的标签，通过梯度下降法进行训练寻优；
8.一种基于气体传感器的多种肉类新鲜度检测装置，其特征在于，包括壳体，壳体内设有气泵（2）和气室（3），壳体上设有采集口（1）、摄像头（8）、指示灯（5）、检测按钮和显示屏（9），气泵（2）通过气管（6）分别与采集口（1）和气室（3）的进气口相连通，气泵（2）上设有检测按钮，气室（3）内设有气体传感器阵列（7），气室（3）的出气口设有电磁阀（4），摄像头（8）、指示灯（5）、检测按钮、显示屏（9）、气泵（2）、电磁阀（4）和气体传感器阵列（7）均与单片机相连接，单片机内设有如权利要求1-7所述的肉类识别模型和不同种类肉类的新鲜度检测模型。
9.根据权利要求8所述的基于气体传感器的多种肉类新鲜度检测装置，其特征在于，所述电磁阀（4）为二通常开电磁阀、二通常闭电磁阀或三通电磁阀；
10.根据权利要求8所述的基于气体传感器的多种肉类新鲜度检测装置，其特征在于，利用单片机中的时钟功能，在关机时，单片机自动唤醒气体传感器阵列（7）的传感器预热工作两分钟，然后关机；
...【技术特征摘要】
1.一种基于气体传感器的多种肉类新鲜度检测方法，其特征在于，其步骤如下：
2.根据权利要求1所述的基于气体传感器的多种肉类新鲜度检测方法，其特征在于，所述气体特征为气体信号的峰值信号大小、峰值信号位置、最大变化斜率中的至少一个；对不同种类肉类的图像进行预处理包括但不限于去噪、旋转、裁剪。
3.根据权利要求1或2所述的基于气体传感器的多种肉类新鲜度检测方法，其特征在于，所述肉类识别模型为resaspp-cnn网络，resaspp-cnn网络在cnn网络的卷积操作部分加入aspp模块；所述aspp模块由多个并行的空洞卷积组成，并在每一个单独的空洞卷积结构加入残差连接，最后通过拼接的方式将残差连接后的特征融合在一起；所述aspp模块的空洞卷积的卷积操作设置了不同的膨胀率，在卷积核元素中插入了“空洞”。
4.根据权利要求3所述的基于气体传感器的多种肉类新鲜度检测方法，其特征在于，所述图像新鲜度检测模型采用卷积神经网络，气体新鲜度检测模型采用全连接神经网络，图像新鲜度检测模型和气体新鲜度检测模型通过梯度下降法进行训练。
5.根据权利要求4所述的基于气体传感器的多种肉类新鲜度检测方法，其特征在于，所述自适应stacking算法将肉类的图像新鲜度结果作为第一个特征，将气体新鲜度结果作为另一个特征，将样本的标签作为标签进行训练；自适应stacking算法的融合网络为全连接神经网络，通过梯度下降法进行训练寻优。
6.根据权利要求5所述的基于气体传感器的多种肉类新鲜度检测方法，其特征在于，所述自适应stacking算法根据基模型的性能动态调整权重，自适应过程如下：基于图像特征的图像新鲜度检测模型利用卷积神经网络识别新鲜度的同时同步判断周围环...
【专利技术属性】
技术研发人员：古瑞琴，郭凯，李威，
申请(专利权)人：郑州炜盛电子科技有限公司，
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。