CN106198481A - 基于lif技术和朴素贝叶斯分类的假酒识别装置及方法 - Google Patents
基于lif技术和朴素贝叶斯分类的假酒识别装置及方法 Download PDFInfo
- Publication number
- CN106198481A CN106198481A CN201610864992.1A CN201610864992A CN106198481A CN 106198481 A CN106198481 A CN 106198481A CN 201610864992 A CN201610864992 A CN 201610864992A CN 106198481 A CN106198481 A CN 106198481A
- Authority
- CN
- China
- Prior art keywords
- chinese liquor
- laser
- fluorescence
- fake wine
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/64—Fluorescence; Phosphorescence
- G01N21/6402—Atomic fluorescence; Laser induced fluorescence
Landscapes
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Optics & Photonics (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明公开了一种基于LIF技术和朴素贝叶斯分类的假酒识别装置,包括电源模块、依次连接的激光器、浸入式探头、激光探测器、光谱分析模块、识别模块,激光探测器包括6路并行激光探测器,本发明还公开了一种假酒识别方法:激光器将激光打入被测白酒,被测白酒受激辐射发出荧光,由浸入式探头实时接收荧光信号并传输至激光探测器;六路并行激光探测器同时分别读取设定的各个波段的荧光信号;光谱分析模块对各荧光信号进行数据整合后输出一路完整波段的荧光光谱数据;识别模块根据被测白酒的荧光光谱数据以及已知含有不同浓度甲醇的白酒样本的PCA模型,基于朴素贝叶斯分类算法判断被测白酒是否为假酒以及甲醇的浓度,实现对假酒的快速识别。
Description
技术领域
本发明涉及食品安全领域,特别是涉及一种基于LIF(激光诱导荧光)技术和朴素贝叶斯分类的假酒识别装置及方法。
背景技术
甲醇是一种比乙醇价格低、带有酒精气味且难以凭感官区别于食用酒精的工业原料,是酒中的有害成分,为白酒卫生标准中的重要控制指标之一。白酒生产过程中会自然产生甲醇、乙醇和其他有机物质,由于甲醇和乙醇的沸点接近(分别为64.7℃和78.3℃),很难分离。所以,白酒中不可避免地含有一定量的甲醇。甲醇过量摄入可使人体的中枢神经系统麻醉,视神经系统及视网膜发生病变,导致头痛、恶心、视力模糊,严重时导致失明或死亡;甲醇对人体的致死量为143mg/kg体质量。
白酒中的有害成分主要有甲醇、杂醇油、甲醛、铅、锰等物质。蒸馏酒及配制酒国家标准GB 2757—81《蒸馏酒及配制酒卫生标准》规定了白酒中甲醇含量若以谷类为原料,则甲醇质量浓度不大于0.04g/100mL,若以薯干及代用品为原料者,甲醇质量浓度不大于0.12g/100mL。
目前尚无一种设备能实现假酒的快速识别。在检测假酒中甲醇含量的方法里,一般的气相色谱法及品-亚硫酸比色法检测较精确,可用于食品卫生检测,但是实验的费用昂贵、过程复杂且对环境条件要求严格,故不能得到广泛的应用和实现快速识别假酒的功能。就假酒而言,其甲醇含量远远超过国家卫生标准,使用光谱分析是可行的。
因此,在假酒流入市场之前对白酒样本进行识别,判断是否为假酒以及甲醇浓度,提前排出流入市场造成食品危害,对食品安全具有重要的意义。
发明内容
本发明所要解决的技术问题是提供一种基于激光诱导荧光和朴素贝叶斯分类的假酒识别装置及方法,能够实现假酒的快速识别。
为解决上述技术问题,本发明采用的一个技术方案是:提供一种基于LIF技术和朴素贝叶斯分类的假酒识别装置,包括电源模块、与电源模块相连的激光器、浸入式探头、激光探测器、光谱分析模块、识别模块,激光探测器包括6路并行激光探测器,浸入式探头的一端通过光纤与激光器连接、另一端通过光纤与6路激光探测器并联,光谱分析模块的一端通过光纤与激光探测器相互连接、另一端通过RS232总线与识别模块相连。
在本发明一个较佳实施例中,所述激光探测器为NMOS激光探测器,在同一时刻分别采集不同波段的荧光信号,节约扫描时间,加快识别速度。
在本发明一个较佳实施例中,所述光谱分析模块为DSP,对激光探测器输出的点信号进行滤波和A/D转换,经过数据整合后输出一路400—999nm完整波段的荧光光谱数据。
在本发明一个较佳实施例中,所述识别模块为上位机,包括VS2010软件、MATLAB软件,VS2010软件用来读取调光谱分析模块输出的一路400—999nm完整波段的荧光光谱数据,采用VS2010软件作为监测界面,界面友好,用MATLAB软件建立的已知含有不同浓度甲醇的白酒样本的PCA模型数据库对被测白酒的荧光光谱数据进行朴素贝叶斯分类,实现快速识别假酒以及甲醇浓度。
为解决上述技术问题,本发明采用的另一个技术方案是:提供一种基于LIF技术和朴素贝叶斯分类的假酒识别方法,包括以下步骤:
(1)激光器将激光打入被测白酒,被测白酒受激辐射发出荧光,由浸入式探头实时接收荧光信号,经光纤传输至激光探测器;
(2)六路并行激光探测器同时分别读取光谱分析模块设定的各个波段的荧光信号;
(3)光谱分析模块获取激光探测器输出的荧光信号后进行滤波及A/D转换,经过数据整合后输出一路400—999nm完整波段的荧光光谱数据;
(4)识别模块根据被测白酒的荧光光谱数据以及已知含有不同浓度甲醇的白酒样本的PCA模型,基于朴素贝叶斯分类算法判断被测白酒是否为假酒以及甲醇的浓度。
在本发明一个较佳实施例中,所述识别模块判断被测白酒是否为假酒以及甲醇的浓度,包括以下流程:
(1)输入已知含有不同浓度甲醇的白酒样本荧光光谱数据矩阵,采用加权移动平均法对已知样本荧光光谱数据进行数据预处理;
(2)对进行预处理后数据进行PCA建模,设置类主成分数目Ak=3,得到a={a1,a2,a3};
(3)对步骤(2)中的每个类进行计算P(yi),对每个特征属性计算所有划分的条件概率,从而建立不同浓度甲醇的白酒样本的PCA模型;
(4)输入被测白酒的荧光光谱数据,采用加权移动平均法对所述荧光光谱数据进行数据预处理;
(5)对进行预处理后数据进行PCA建模,设置类主成分数目Ak'=3,得到x={x1,x2,x3};
(6)对步骤(5)中的每个类别计算P(x|yi)P(yi),以P(x|yi)P(yi)最大项作为x所属类别,这样即得到该被测白酒是否为假酒以及甲醇的浓度。
进一步地,六路并行激光探测器依次读取荧光信号的波段分别为400—499nm、500—599nm、600—699nm、700—799nm、800—899nm和900—999nm。
本发明的有益效果是:本发明能够实现假酒的快速识别,所述假酒识别装置采用激光装置,系统简单、安全性好,成本低,对环境条件的要求低;所述假酒识别方法实验过程简单,采用朴素贝叶斯算法对假酒进行识别,运算速度快,识别精度高;本发明依据假酒的特点,从食品安全角度出发,充分利用朴素贝叶斯分类算法和激光诱导荧光技术的优点对假酒进行识别,以避免假酒进入市场造成食品危害,适宜广泛推广应用。
附图说明
图1是本发明所述假酒识别装置一较佳实施例的结构框图。
具体实施方式
下面结合附图对本发明的较佳实施例进行详细阐述,以使本发明的优点和特征能更易于被本领域技术人员理解,从而对本发明的保护范围做出更为清楚明确的界定。
请参阅图1,本发明实施例包括:
一种基于LIF(激光诱导荧光)技术和朴素贝叶斯分类的假酒识别装置,包括电源模块、与电源模块相连的激光器、浸入式探头、激光探测器、光谱分析模块、识别模块,电源模块为各个硬件及模块供电。激光探测器包括6路并行激光探测器,浸入式探头的一端通过光纤与激光器连接、另一端通过光纤与6路激光探测器并联,光谱分析模块的一端通过光纤与激光探测器相互连接、另一端通过RS232总线与识别模块相连。
所述激光器采用发射波长为405nm的激光器,将激光打入被测白酒中,被测白酒受激辐射发出荧光。所述浸入式探头采用直角光路系统,以使入射光和荧光在被测水体中达到最佳分离。在激光经光纤传入浸入式探头时,首先接触一特制棱镜,光路发生90度转变,进入被测白酒,实现对被测白酒的激发,其后接触一端面的凹面镜,反射后再次进入被测白酒,对其进行二次激发,此种设计可以尽可能地提高荧光效率,增加荧光强度。
所述激光探测器采用6路并行NMOS激光探测器,在同一时刻分别采集不同波段的荧光信号,节约扫描时间,加快识别速度,被测白酒受激辐射发出的荧光经光纤传输至NMOS激光探测器。激光探测器由光谱分析模块进行驱动控制,同时分别读取不同波段的荧光信号,将荧光信号转化为电信号。光谱分析模块规定各路激光探测器采集的荧光光谱波段分别为400—499nm、500—599nm、600—699nm、700—799nm、800—899nm和900—999nm。
所述光谱分析模块为DSP,通过内部编程对6路并行激光探测器进行驱动控制,规定各路激光探测器采集的荧光光谱波段,对6路激光探测器输出的点信号进行滤波和A/D转换,并将6路荧光光谱数据按顺序进行数据整合。DSP以一定顺序读取A/D转换处理后的6路荧光光谱数据,进行数据整合,输出一路400—999nm完整波段的荧光光谱数据,荧光光谱数据经RS232总线送至识别模块。
所述识别模块为上位机,装有VS2010软件、MATLAB软件,VS2010软件用来读取调光谱分析模块输出的一路400—999nm完整波段的荧光光谱数据,采用VS2010软件作为监测界面,界面友好;用MATLAB软件建立的已知含有不同浓度甲醇的白酒样本的PCA模型数据库对被测白酒的荧光光谱数据进行朴素贝叶斯分类,实现快速识别假酒以及甲醇浓度。
所述假酒识别装置采用激光装置,系统简单、安全性好,成本低,对环境条件的要求低,充分利用激光诱导荧光技术和朴素贝叶斯分类算法的优点实现对假酒的快速识别。
基于所述假酒识别装置,本发明还提供了一种基于LIF技术和朴素贝叶斯分类的假酒识别方法,包括以下步骤:
(1)激光器将激光打入被测白酒,被测白酒受激辐射发出荧光,由浸入式探头实时接收荧光信号,经光纤传输至激光探测器;
(2)六路并行激光探测器同时分别读取光谱分析模块设定的各个波段的荧光信号,所述荧光信号的波段分别为400—499nm、500—599nm、600—699nm、700—799nm、800—899nm和900—999nm;
(3)光谱分析模块获取激光探测器输出的荧光信号后进行滤波及A/D转换,经过数据整合后输出一路400—999nm完整波段的荧光光谱数据;
(4)识别模块根据被测白酒的荧光光谱数据以及已知含有不同浓度甲醇的白酒样本的PCA模型,基于朴素贝叶斯分类算法判断被测白酒是否为假酒以及甲醇的浓度。
所述识别模块的朴素贝叶斯分类算法的MATLAB仿真包括以下流程:
(1)输入已知含有不同浓度甲醇的白酒样本荧光光谱数据矩阵,采用加权移动平均法对已知样本荧光光谱数据进行数据预处理;
(2)对进行预处理后数据进行PCA建模,设置类主成分数目Ak=3,得到a={a1,a2,a3};
(3)对步骤(2)中的每个类进行计算P(yi),对每个特征属性计算所有划分的条件概率,从而建立不同浓度甲醇的白酒样本的PCA模型;
(4)输入被测白酒的荧光光谱数据,采用加权移动平均法对所述荧光光谱数据进行数据预处理;
(5)对进行预处理后数据进行PCA建模,设置类主成分数目Ak'=3,得到x={x1,x2,x3};
(6)对步骤(5)中的每个类别计算P(x|yi)P(yi),以P(x|yi)P(yi)最大项作为x所属类别,这样即得到该被测白酒是否为假酒以及甲醇的浓度。
所述假酒识别方法首先通过朴素贝叶斯分类算法建立已知不同浓度甲醇的白酒样本的PCA模型,然后再对未知的待测白酒朴素贝叶斯分类,得到该待测白酒所属类别即得到白酒中的甲醇浓度,实验过程简单,采用朴素贝叶斯算法对假酒进行识别,运算速度快,识别精度高。
本发明依据假酒的特点,从食品安全角度出发,充分利用朴素贝叶斯分类算法和激光诱导荧光技术的优点对假酒进行识别,以避免假酒进入市场造成食品危害,适宜广泛推广应用。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (7)
1.一种基于LIF技术和朴素贝叶斯分类的假酒识别装置,包括电源模块,其特征在于,还包括与电源模块相连的激光器、浸入式探头、激光探测器、光谱分析模块、识别模块,激光探测器包括6路并行激光探测器,浸入式探头的一端通过光纤与激光器连接、另一端通过光纤与6路激光探测器并联,光谱分析模块的一端通过光纤与激光探测器相互连接、另一端通过RS232总线与识别模块相连。
2.根据权利要求1所述的基于LIF技术和朴素贝叶斯分类的假酒识别装置,其特征在于,所述激光探测器为NMOS激光探测器。
3.根据权利要求1所述的基于LIF技术和朴素贝叶斯分类的假酒识别装置,其特征在于,所述光谱分析模块为DSP。
4.根据权利要求1所述的基于LIF技术和朴素贝叶斯分类的假酒识别装置,其特征在于,所述识别模块为上位机,包括VS2010软件、MATLAB软件。
5.基于权利要求1所述的基于LIF技术和朴素贝叶斯分类的假酒识别装置的识别方法,包括以下步骤:
(1)激光器将激光打入被测白酒,被测白酒受激辐射发出荧光,由浸入式探头实时接收荧光信号,经光纤传输至激光探测器;
(2)六路并行激光探测器同时分别读取光谱分析模块设定的各个波段的荧光信号;
(3)光谱分析模块获取激光探测器输出的荧光信号后进行滤波及A/D转换,经过数据整合后输出一路400—999nm完整波段的荧光光谱数据;
(4)识别模块根据被测白酒的荧光光谱数据以及已知含有不同浓度甲醇的白酒样本的PCA模型,基于朴素贝叶斯分类算法判断被测白酒是否为假酒以及甲醇的浓度。
6.根据权利要求5所述的基于LIF技术和朴素贝叶斯分类的假酒识别方法,其特征在于,所述识别模块判断被测白酒是否为假酒以及甲醇的浓度,包括以下流程:
(1)输入已知含有不同浓度甲醇的白酒样本荧光光谱数据矩阵,采用加权移动平均法对已知样本荧光光谱数据进行数据预处理;
(2)对进行预处理后数据进行PCA建模,设置类主成分数目Ak=3,得到a={a1,a2,a3};
(3)对步骤(2)中的每个类进行计算P(yi),对每个特征属性计算所有划分的条件概率,从而建立不同浓度甲醇的白酒样本的PCA模型;
(4)输入被测白酒的荧光光谱数据,采用加权移动平均法对所述荧光光谱数据进行数据预处理;
(5)对进行预处理后数据进行PCA建模,设置类主成分数目Ak'=3,得到x={x1,x2,x3};
(6)对步骤(5)中的每个类别计算P(x|yi)P(yi),以P(x|yi)P(yi)最大项作为x所属类别,这样即得到该被测白酒是否为假酒以及甲醇的浓度。
7.根据权利要求5或6所述的基于LIF技术和朴素贝叶斯分类的假酒识别方法,其特征在于,六路并行激光探测器依次读取荧光信号的波段分别为400—499nm、500—599nm、600—699nm、700—799nm、800—899nm和900—999nm。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610864992.1A CN106198481B (zh) | 2016-09-29 | 2016-09-29 | 基于lif技术和朴素贝叶斯分类的假酒识别装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610864992.1A CN106198481B (zh) | 2016-09-29 | 2016-09-29 | 基于lif技术和朴素贝叶斯分类的假酒识别装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106198481A true CN106198481A (zh) | 2016-12-07 |
CN106198481B CN106198481B (zh) | 2020-01-24 |
Family
ID=57521290
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610864992.1A Active CN106198481B (zh) | 2016-09-29 | 2016-09-29 | 基于lif技术和朴素贝叶斯分类的假酒识别装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106198481B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110044856A (zh) * | 2019-03-28 | 2019-07-23 | 安徽理工大学 | 一种多光源lif葵花籽油掺杂菜籽油的快速无损鉴别设备 |
CN110632009A (zh) * | 2019-10-14 | 2019-12-31 | 广东省食品检验所(广东省酒类检测中心) | 一种轩尼诗xo干邑白兰地酒鉴定方法 |
CN111398233A (zh) * | 2020-04-07 | 2020-07-10 | 安徽理工大学 | 一种红酒品质的激光光谱检测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103499646A (zh) * | 2013-07-30 | 2014-01-08 | 中国标准化研究院 | 一种蜂蜜特征香气分析及蜂蜜香气体系模拟的方法 |
CN104458687A (zh) * | 2014-12-10 | 2015-03-25 | 安徽理工大学 | 基于激光诱导和simca分类法的矿井突水水源识别装置及方法 |
CN104618406A (zh) * | 2013-11-05 | 2015-05-13 | 镇江华扬信息科技有限公司 | 一种基于朴素贝叶斯分类的负载均衡算法 |
-
2016
- 2016-09-29 CN CN201610864992.1A patent/CN106198481B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103499646A (zh) * | 2013-07-30 | 2014-01-08 | 中国标准化研究院 | 一种蜂蜜特征香气分析及蜂蜜香气体系模拟的方法 |
CN104618406A (zh) * | 2013-11-05 | 2015-05-13 | 镇江华扬信息科技有限公司 | 一种基于朴素贝叶斯分类的负载均衡算法 |
CN104458687A (zh) * | 2014-12-10 | 2015-03-25 | 安徽理工大学 | 基于激光诱导和simca分类法的矿井突水水源识别装置及方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110044856A (zh) * | 2019-03-28 | 2019-07-23 | 安徽理工大学 | 一种多光源lif葵花籽油掺杂菜籽油的快速无损鉴别设备 |
CN110632009A (zh) * | 2019-10-14 | 2019-12-31 | 广东省食品检验所(广东省酒类检测中心) | 一种轩尼诗xo干邑白兰地酒鉴定方法 |
CN111398233A (zh) * | 2020-04-07 | 2020-07-10 | 安徽理工大学 | 一种红酒品质的激光光谱检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106198481B (zh) | 2020-01-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105548138B (zh) | 基于拉曼光谱的酿酒发酵液酵母活力在线检测装置的检测方法 | |
CN103698298B (zh) | 采用基于短腔腔增强关联光谱技术测量气体浓度的装置测量气体浓度的方法 | |
CN106198481A (zh) | 基于lif技术和朴素贝叶斯分类的假酒识别装置及方法 | |
CN103884706B (zh) | 原浆酒在线检测分级系统 | |
CN107064084A (zh) | 微小型激光荧光光谱仪及光谱检测方法 | |
Fernández-Novales et al. | A feasibility study on the use of a miniature fiber optic NIR spectrometer for the prediction of volumic mass and reducing sugars in white wine fermentations | |
CN106770003A (zh) | 基于近红外光谱技术的木材识别方法及系统 | |
CN105158175A (zh) | 一种采用透射光谱鉴别水中细菌的方法 | |
CN202101939U (zh) | 黄曲霉毒素测量装置 | |
CN105044025A (zh) | 一种近红外快速识别芝麻油及芝麻油中掺杂大豆油的方法 | |
CN109187443A (zh) | 基于多波长透射光谱的水体细菌微生物准确识别方法 | |
CN101614663A (zh) | 可见和近红外光谱的蜂花粉品种鉴别方法 | |
CN104655585B (zh) | 一种基于近红外光谱的pse肉筛选方法 | |
CN110132922A (zh) | 一种叶绿素浓度的快速在线检测方法 | |
CN205333518U (zh) | 基于拉曼光谱的酿酒发酵液酵母活力在线检测装置 | |
CN109507143A (zh) | 沼液理化指标近红外光谱同步快速检测方法 | |
WO2024061126A1 (zh) | 聚羟基脂肪酸酯含量的检测方法、装置、系统、设备 | |
CN112362812A (zh) | 基于Lars算法的水稻叶片叶绿素类胡萝卜素含量比值遥感反演模型和方法 | |
CN111426636A (zh) | 酒类化学组分含量快速分析仪 | |
CN103674929A (zh) | 光谱分析用于植物幼苗的体检方法 | |
CN210376134U (zh) | 基于太赫兹的室内环境污染物检测装置 | |
CN104568820A (zh) | 一种水质检测方法 | |
CN101949850A (zh) | 一种用拉曼光谱法检测多糖类物质分子量和结构的方法 | |
CN105784671A (zh) | 一种液芯光纤共振拉曼光谱在线检测亚硝酸盐方法 | |
CN113933247A (zh) | 一种水果成熟度检测模型的构建方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |