CN110412227A - 一种非接触式牛奶新鲜度检测系统及其检测方法 - Google Patents

Abstract

本发明一种非接触式牛奶新鲜度检测装置及其检测方法，属于牛奶新鲜度检测技术领域；所要解决的技术问题为：提供一种非接触式牛奶新鲜度检测系统硬件结构及其检测方法的改进；解决该技术问题采用的技术方案为：包括用于采集数据与处理数据的微处理器，微处理器外部连接有信息交互装置，具体为键盘与显示屏，微处理器的外围电路还连接有时钟控制芯片与温度传感器，微处理器的信号输出端分别与数据存储模块、数据通信模块相连；数据通信模块具体为GPRS无线通信模块，GPRS无线通信电路通过无线网络与上位机建立连接，上位机外部设置有用于显示牛奶新鲜度数据的显示屏；上位机还内置有用于对采集数据进行数据训练的软件；本发明用于牛奶新鲜度检测。

Description

一种非接触式牛奶新鲜度检测系统及其检测方法

技术领域

本发明一种非接触式牛奶新鲜度检测装置及其检测方法，属于牛奶新鲜度检测技术领域。

背景技术

随着生活质量的提高，人们越来越注重培养营养均衡的日常饮食习惯，牛奶作为日常生活中必不可少的营养补充物，其含有丰富的脂肪、糖类、维生素及微量元素等对人体健康有益的成分，一般情况下人们会通过观察生产日期和保质期来判断牛奶新鲜度，但是除去自身信息判断，牛奶在运输或储存过程中会存在不确定因素，如运输过程中包装损坏，储存环境温湿度不达标等，都会影响牛奶当前的新鲜程度，不达标的牛奶不仅起不到对人体的营养补充，而且会危害饮用者的身体健康。

目前国内外关于牛奶品质检测的研究已有多种检测与分析方法，常用的有化学分析法、微生物数量测量法、红外光谱测量法、超声波检测法等；

其中化学分析法使用PH值作为牛奶品质检测指标，参考对比样本新鲜牛奶的PH值约为6.7，通过测定相应样品的PH值确定牛奶品质是否达标，该方法测量精确度高、效率高，但是检测过程中将损坏牛奶包装，进行接触式测量，而且其过程较为复杂，用到的试剂较多，无法做到实时检测；

微生物数量测量法主要是根据牛奶在变质过程中其内含微生物数量的不断变化来判断牛奶品质，该方法虽然可以稳定检测，但是取样和观察计数过程繁琐且用时过长，不能做到对牛奶品质的实时检测；

以红外光谱检测物质内部构成，由此来判断牛奶的品质，该方法的优点在于速度快、效率高、重复性好、便于非接触测量等，但存在离不开需要预先建立复杂模型的控制计算机、尤其还要建立复杂的光路，对数据处理的要求高；

超声波检测方法使用的测量仪器设计简单，成本低，操作方便，并具备实时监测以及无损测量的优势，但在牛奶检测过程中只能通过检测超声波速度及其能量的衰减来对牛奶成分进行分析，而牛奶的成分复杂且时刻在发生变化，同时检测结果受周围环境因素的干扰较大，测量误差较高，适应性较差，因此综合考虑此方法也并不适宜于牛奶新鲜度的检测。

发明内容

本发明为了克服现有技术中存在的不足，所要解决的技术问题为：提供一种非接触式牛奶新鲜度检测系统硬件结构及其检测方法的改进。

为了解决上述技术问题，本发明采用的技术方案为：一种非接触式牛奶新鲜度检测系统，包括用于采集数据与处理数据的微处理器，所述微处理器外部连接有信息交互装置，具体为键盘与显示屏，所述微处理器的外围电路还连接有时钟控制芯片与温度传感器，所述微处理器的信号输出端分别与数据存储模块、数据通信模块相连；

所述数据通信模块具体为GPRS无线通信模块，所述GPRS无线通信电路通过无线网络与上位机建立连接，所述上位机外部设置有用于显示牛奶新鲜度数据的显示屏；

所述上位机还内置有用于对采集数据进行数据训练的软件；

检测系统还包括恒温恒湿箱，所述恒温恒湿箱内部放置有多个用于盛放牛奶的烧杯。

所述微处理器的型号为STM32F103C8T6。

一种非接触式牛奶新鲜度检测系统的检测方法，包括如下步骤：

步骤一：将恒温恒湿箱设置在某一确定温度，湿度确定成90％RH，经过一段时间恒温恒湿箱的温湿度稳定后，通过实验量筒分别量取三份相同的250ml新鲜牛奶作为实验样品，倒入到烧杯中并放置到恒温恒湿实验箱中，将试验样品搅拌均匀，相隔一小时检测牛奶的PH值，通过多次测量得到牛奶PH值与时间的变化规律；

步骤二：通过改变恒温箱温度，进行多次实验得到多组在不同温度下牛奶变质过程的数据，并对相应数据进行实验分析；

利用BP神经网络原理建立数学模型，通过matlab数学软件调试模型，建立新鲜度PH值与温度、时间的函数关系，通过在恒温20℃、25℃、30℃、40℃下，检测牛奶新鲜度PH值随时间变化的关系；

步骤2.1：建立BP神经网络的数学模型；

网络在训练前，首先对样本进行归一化数据处理，对神经网络的输入和输出进行一定的预处理，取消各维数据间数量级差别，加快网络训练速度；

对样本数据进行归一化的处理，将输入和输出数据变换到区间[0,1]，设样本X_N的最大值和最小值分别为X_max和X_min，是归一化处理后的数据，满足公式：

步骤2.2：设计BP神经网络模型；

设计网络输入和输出：经过预处理的数据温度和时间作为BP神经网络的输入样本进行训练和测试，输出层数据即为每个输入样本相应的PH数值，是网络训练要达到的目标值；

设计网络层数以及各层神经元个数：对任何在闭区间的连续函数，用含有一个隐层的BP神经网络来逼近，采用典型的三层网络结构，包含输入层、一个隐含层、输出层；

其中输入层个数为1个，隐含层节点数确定为11个，输出层个数为1个，对应每个样本的PH数值；

设计隐层节点数：通过实验得出最佳隐层节点数的计算公式为：

H＝2I+1；

其中H为隐含层的节点数，I为输入层节点数，O为输出层节点数，a为常数；

通过上述公式来确定节点数的大概范围选择隐含层，用试凑法确定最佳的节点数，确定选取隐含层节点数为11个；

步骤三：实验结果与分析：

采用三层神经网络结构，用牛奶新鲜度PH值作为网络的输出端，网络采时间1个输入节点一个输出节点为PH值，隐层为11个节点，隐含层和输出层的传递函数采用tansig函数，训练函数选用trainlm函数；

操作时通过微处理器内部集成的时钟控制芯片设置定时器，定时1h，采集环境温度数据T，以及获得精确的储藏时间t，结合所建立的PH值相关模型，获得实时PH值，然后将数据打包通过GPRS无线通信模块发送给上位机，并通过上位机内置软件LabVIEW对收到的数据处理，并进行实时显示。

本发明相对于现有技术具备的有益效果为：本发明具体为一种食品快速检测方法，主要是针对目前牛奶新鲜度检测方法存在的问题提出的一种快速无损实时检测方法，本发明在总结现有牛奶新鲜度检测方法的基础上，提出基于相应的控制硬件的从数据采集到模型建立，再到相应的数据训练，设计出一套针对从牛奶出厂到运输再到销售流程中新鲜度的实时检测系统，该系统成本低、高效、无损、检测速率快，适合大范围应用。

附图说明

下面结合附图对本发明做进一步说明：

图1为本发明检测系统的控制电路结构示意图；

图2为本发明在恒温20度时，牛奶PH值与时间变化及其BP网络预测情况走势图；

图3为本发明在恒温25度时，牛奶PH值与时间变化及其BP网络预测情况走势图；

图4为本发明在恒温30度时，牛奶PH值与时间变化及其BP网络预测情况走势图；

图5为本发明在恒温40度时，牛奶PH值与时间变化及其BP网络预测情况走势图。

具体实施方式

如图1所示，本发明一种非接触式牛奶新鲜度检测系统，包括用于采集数据与处理数据的微处理器，所述微处理器外部连接有信息交互装置，具体为键盘与显示屏，所述微处理器的外围电路还连接有时钟控制芯片与温度传感器，所述微处理器的信号输出端分别与数据存储模块、数据通信模块相连；

所述数据通信模块具体为GPRS无线通信模块，所述GPRS无线通信电路通过无线网络与上位机建立连接，所述上位机外部设置有用于显示牛奶新鲜度数据的显示屏；

所述上位机还内置有用于对采集数据进行数据训练的软件；

检测系统还包括恒温恒湿箱，所述恒温恒湿箱内部放置有多个用于盛放牛奶的烧杯。

所述微处理器的型号为STM32F103C8T6。

本发明通过对待检测牛奶进行非接触式检测，可以使牛奶新鲜度数据实时呈现，并建立牛奶PH值与温度时间之间的关系模型，该系统成本低、高效、无损、检测速率快，适合大范围应用。

首先训练并建立新鲜度检测系统，系统的工作流程为：通过微处理器内部集成的实时时钟设置定时器，定时1h，采集环境温度数据T，以及获得精确的储藏时间t，结合所建立的PH值相关模型，获得实时PH值，然后将数据打包通过GPRS电路发送给上位机，并通过其内置软件LabVIEW进行实时显示。

建立牛奶新鲜度数学模型，在牛奶变质度检测实验开始前需要进行实验准备。

首先将恒温恒湿箱设置在某一确定温度，湿度确定成90％RH。经过一段时间恒温恒湿箱的温湿度稳定后，通过实验量筒分别量取三份相同的250ml新鲜牛奶作为实验样品，倒入到烧杯中并放置到恒温恒湿实验箱中，将试验样品搅拌均匀，相隔一小时检测牛奶的PH值，通过多次测量即可得到牛奶PH值与时间的变化规律，通过改变恒温箱温度，并进行多次实验即可的到多个不同温度下牛奶变质过程数据，对其进行实验分析。

实验数据如表1至表4所示，主要为在20、25、30、40度下牛奶变质数据。

表1··20℃下不同pH所对应的时间

表2··25℃下不同pH所对应的时间

表3··30℃下不同pH所对应的时间

表4··40℃下不同pH所对应的时间

对模型进行分析，利用BP神经网络原理建立数学模型，通过matlab等数学软件调试模型，从而建立新鲜度PH值与温度、时间的函数关系。

首先在恒温20℃、25℃、30℃、40℃下，探究牛奶新鲜度即PH值随时间变化的关系；基于表1-4中的数据，从以下几个方面建立BP神经网络的数学模型。

(1)数据预处理：网络在训练前，首先对样本进行归一化数据处理，对神经网络的输入和输出进行一定的预处理，一方面取消各维数据间数量级差别，避免因为输入输出数据差别较大而造成网络误差较大，另一方面可以加快网络训练速度，防止运行过程中部分神经元达到过饱和状态。

对样本数据进行归一化的处理，将输入和输出数据变换到区间[0,1]，设样本X_N的最大值和最小值分别为X_max和X_min，是归一化处理后的数据，则有：

(2)BP神经网络模型设计：网络输入和输出：经过预处理的数据温度和时间作为BP神经网络的输入样本进行训练和测试，输出层数据即为每个输入样本相应的PH数值，也就是网络训练要达到的目标值。

网络层数以及各层神经元个数：对任何在闭区间的连续函数，都可以用含有一个隐层的BP神经网络来逼近。

针对检测牛奶新鲜度检测的实验，可以采用典型的三层网络结构，即包含输入层、一个隐含层、输出层；

其中输入层个数为1个，隐含层节点数确定为11个，输出层个数为1个，即对应每个样本的PH数值。

隐层节点数：对于隐含层节点的选择，如果隐含层节点数目太少，则网络从样本中获取信息的能力不足，网络容易陷入局部极小值，有时可能无法训练出结果；如果隐含层节点数目太多会导致学习时间延长，产生的误差也不一定最佳。

虽然隐含层节点数目存在最佳值，但精确的找到该最佳值难度很大。

本发明通过大量的实验，可以估算最佳隐层节点数的经验公式为：

H＝2I+1；

其中H为隐含层的节点数，I为输入层节点数，O为输出层节点数，a为常数。

本发明隐含层的选择首先参考上述公式来确定节点数的大概范围，然后用试凑法确定最佳的节点数，最终确定选取隐含层节点数为11个。

(3)实验结果与分析：采用三层神经网络结构，用牛奶新鲜度即PH值作为网络的输出端，网络采时间1个输入节点一个输出节点为PH值，隐层为11个节点，隐含层和输出层的传递函数采用tansig函数，训练函数选用trainlm函数。

经过BP神经网络的学习和训练，可以得到在恒温20℃下，牛奶PH值随时间的变化规律，如图2所示；

从图2变化规律图中可以看出在恒温20℃下，牛奶变质过程中PH值随时间的变化趋势；当恒定温度为20℃时，牛奶PH值在刚开始的前13小时内并无明显变化，而从第13小时到26小时，牛奶的PH值逐渐减小，在26小时后，牛奶的PH值急剧下降并在85小时后趋于稳定。

之后重新进行实验，收集和选取一些数据作为测试样本，对上述规律进行检验，得到BP网络预测输出的规律图，参考图2进行误差分析，除了有一点的误差在0.1左右，误差百分比在0.018左右，其他误差在±0.06附近，误差百分比在±0.01。

然后根据上述方法和原理，继续探索在恒温25℃、30℃、40℃环境下，对牛奶PH值随时间的变化规律，即图3至图5中所示内容；

从图3变化规律图中可以看出在恒温25℃下，牛奶变质过程中PH值随时间的变化趋势；当恒定温度为25℃时，牛奶PH值在刚开始的前4小时内缓慢逐步减小，但变化不太明显，而从第4小时到14小时，牛奶的PH值逐渐减小，在14小时后，牛奶的PH值急剧下降并在40小时后趋于稳定。

之后重新进行实验，收集和选取一些数据作为测试样本，对上述规律进行检验，得到BP网络预测输出的规律图，参考图3进行误差分析，可以得出误差在±0.08附近，误差百分比在±0.02。

同理，可以得到在30℃的温度下，PH值随时间的变化规律，如图4所示：

从图4中可以看出在恒温30℃下，牛奶变质过程中PH值随时间的变化趋势；当恒定温度为30℃时，牛奶PH值在刚开始的前2小时内缓慢逐步减小，但变化不太明显，而从第2小时到8小时，牛奶的PH值逐渐减小，在8小时后，牛奶的PH急剧下降并在20小时后趋于稳定。

之后重新选取样本进行测试可得，训练出的数据与实际数据关系，参考图4进行误差分析，可以得出误差在±0.08附近，误差百分比在±0.02，结果比较理想。

同理，可以得到在40℃的温度下，PH值随时间的变化规律，如图5所示：

从图5中可以看出在恒温40℃下，牛奶变质过程中PH值随时间的变化趋势；当恒定温度为40℃时，从开始到2小时，牛奶的PH值逐渐减小，在2小时后，牛奶的PH急剧下降，在20小时后逐渐趋于稳定。

重新选取样本进行测试可得，训练出的数据与实际数据关系，参考图5进行误差分析，可以得出误差在±0.25附近，误差百分比在±0.04，结果比较合理。

通过将模型应用，当模型拟合完成以后，将模型算法封装到LABVIEW上位机当中，以后只需通过测量牛奶的温度和储藏时间，即可测算出牛奶的新鲜度，避免了对牛奶进行接触式直接检测，提高检测效率和准确度。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (3)

1.一种非接触式牛奶新鲜度检测系统，其特征在于：包括用于采集数据与处理数据的微处理器，所述微处理器外部连接有信息交互装置，具体为键盘与显示屏，所述微处理器的外围电路还连接有时钟控制芯片与温度传感器，所述微处理器的信号输出端分别与数据存储模块、数据通信模块相连；

所述数据通信模块具体为GPRS无线通信模块，所述GPRS无线通信电路通过无线网络与上位机建立连接，所述上位机外部设置有用于显示牛奶新鲜度数据的显示屏；

所述上位机还内置有用于对采集数据进行数据训练的软件；

检测系统还包括恒温恒湿箱，所述恒温恒湿箱内部放置有多个用于盛放牛奶的烧杯。

2.根据权利要求1所述的一种非接触式牛奶新鲜度检测系统，其特征在于：所述微处理器的型号为STM32F103C8T6。

3.一种非接触式牛奶新鲜度检测系统的检测方法，其特征在于：包括如下步骤：

步骤一：将恒温恒湿箱设置在某一确定温度，湿度确定成90％RH，经过一段时间恒温恒湿箱的温湿度稳定后，通过实验量筒分别量取三份相同的250ml新鲜牛奶作为实验样品，倒入到烧杯中并放置到恒温恒湿实验箱中，将试验样品搅拌均匀，相隔一小时检测牛奶的PH值，通过多次测量得到牛奶PH值与时间的变化规律；

步骤二：通过改变恒温箱温度，进行多次实验得到多组在不同温度下牛奶变质过程的数据，并对相应数据进行实验分析；

利用BP神经网络原理建立数学模型，通过matlab数学软件调试模型，，建立新鲜度PH值与温度、时间的函数关系，通过在恒温20℃、25℃、30℃、40℃下，检测牛奶新鲜度PH值随时间变化的关系；

步骤2.1：建立BP神经网络的数学模型；

网络在训练前，首先对样本进行归一化数据处理，对神经网络的输入和输出进行一定的预处理，取消各维数据间数量级差别，加快网络训练速度；

对样本数据进行归一化的处理，将输入和输出数据变换到区间[0,1]，设样本X_N的最大值和最小值分别为X_max和X_min，是归一化处理后的数据，满足公式：

步骤2.2：设计BP神经网络模型；

设计网络输入和输出：经过预处理的数据温度和时间作为BP神经网络的输入样本进行训练和测试，输出层数据即为每个输入样本相应的PH数值，是网络训练要达到的目标值；

设计网络层数以及各层神经元个数：对任何在闭区间的连续函数，用含有一个隐层的BP神经网络来逼近，采用典型的三层网络结构，包含输入层、一个隐含层、输出层；

其中输入层个数为1个，隐含层节点数确定为11个，输出层个数为1个，对应每个样本的PH数值；

设计隐层节点数：通过实验得出最佳隐层节点数的计算公式为：

H＝2I+1；

其中H为隐含层的节点数，I为输入层节点数，O为输出层节点数，a为常数；

通过上述公式来确定节点数的大概范围选择隐含层，用试凑法确定最佳的节点数，确定选取隐含层节点数为11个；

步骤三：实验结果与分析：

采用三层神经网络结构，用牛奶新鲜度PH值作为网络的输出端，网络采时间1个输入节点一个输出节点为PH值，隐层为11个节点，隐含层和输出层的传递函数采用tansig函数，训练函数选用trainlm函数；

操作时通过微处理器内部集成的时钟控制芯片设置定时器，定时1h，采集环境温度数据T，以及获得精确的储藏时间t，结合所建立的PH值相关模型，获得实时PH值，然后将数据打包通过GPRS无线通信模块发送给上位机，并通过上位机内置软件LabVIEW对收到的数据处理，并进行实时显示。