CN108960315B - 一种调理肉制品品质智能评价系统及方法 - Google Patents

Abstract

本发明公开了一种调理肉制品品质智能化评价系统及方法，采用多传感信息融合技术，利用评价系统中的智能电子鼻模块、智能电子舌模块、高光谱图像采集模块、数据分析系统，计算机以及友好人机管理界面进行评价，智能电子鼻模块与计算机通过数据线连接，包括气敏传感阵列、密闭气室，采样泵、排废泵以及单片机装置；气敏传感阵列与单片机装置相连，待测气体由采样泵抽出后进入传感器阵列反应室，与传感器发生吸附反应，使得传感器产生电阻变化。依据转换器将电阻信号转换成电压信号后通过串口通信传送至计算机上。本发明克服了人工感官评定主观性强，一致性差以及产品质量不稳定的问题，为企业关于复杂的原辅料配比提供一种智能化的解决方案。

Description

一种调理肉制品品质智能评价系统及方法

技术领域

本发明属于调理肉制品品质智能化控制领域，具体涉及一种基于多传感信息融合技术的调理肉制品品质智能评价系统及方法。

背景技术

调理肉制品是指以畜、禽为主要原料，配以各种辅料，经预加工调理(如分切、搅拌、腌制、滚揉、成型、加热、冷却或冷冻)和包装，于冷冻(-18℃)、冷藏(7℃以下)或常温条件下贮藏、流通和销售，食用前需经简单加工处理的制品。它是应社会经济发展和生活节奏加快而发展起来的一类方便、营养、快捷的肉类制品，作为可直接进行烹饪的预制食品，蕴涵着极大的市场空间。

调理肉制品不仅包括肉糜肉粒混合类(如丸类、灌肠)、肉糜类(肉饼)，还有肉块类(各种肉排)等种类繁多，风味多样，所以不同类型的调理肉制品必须要考虑其原辅料的种类和配比，不同原辅料的添加量最终影响产品的风味和营养品质。近年来，企业在生产过程中原辅料配方以及产品品质的检测问题大都停留在经验水平基础上，缺乏科学依据，使得产品品质不稳定，难以满足市场发展需求。目前，对调理肉制品品质评价的方法主要是感官评定法、化学方法等，前者易受各种因素影响，主观性强，一致性差，且风味、滋味数据难以量化。后者操作繁琐，费时，检测结果往往延迟与生产，不能及时指导生产，且评价指标比较单一，很难获得产品的全面信息。

随着多传感器信息融合技术的发展，可以通过不同传感器同时获取样品的色、香、味、形等全面、准确的不同量纲、量级样本特征信息，涵盖了图像处理、成分测定、气味获取、信号处理、概率统计等，可建立快速预测模型，精确预测产品品质。近年来，多传感器融合技术在食品、农产品检测领域得到了相关应用。如申请号CN201310123159.8，“一种基于嗅觉和味觉传感器信息融合的镇江香醋贮藏时间鉴别方法”，授权发明专利ZL200910232916.9“基于多传感器信息融合的名优茶品质仪器智能化审评方法”，申请号201210265737.7，“基于多传感器信息融合的叶菜类蔬菜叶片农药残留检测装置及方法”以及申请号CN103472197B，“一种食品智能化仿生评价中的跨感知信息交互感应融合方法”等，但国内外专利检索发现，目前的多传感器信息融合技术多以检测为主，用来辅助感官评价的方法，给出的检测结果无法计算出产品的最佳原辅料配比，不能够指导企业优化产品配方。调理肉制品不仅要求风味、滋味、外观色泽以及形状等，还需要不同批次品质稳定和成本低廉，所以在快速检测产品的品质的同时，如何添加原辅料以最低成本达到产品标准成为生产的关键点。

本发明采用多传感器信息融合技术结合多传感信息融合过程中交互感知信息解析方法，对调理肉制品的色、香、味、形等指标量化评价，为不同调理肉制品原辅料最佳配比以及不同批次品质的智能化评价提供一种新的解决方案。

发明内容

针对现有技术的不足，本发明旨在提供一种调理肉制品品质智能评价系统及方法，及时获取调理肉制品不同原辅料配比时产品品质数据信息，计算最佳原辅料配比，校正人工感官评价的主观性强，一致性差以及产品质量不稳定的问题。在脱离人为因素的前提下，利用数学统计和逻辑分析来提示产品配方的理化数据与感官指标之间的相关性，在最低成本时，为企业提供不同原辅料配比时最佳产品品质参考数据，即提供一种智能化的解决方案。

为解决上述技术问题，本发明采用以下技术方案：

一种调理肉制品智能化评价系统，包括智能电子鼻模块、智能电子舌模块、高光谱图像采集模块、数据分析系统，计算机以及友好人机管理界面，所述的智能电子鼻模块与计算机通过数据线连接，主要包括气敏传感阵列、密闭气室，采样泵、排废泵以及单片机装置；其中气敏传感阵列与单片机装置相连，待测气体由采样泵抽出后进入传感器阵列反应室，与传感器发生吸附反应，使得传感器产生电阻变化。依据转换器将电阻信号转换成电压信号后通过串口通信传送至计算机上。

所述的传感器阵列由多个气敏传感器构成，位于密闭的测试腔内，主要由10个金属氧化物传感器组成；采样泵和排废泵均与密闭气室相连；单片机用于接收气敏传感阵列传输的信号，对信号处理后对智能电子鼻系统的实时状态进行控制。

所述的智能电子舌模块利用光纤与计算机连接，主要包括电子舌传感器阵列、采集容器、采集装置、模式识别系统和电源装置，所述的电子舌传感器阵列封装在采集装置中与电源相连，利用信号传递装置将仪器响应值转化为电压信号，并将信号放大、滤波和模数转变成数字信号传送给模式识别系统，最后将结果通过光纤传给计算机进行显示，然后利用数据处理系统进行数据分析。

所述的智能电子舌传感器阵列包括工作电极、辅助电极和参考电极。其中工作电极为为铜、金、钯、钨、钦、镍、铅及用氧化石墨烯修饰过的玻碳电极，使用氧化石墨烯修饰过的玻碳电极后，使电极增加了修饰电极的新特性及检测灵敏度，参考电极位于各电极中间，为银氯化银电极，辅助电极为铂电极。

所述的智能电子舌信号传递装置中嵌入接口电路和模式识别系统，经过接口电路将采集的信号进行放大、滤波和模数转变成数字信号，然后通过模式识别系统对数据进行预处理、特征提取。

所述的高光谱图像采集模块用于不同调理肉制品外形、色泽以及内部特征信息的采集，主要包括高光谱相机、光源、图像采集卡，样品传送装置和采光室；其中光源主要包括卤素灯和紫外灯，它们被固定在采光室内，通过光纤与采光室外部的光源相连，工作时卤素灯的光照主要是使强光尽可能的入射到样品内部，获取被检测物内部信息；紫外灯的光照主要是利用高频率的光激发被检测物产生图像；在样品传送带运动的过程中，高光谱相机综合横纵扫描信息可得到样品的三维高光谱图像数据，通过图像采集卡传入计算机。

所述的数据分析系统安装在计算机上，主要包括智能电子鼻配套软件WinMaster、电子舌ASTREEⅡSoftware控制软件、高光谱控制软件以及数据融合处理软件等组成，其中数据融合处理软件主要是用来分析各个传感器采集的数据，将不同量纲、物理意义、量级的多种信息统一映射到一个高维虚拟空间，用主成分分析、独立量分析等现代数学处理方法来对不同原辅料配比的样品的特征信息进行提取，并对不同传感器信息进行预处理和融合，同时集成神经网络、支持向量机以及遗传算法等先进的模式识别方法对调理肉制品的风味信息进行快速识别；利用风味最佳识别模型快速计算出样品不同原辅料添加量的风味数据，给企业提供最优生产方案。

所述的友好人机管理界面安装在计算机上，与数据分析系统结合，是主要的信息管理化平台，主要用于显示和处理各传感器的数据处理信息和监控状态，内置各种模式识别算法和预测模型，可实时显示不同指标量化值、模型预测结果以及最优原辅料配比方案。

所述的调理肉制品智能化检测系统的检测方法，采集不同原辅料配比时的风味、滋味以及色泽、外观等数据，分析产品内外综合品质，实现生产现场的仪器响应值、理化数据实测值与感官指标之间相关程度的关联，计算产品原辅料最佳配比，具体的实现步骤如下：

(1)在利用仪器采集样本数据前，根据其检测标准(如国家标准、通用行业标准等)，先请专业人员对一部分调理肉制品样品进行感官评定，积累不同产品的感官评定信息，确定调理肉制品的品质优劣标准，并对其做常规的理化分析，并将理化数据与感官指标进行相关性分析，获得相关性函数F；

(2)利用智能电子鼻模块获取调理肉制品不同原辅料配比时的气味信息X1，根据不同的嗅觉传感器阵列获得能够反映产品气味信息的p个特征变量，a₁，a₂，a₃……a_p，并结合检测的理化参数和感官评定数据构建快速预测模型；

(3)利用智能微型电子舌模块获取调理肉制品不同原辅料配比时的滋味信息X2，从味觉指纹图谱中提取特征数据，获得q个特征变量b₁，b₂，b₃……b_q，并利用多元线性回归、偏最小二乘等算法建立味觉指纹图谱与调理肉制品品质指标之间的相关性，建立滋味判别模型；

(4)利用微型高光谱图像采集模块获取调理肉制品不同原辅料配比时的图像信息X3和光谱信息X4，从图像信息中提取产品外部特征(大小、形状、色泽、缺陷等)进行分析；从光谱信息中提取产品的内部特征(蛋白、脂肪、水分等含量)进行分析，得到能够反映产品内外部品质的t个特征变量c₁，c₂，c₃……c_t；并结合产品的内外部特征信息构建不同原辅料配比的产品品质快速判别模型，同时利用高光谱采集原辅料中蛋白质、脂肪等含量的变化，以品质判别模型为标准，给出原辅料配比方案，指导企业及时调整原辅料配比，实现不同调理肉制品动态原辅料配方调整；

(5)通过数据分析系统中的多传感器信息融合技术对产品的特征信号X1、X2、X3以及X4，进行综合分析，将(2)-(4)得到的不同量纲、不同量级的传感器特征变量组合成一个m行，(p+q+t)列的矩阵，采用主成分分析方法进行数据的降维和筛选，获得前n个贡献率较大主成分PC1，PC2……PCn作为输入量，并依据数据分析系统中嵌入的自训练模型进行品质判别；

(6)将获得的最佳联合特征参数，输入自训练模型中得到产品品质信号L，利用所构建的判别模型和感官评定设置的标准实现软平台的构建，由L和步骤(1)中所得到的理化数据和感官指标相关性函数利用原辅料数据库模块中的原辅料数据库、价格数据库以及运算系统计算出不同调理肉制品最佳原辅料配比，完全不依赖于人的主观评审，过程不受人为因素影响。

所述步骤(1)中的理化数据与感官指标进行相关性分析的方法主要是采用阶梯分析法与支持向量机(SVM)相结合，利用阶梯样本从SVM模型中进行相关性特征变量的提取，从而揭示理化数据与感官指标的相关性。

所述的相关性分析，假设某一个调理肉制品的一个理化指标x_i与感官指标Y之间存在相关性，为获得相关程度的分析结论，可以取数据样本集中的该指标x_i的最大值与最小值，并依据经验选取适当小的Δx_i，建立从最小值到最大值逐个相差Δx_i的阶梯式值，同时，其它理化指标输入变量分别取一个定值C_i和阶梯值x_i构成数据样本集，利用构造好的阶梯样本输入训练过的SVM模型进行分测试分析，所获得的结果趋的趋势线可以直接反映二中的相关关系，定义这一相关程度为趋势线的斜率为ρ，则

该斜率ρ的绝对值大小，直接可以映射出某理化指标x_i与感官指标Y的影响有多大，即其之间的正、负相关性的强弱；所有其它理化指标在相互独立的情况下，可以采用一元回归方法综合推导出评估所有理化指标与该感官指标的相关度定量c，某一个感官指标Y与所有理化指标x₁，x₂，x₃……x_m的表达式为：

Y＝F(x₁,x₂,......x_m)＝f(x₁)+f(x₂)+.....+f(x_m)+c ②

令

y＝f(x₁)+f(x₂)+.....+f(x_m) ③

则相关性度量c可以依据下列式子求出得：

c＝∑Y_t/n-∑y_t/n ④

其中，m为理化指标的项数，n为训练样本集中样本个数，将c带入公式②式中，即得到某一感官指标Y与相关理化指标x₁，x₂，x₃……x_m的表达式。

所述步骤(5)中不同量纲、不同量级的传感器特征变量进行主成分分析，主要是在高维虚拟空间对原所有的特征变量进行重组，得到n个相互正交的主成分PC1，PC2……PCn；然后将各主成分通过多元线性回归的方法进行回归分析，获得气味、滋味、外观和内部信息四种得分虚拟变量V1，V2，V3，V4，并将其与之相对应的人工感官评价得分等级作为输入量代入基于误差反向人工神经网络(BP-ANN)、SVM等非线性方法的多传感器信息融合模型中，所有样本按照3:2的比列随机分为校正集和预测集，建立调理肉制品品质识别模型，主要依据融合模型预测集的识别率的高低来验证所建立模型的稳定性。

所述的四种得分虚拟变量主要通过多元线性回归的方法与n个主成分建立的线性回归方程：

V1＝a+b₁₁PC1+b₁₂PC2+b₁₃PC3+……+b_1nPCn；

V2＝a+b₂₁PC1+b₂₂PC2+b₂₃PC3+……+b_2nPCn；

V3＝a+b₃₁PC1+b₃₂PC2+b₃₃PC3+……+b_3nPCn；

V4＝a+b₄₁PC1+b₄₂PC2+b₄₃PC3+……+b_4nPCn；

依据V1，V2，V3，V4四种得分虚拟变量的输出结果，才有效地将不同传感器信息进行融合，实现智能化综合判别产品的品质信息。

所述步骤(6)中的最佳原辅料配比的计算，主要是将(5)中获得的四个得分虚拟变量与专业评审专家给出的评价分数作为输入层，带入到BP-ANN模型中，得到不同调理肉制品品质基于跨感知多传感器融合技术的综合判别结果，并所获得的拟合函数与品质判别模型给出具体的品质参数，依据原辅料中的营养物质含量，利用人工智能优化组合算法推算得出不同风味产品最优的原辅料配比。

本发明的有益效果是：

一.相比于现有的技术，本发明提供一种调理肉制品品质智能化评价系统，采用多传感器融合技术全面获得产品的形、色、风味、滋味等特征评价产品品质信息，实现生产现场的仪器响应值、理化数据实测值与感官指标之间相关程度的关联，在保证产品质量的同时达到最低成本，计算产品原辅料最佳配比。本发明克服了人工感官评定主观性强，一致性差以及产品质量不稳定的问题，解决多种原辅料配比最优解问题，为企业关于复杂的原辅料配比提供一种智能化的解决方案。

二.现有的调理肉制品的品质分级标准比较混乱，主要依靠经验式，缺乏科学的数据支撑。本发明在感官评定的基础上，分析感官数据与测定的理化指标之间的相关性，并依据各传感器响应值和建立的品质预测模型划分产品的分级标准，有具体的科学数据，可以为企业提供准确的产品品质分析结果；

三.利用本发明所建立的智能化品质评价系统所获得的品质评价信息，将所述的产品外观、色泽、风味、滋味等特征信息带入智能化管理平台中的数据分析系统中，自动给出产品原辅料最佳配比方案，可有效地降低成本，保证不同批次产品质量稳定性。

附图说明

图1示出所述调理肉制品理化数据与感官指标相关性分析方法流程图；

图2调理肉制品综合品质智能化评价系统的工作步骤和思路；

图3示出应用多传感融合技术的调理肉制品原辅料最佳配方的流程图；

图4示出了智能化评价系统结构组成示意图。

具体实施方式

下面结合具体实施例，对本发明做进一步说明。应理解，以下实施例仅用于说明本发明而非用于限制本发明的范围，该领域的技术熟练人员可以根据上述发明的内容作出一些非本质的改进和调整。

本发明的一种调理肉制品智能化检测系统，包括智能电子鼻模块、智能电子舌模块、高光谱图像采集模块、数据分析系统，计算机10以及友好人机管理界面，所述的智能电子鼻模块与计算机通过数据线连接，主要包括气敏传感阵列、密闭气室6，采样泵、排废泵以及单片机装置；其中气敏传感阵列与单片机装置相连，由多个气敏传感器构成，位于密闭的测试腔7内，待测气体由采样泵抽出后进入传感器阵列反应室，与传感器发生吸附反应，使得传感器产生电阻变化，依据转换器将电阻信号转换成电压信号后通过串口通信传送至计算机上。

传感器阵列由多个气敏传感器构成，位于密闭的测试腔内，主要由10个金属氧化物传感器组成；采样泵和排废泵均与密闭气室6相连；单片机用于接收气敏传感阵列传输的信号，对信号处理后对智能电子鼻系统的实时状态进行控制。

所述的智能电子舌模块利用光纤与计算机连接，主要包括电子舌传感器阵列8、采集容器、采集装置、模式识别系统和电源装置，所述的电子舌传感器阵列封装在采集装置中与电源相连，利用信号传递装置9将仪器响应值转化为电压信号，并将信号放大、滤波和模数转变成数字信号传送给模式识别系统，最后将结果通过光纤传给计算机进行显示，然后利用数据处理系统进行数据分析。

所述的智能电子舌传感器阵列8包括工作电极、辅助电极和参考电极。其中工作电极为为铜、金、把、钨、钦、镍、铅及用氧化石墨烯修饰过的玻碳电极，使用氧化石墨烯修饰过的玻碳电极后，使电极增加了修饰电极的新特性及检测灵敏度，参考电极位于各电极中间，为银氯化银电极，辅助电极为铂电极。

所述的智能电子舌信号传递装置9中嵌入接口电路和模式识别系统，经过接口电路将采集的信号进行放大、滤波和模数转变成数字信号，然后通过模式识别系统对数据进行预处理、特征提取。

所述的高光谱图像采集模块用于不同调理肉制品外形、色泽以及内部特征信息的采集，主要包括高光谱相机1、光源、图像采集卡，样品传送装置5和采光室；其中光源主要包括卤素灯3和紫外灯2，它们被固定在采光室内，通过光纤与采光室外部的光源相连，工作时卤素灯的光照主要是使强光尽可能的入射到位于样品杯4的样品内部，获取被检测物内部信息；紫外灯的光照主要是利用高频率的光激发被检测物产生图像；在样品传送带运动的过程中，高光谱相机综合横纵扫描信息可得到样品的三维高光谱图像数据，通过图像采集卡传入计算机。

所述的数据分析系统安装在计算机上，主要包括智能电子鼻配套软件WinMaster、电子舌ASTREEⅡSoftware控制软件、高光谱控制软件以及数据融合处理软件等组成，其中数据融合处理软件主要是用来分析各个传感器采集的数据，将不同量纲、物理意义、量级的多种信息统一映射到一个高维虚拟空间，用主成分分析、独立量分析等现代数学处理方法来对不同原辅料配比的样品的特征信息进行提取，并对不同传感器信息进行预处理和融合，同时集成神经网络、支持向量机以及遗传算法等先进的模式识别方法对调理肉制品的风味信息进行快速识别；利用风味最佳识别模型快速计算出样品不同原辅料添加量的风味数据，给企业提供最优生产方案。

所述的友好人机界面安装在计算机上，与数据分析系统结合，是主要的信息管理化平台，主要用于显示和处理各传感器的数据处理信息和监控状态，内置各种模式识别算法和预测模型，可实时显示不同指标量化值、模型预测结果以及最优原辅料配比方案。

以调理肉制品中调理狮子头为例，详细讲述利用调理肉制品综合品质智能化评价系统快速评判调理狮子头的品质，并计算给出最佳原辅料配比。

首先根据所研究的调理狮子头的特性，建立科学的感官评价体系。如图1所示，所述狮子头理化数据与感官指标相关性分析的方法流程图如下：

第一步，首先检测狮子头水分、脂肪、蛋白含量以及质构等理化指标，组织行业专家60对成品进行评定，将所得的评定数据进行分析，记录，并形成样本集A；

第二步，汇总专家对不同产地、等级的产品风味、滋味、色泽以及外观等评价因子描述，并进行客观公正的评分，采用阶梯分析法与支持向量机(SVM)相结合，利用阶梯样本从SVM模型中进行相关性特征变量的提取，从而揭示理化数据与感官指标的相关性。对不同条件下烹饪的狮子头进行感官评价，评价指标为嫩度、肥腻感、色泽以及紧实度等指标；

第三步，对样本集A进行数据预处理，剔除特异样本信息，以求尽量直观地映射出理化数据与感官指标之间的相关性；将预处理后的样本集按照3:1随机分为训练集和预测集分别为40个，20个样本信息，应用阶梯分析法构造阶梯样本；

第四步，利用构造好的阶梯样本输入训练过的SVM模型进行测试分析，调取SVM的知识模型并对其参数初始化，将训练样本送入模型中进行训练，得到测试结果；

第五步，判断SVM模型是否合适，并根据企业制定的符合度公式推算其符合度，即以输出实数值与目标值的误差和允许误差的比值作为评估准确度的计算标准，得到Y的所有相关理化指标x的表达关系式。

如图2所示，本实施例中，利用智能化评价系统采集不同调理肉制品样品品质具体步骤如下：

S1.利用所述的品质智能评价系统中的电子鼻模块获取狮子头的气味信息X1，在每个传感器上提取最大值、最小值、均值3个特征参数，12个传感器共有36个特征参数，再利用主成分分析法结合独立量分析法对原始数据进行降维并进行特征提取，获得p个特征变量，对于不同品牌、不同原辅料配比的狮子头进行定性和定量判别；

S2.利用所述的品质智能评价系统的电子舌模块狮子头的滋味信息X2，首先将每个传感器数据进行去躁，降维处理，提取特征主分，获取q个特征变量，利用多元线性回归、偏最小二乘等算法建立味觉指纹图谱与调理肉制品品质指标之间的相关性，建立滋味判别模型；

S3.利用所述的品质智能评价系统的高光谱图像采集模块获取狮子头的光谱信息和图像信息，提取不同原辅料配比狮子头的纹理信息(基于统计矩的6个纹理特征，平均灰度值m，标准方差￡，平滑度R，三阶矩μ₃，一致性U和熵e)和图像颜色特征的R、G、B三基色、色调(H)、饱和度(S)和光强度(I)三参数进一步计算得到的这6个参数的均值和标准差，共计12个颜色特征变量；另外，对采集的光谱信息，利用智能化评价系统内置的品质预测模型，计算狮子头的内部化学指标(蛋白、脂肪、水分等)含量，快速判别狮子头品质；

S4.利用S1-S3获取不同原辅料配比的狮子头的气味特征信息，滋味信息、纹理特征信息、图像颜色特征信息以及光谱特征信息进行不同量纲、不同单位的数据信息融合；

S5.将S4步骤中获得的四个得分虚拟变量与专业评审专家给出的评价分数作为输入层，带入到BP-ANN模型中，得到不同原辅料配比的狮子头基于跨感知多传感器融合技术的综合判别结果，并所获得的拟合函数与品质判别模型给出具体品质参数。

S6.利用S5中获得的狮子头品质判别模型，依据品质智能评价系统中的感官指标、理化指标以及仪器采集数据的融合信息通过人工智能优化组合算法，计算最优原辅料配比，利用不同原辅料配比的狮子头的阶梯度走势，设置配比范围，查询并选择可能符合目标的多个配比，利用基于互联网的物联网平台链接原辅料价格数据库，给出多种原辅料配比方案，以满足品质合格的条件下原辅料配比成本最低，最终获得最佳原辅料配比方案。

以上显示和描述了本发明的基本原理和主要特征以及本发明的优点。本行业技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (6)

1.一种调理肉制品智能化检测系统的检测方法，其特征在于步骤如下：

(1)在利用仪器采集样本数据前，根据其检测标准，先请专业人员对一部分调理肉制品样品进行感官评定，积累不同产品的感官评定信息，确定调理肉制品的品质优劣标准，并对其做常规的理化分析，并将理化数据与感官指标进行相关性分析，获得相关性函数F；

所述理化数据与感官指标进行相关性分析的方法是采用阶梯分析法与支持向量机相结合，利用阶梯样本从SVM模型中进行相关性特征变量的提取，从而揭示理化数据与感官指标的相关性；

组织行业专家60人对成品进行评定，将所得的评定数据进行分析，记录，并形成样本集A，对样本集A进行数据预处理，剔除特异样本信息，将预处理后的样本集按照3:1随机分为训练集和预测集分别为40个，20个样本信息，应用阶梯分析法构造阶梯样本；

(2)利用智能电子鼻模块获取调理肉制品不同原辅料配比时的气味信息X1，根据不同的嗅觉传感器阵列获得能够反映产品气味信息的p个特征变量，a₁，a₂，a₃……a_p，并结合检测的理化参数和感官评定数据构建快速预测模型；

所述的品质智能评价系统中的电子鼻模块获取气味信息，在每个传感器上提取最大值、最小值、均值3个特征参数，12个传感器共有36个特征参数；

(3)利用智能微型电子舌模块获取调理肉制品不同原辅料配比时的滋味信息X2，从味觉指纹图谱中提取特征数据，获得q个特征变量b₁，b₂，b₃……b_q，并利用多元线性回归、偏最小二乘算法建立味觉指纹图谱与调理肉制品品质指标之间的相关性，建立滋味判别模型；

(4)利用微型高光谱图像采集模块获取调理肉制品不同原辅料配比时的图像信息X3和光谱信息X4，从图像信息中提取产品外部特征进行分析；从光谱信息中提取产品的内部特征进行分析，得到能够反映产品内外部品质的t个特征变量c₁，c₂，c₃……c_t；并结合产品的内外部特征信息构建不同原辅料配比的产品品质快速判别模型，同时利用高光谱采集原辅料中蛋白质、脂肪含量的变化，以品质判别模型为标准，给出原辅料配比方案，指导企业及时调整原辅料配比，实现不同调理肉制品动态原辅料配方调整；

提取不同原辅料配比狮子头的纹理信息、图像颜色特征的R、G、B三基色、色调、饱和度和光强度进一步计算得到的这5个参数的均值和标准差，共计12个颜色特征变量，对采集的光谱信息，利用智能化评价系统内置的品质预测模型，计算狮子头的内部化学指标含量，所述化学指标包括蛋白、脂肪、水分，快速判别狮子头品质，其中，所述纹理信息包括平均灰度值，标准方差，平滑度，三阶矩，一致性和熵；

(5)通过数据分析系统中的多传感器信息融合技术对产品的特征信号X1、X2、X3以及X4，进行综合分析，将(2)-(4)得到的不同量纲、不同量级的传感器特征变量组合成一个m行，(p+q+t)列的矩阵，采用主成分分析方法进行数据的降维和筛选，获得前n个贡献率较大主成分PC₁，PC₂……PC_n作为输入量，并依据数据分析系统中嵌入的自训练模型进行品质判别；

(6)将获得的最佳联合特征参数，输入自训练模型中得到产品品质信号L，利用所构建的判别模型和感官评定设置的标准实现软平台的构建，由L和步骤(1)中所得到的理化数据和感官指标相关性函数利用原辅料数据库模块中的原辅料数据库、价格数据库以及运算系统计算出不同调理肉制品最佳原辅料配比。

2.根据权利要求1所述的检测方法，其特征在于：所述调理肉制品智能化检测系统包括智能电子鼻模块、智能电子舌模块、高光谱图像采集模块、数据分析系统，计算机(10)以及友好人机管理界面；

所述的智能电子鼻模块与计算机通过数据线连接，包括气敏传感阵列、封闭气室(6)，采样泵、排废泵以及单片机；其中气敏传感阵列与单片机相连，由多个气敏传感器构成，位于密闭的测试腔(7)内，由10个金属氧化物传感器组成；采样泵和排废泵均与密闭气室相连；单片机用于接收气敏传感阵列传输的信号，对信号处理后对智能电子鼻系统的实时状态进行控制；

所述的智能电子舌模块利用光纤与计算机连接，包括电子舌传感器阵列(8)、采集容器、采集装置、模式识别系统和电源装置，所述的电子舌传感器阵列封装在采集装置中与电源相连，利用信号传递装置(9)将仪器响应值转化为电压信号，并将信号放大、滤波和模数转变成数字信号传送给模式识别系统，最后将结果通过光纤传给计算机进行显示，然后利用数据处理系统进行数据分析；

所述的智能电子舌传感器阵列(8)包括工作电极、辅助电极和参考电极，其中工作电极为铜、金、钯、钨、钦、镍、铅或用氧化石墨烯修饰过的玻碳电极，使用氧化石墨烯修饰过的玻碳电极后，使电极增加了修饰电极的新特性及检测灵敏度，参考电极位于各电极中间，为银氯化银电极，辅助电极为铂电极；

所述的智能电子舌信号传递装置(9)中嵌入接口电路和模式识别系统，经过接口电路将采集的信号进行放大、滤波和模数转变成数字信号，然后通过模式识别系统对数据进行预处理、特征提取；

所述的高光谱图像采集模块用于不同调理肉制品外形、色泽以及内部特征信息的采集，包括高光谱相机(1)、光源、图像采集卡，样品传送装置(5)和采光室；样品传送装置(5)上设有样品杯(4)，其中光源包括卤素灯(3)和紫外灯(2)，它们被固定在采光室内，通过光纤与采光室外部的光源相连；

所述的数据分析系统安装在计算机(10)上，包括智能电子鼻配套软件WinMaster、电子舌ASTREEⅡSoftware控制软件、高光谱控制软件以及数据融合处理软件组成，其中数据融合处理软件是用来分析各个传感器采集的数据，将不同量纲、物理意义、量级的多种信息统一映射到一个高维虚拟空间，用主成分分析、独立量分析现代数学处理方法来对不同原辅料配比的样品的特征信息进行提取，并对不同传感器信息进行预处理和融合，同时集成神经网络、支持向量机以及遗传算法先进的模式识别方法对调理肉制品的风味信息进行快速识别；利用风味最佳识别模型快速计算出样品不同原辅料添加量的风味数据，给企业提供最优生产方案；

所述的友好人机管理界面安装在计算机(10)上，与数据分析系统结合，是主要的信息管理化平台，用于显示和处理各传感器的数据处理信息和监控状态，内置各种模式识别算法和预测模型，可实时显示不同指标量化值、模型预测结果以及最优原辅料配比方案。

3.根据权利要求1所述的检测方法，其特征在于：所述的相关性分析，假设某一个调理肉制品的一个理化指标x_i与感官指标Y之间存在相关性，为获得相关程度的分析结论，可以取数据样本集中的该指标x_i的最大值与最小值，并依据经验选取适当小的Δx_i，建立从最小值到最大值逐个相差Δx_i的阶梯式值，同时，其它理化指标输入变量分别取一个定值C_i和阶梯值x_i构成数据样本集，利用构造好的阶梯样本输入训练过的SVM模型进行分测试分析，所获得的结果趋的趋势线可以直接反映二者的相关关系，定义这一相关程度趋势线的斜率为ρ，则

该斜率ρ的绝对值大小，直接可以映射出某一输入变量x_i与输出变量Y的影响有多大，即其之间的正、负相关性的强弱；所有其它理化指标在相互独立的情况下，可以采用一元回归方法综合推导出评估所有理化指标与该感官指标的相关度定量c，某一个感官指标Y与所有理化指标x₁，x₂，x₃……x_m的表达式为：

Y＝F(x₁,x₂,......x_m)＝f(x₁)+f(x₂)+.....+f(x_m)+c ②

令

y＝f(x₁)+f(x₂)+.....+f(x_m) ③

则相关性度量c可以依据下列式子求出得：

c＝∑Y_t/n-∑y_t/n ④

其中，m为理化指标的项数，n为训练样本集中样本个数，将c代入公式②式中，即得到某一感官指标Y与所有相关理化指标x₁，x₂，x₃……x_m的表达式。

4.根据权利要求1所述的检测方法，其特征在于：所述步骤(5)中不同量纲、不同量级的传感器特征变量进行主成分分析，是在高维虚拟空间对原所有的特征变量进行重组，得到n个相互正交的主成分PC₁，PC₂……PC_n；然后将各主成分通过多元线性回归的方法进行回归分析，获得气味、滋味、外观和内部信息四个得分虚拟变量V1，V2，V3，V4，并将其与之相对应的人工感官评价得分等级作为输入量代入基于误差反向人工神经网络、SVM非线性模式识别方法的多传感器信息融合模型中，所有样本按照3:2的比列随机分为校正集和预测集，建立调理肉制品品质识别模型，依据融合模型预测集的识别率的高低来验证所建立模型的稳定性。

5.根据权利要求4所述的检测方法，其特征在于：所述的四个得分虚拟变量通过多元线性回归的方法与n个主成分建立的线性回归方程：

V1＝a+b₁₁PC₁+b₁₂PC₂+b₁₃PC₃+……+b_1nPC_n；

V2＝a+b₂₁PC₁+b₂₂PC₂+b₂₃PC₃+……+b_2nPC_n；

V3＝a+b₃₁PC₁+b₃₂PC₂+b₃₃PC₃+……+b_3nPC_n；

V4＝a+b₄₁PC₁+b₄₂PC₂+b₄₃PC₃+……+b_4nPC_n；

依据V1，V2，V3，V4四个得分虚拟变量的输出结果，才有效地将不同传感器信息进行融合，实现智能化综合判别产品的品质信息。

6.根据权利要求4所述的检测方法，其特征在于：所述步骤(6)中的最佳原辅料配比的计算，是将(5)中获得的四个得分虚拟变量与专业评审专家给出的评价分数作为输入层，代入到误差反向人工神经网络模型中，得到不同调理肉制品品质基于跨感知多传感器融合技术的综合判别结果，并所获得的拟合函数与品质判别模型给出具体的品质参数，依据原辅料中的营养物质含量，利用人工智能优化组合算法推算得出不同风味产品最优的原辅料配比。

Images