【技术实现步骤摘要】
本专利技术涉及食品安全检测，尤其是指一种用于食品病菌的光纤荧光传感检测系统。
技术介绍
1、食品安全作为保障人类健康和社会稳定的重要基石，一直是科学研究和实际应用领域的关注焦点。然而，传统的食品安全检测方法由于操作复杂、成本高昂等问题，难以满足现场实时监测的需求。
2、针对食品安全的众多风险因子，如病毒、致病菌、毒素及真菌等，已发展出多种先进的检测方法，包括电化学检测、比色分析、质谱液相技术以及荧光检测等。其中，荧光法因其在高灵敏度与高选择性检测方面的突出表现，得到了广泛的关注和应用。利用物质在激发光下产生的荧光特性，荧光法能够快速、灵敏地检测食品中的微量有害物质，具有广阔的应用前景。
3、针对致病微生物，病毒等的高精度检测，食品的温湿度等环境因素也对检测的精确性产生重要影响。此外，与食品加工、生产等环节相同，食品运输也是引起食品污染的重要环节之一，对于食品在运输过程中不同地理位置的实时监测能够为食品中致病微生物浓度的发展规律变化研究及检测精度的提高提供重要帮助。
4、机器学习为食品安全检测中致病微生物的精准识别提供了有力保障。致病微生物浓度变化会引起电流、荧光或图像等信号变化，通过机器学习算法提取数据相关特征并对模型进行训练，可实现致病菌的快速分类及浓度识别。
5、综上所述，温湿度，地理位置等环境参数是食品安全精准检测及规律变化分析的关键因素，然而当前基于荧光技术的检测方法尚未有效整合这些环境参数信息，并且检测精度不够高。
6、因此，亟需一种高性能、低成本且集成化的新
技术实现思路
1、为此，本专利技术所要解决的技术问题在于克服现有技术中基于荧光技术的食品安全检测方法尚未有效整合温湿度，地理位置等环境参数，并且检测精度不够高的问题。
2、为解决上述技术问题，本专利技术提供了一种用于食品病菌的光纤荧光传感检测系统，包括传感模块和检测模块，所述传感模块包括光纤荧光传感模块和环境传感模块，其中，
3、所述光纤荧光传感模块包括光学组件和荧光反应模块，所述光学组件包括依次设置的光纤阵列、滤光片、准直透镜和图像传感器；所述荧光反应模块包括激励光源和多通道荧光反应槽；所述激励光源用于照射多通道荧光反应槽内离心管的溶液以激发荧光信号，所述离心管的溶液为待检测食品样本的溶液；所述光纤阵列与多通道荧光反应槽连接，用于荧光信号的传输；所述滤光片用于对光纤阵列中的荧光信号进行选通；所述准直透镜用于将滤光片选通出的荧光信号进行放大与聚焦；所述图像传感器用于荧光信号的对放大与聚焦后的荧光信号进行成像，得到荧光强度图像；
4、所述环境传感模块包括地理位置传感器、温度传感器和湿度传感器，分别用于采集地理位置、温度数据和湿度数据；
5、所述检测模块用于获取图像传感器得到的荧光强度图像、以及地理位置传感器、温度传感器和湿度传感器各自采集的地理位置、温度数据和湿度数据，并根据获取到的数据对食品样本的溶液进行病菌浓度检测。
6、在本专利技术的一个实施例中，为消除背景光的影响，在采集荧光强度图像之前，所述检测模块先采集激励光源未激发状态下的图像传感器获得的背景图像，并通过将激励光源激发后检测模块采集到的荧光强度图像与所述背景图像进行差分处理以去除环境背景光干扰。
7、在本专利技术的一个实施例中，设所述荧光强度图像对应的荧光强度i与样品浓度c之间存在线性关系，表示为：
8、i＝k·c+i0
9、其中，k是从c到i的线性转换系数；i0为当样品浓度为0时的初始荧光强度。
10、在本专利技术的一个实施例中，为消除噪声对所述图像传感器输出的影响，对图像传感器的实时输出值进行均值滤波，公式为：
11、
12、其中，i＝[i1,i2,…,in],n∈[1,n],n是光纤阵列通道数量，δt是采样周期。
13、在本专利技术的一个实施例中，所述检测模块将采集到的荧光图像与温度数据、湿度数据、地理位置数据作为thpirbfnn模型的输入；
14、所述thpirbfnn模型的隐藏层的激活函数是关于环境参数矩阵的高斯径向基函数，所述环境参数包括温度数据、湿度数据、地理位置数据，表达式如下：
15、
16、其中，ythpi为关于环境参数矩阵的高斯径向基函数，表示第j个神经元的质心，σ表示高斯核的宽度；输入数据用环境参数矩阵[t,h,p,i1,i2,i3…in]表示，t是环境温度、h是环境湿度、p是地理位置信息、i1,i2,i3…in代表多通道检测的荧光强度。
17、在本专利技术的一个实施例中，所述检测模块还包括优化单元，其中，所述优化单元用于优化thpirbfnn模型的输出层神经元的线性权重、隐藏层神经元的中心点参数；
18、所述thpirbfnn模型的输出层神经元的线性权重根据以下公式进行更新：
19、|gk+1|＝|gk|+kg×|η·δg|
20、
21、其中，|gk+1|和|gk|分别是更新前后的权重，kg为环境参数矩阵对权重优化的影响系数，η为学习率，e为最小化误差函数；输出状态表示不同的浓度级别或分类结果，m即为这些可能输出状态的总数；表示模型输出状态为i时对于某一输入样本的预测输出值，zi表示该样本对应的实际输出值或真实浓度；
22、所述thpirbfnn模型的隐藏层神经元的中心点根据以下公式进行更新：
23、|ck+1|＝|ck|+kc×|η·δc|
24、
25、其中，kc为环境参数矩阵对隐藏层神经元中心点优化的影响系数，而高斯核的宽度则根据以下公式进行更新：
26、|σk+1|＝|σk|+kσ×|η·δσ|
27、
28、其中，kσ为环境参数矩阵对高斯核宽度优化的影响系数。
29、在本专利技术的一个实施例中，所述thpirbfnn模型在训练时采用预设损失函数loss，表达式如下：
30、
31、其中，n是测试集中样本的总数，是浓度预测状态，z是样品实际浓度。
32、在本专利技术的一个实施例中，所述检测模块还包括评估单元，所述评估单元用于对样品浓度的识别结果进行准确率acc评估，公式为：
33、
34、其中，tp表示真正例的数量，fn表示假反例的数量，tn表示真反例的数量，fp是假的正例数量。
35、在本专利技术的一个实施例中，所述检测模块还包括温控模块，所述温控模块与多通道荧光反应槽接触，以实现对多通道荧光反应槽中离心管的溶液进行温度控制。
36、本专利技术的上述技术方案相比现有技术具有以下优点：
37、本专利技术所述的用于食品病菌的光纤荧光传感检测系统能够有效应用在食品安全检测中，通过集成传感模块和检测模块，实现本文档来自技高网...
【技术保护点】
1.一种用于食品病菌的光纤荧光传感检测系统，其特征在于：包括传感模块和检测模块，所述传感模块包括光纤荧光传感模块和环境传感模块，其中，
2.根据权利要求1所述的用于食品病菌的光纤荧光传感检测系统，其特征在于：为消除背景光的影响，在采集荧光强度图像之前，所述检测模块先采集激励光源未激发状态下的图像传感器获得的背景图像，并通过将激励光源激发后检测模块采集到的荧光强度图像与所述背景图像进行差分处理以去除环境背景光干扰。
3.根据权利要求1所述的用于食品病菌的光纤荧光传感检测系统，其特征在于：设所述荧光强度图像对应的荧光强度I与样品浓度c之间存在线性关系，表示为：
4.根据权利要求1所述的用于食品病菌的光纤荧光传感检测系统，其特征在于：为消除噪声对所述图像传感器输出的影响，对图像传感器的实时输出值进行均值滤波，公式为：
5.根据权利要求1所述的用于食品病菌的光纤荧光传感检测系统，其特征在于：所述检测模块将采集到的荧光图像与温度数据、湿度数据、地理位置数据作为THPIRBFNN模型的输入；
6.根据权利要求5所述的用于食品病菌的光
7.根据权利要求6所述的用于食品病菌的光纤荧光传感检测系统，其特征在于：所述THPIRBFNN模型在训练时采用预设损失函数LOSS，表达式如下：
8.根据权利要求1所述的用于食品病菌的光纤荧光传感检测系统，其特征在于：所述检测模块还包括评估单元，所述评估单元用于对样品浓度的识别结果进行准确率ACC评估，公式为：
9.根据权利要求1所述的用于食品病菌的光纤荧光传感检测系统，其特征在于：所述检测模块还包括温控模块，所述温控模块与多通道荧光反应槽接触，以实现对多通道荧光反应槽中离心管的溶液进行温度控制。
...【技术特征摘要】
1.一种用于食品病菌的光纤荧光传感检测系统，其特征在于：包括传感模块和检测模块，所述传感模块包括光纤荧光传感模块和环境传感模块，其中，
2.根据权利要求1所述的用于食品病菌的光纤荧光传感检测系统，其特征在于：为消除背景光的影响，在采集荧光强度图像之前，所述检测模块先采集激励光源未激发状态下的图像传感器获得的背景图像，并通过将激励光源激发后检测模块采集到的荧光强度图像与所述背景图像进行差分处理以去除环境背景光干扰。
3.根据权利要求1所述的用于食品病菌的光纤荧光传感检测系统，其特征在于：设所述荧光强度图像对应的荧光强度i与样品浓度c之间存在线性关系，表示为：
4.根据权利要求1所述的用于食品病菌的光纤荧光传感检测系统，其特征在于：为消除噪声对所述图像传感器输出的影响，对图像传感器的实时输出值进行均值滤波，公式为：
5.根据权利要求1所述的用于食品病菌的光纤荧光传感检测系统，其特征在于：所述检...
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。