CN112986508A - 海鲜新鲜度检测方法及系统 - Google Patents
海鲜新鲜度检测方法及系统 Download PDFInfo
- Publication number
- CN112986508A CN112986508A CN202110199200.4A CN202110199200A CN112986508A CN 112986508 A CN112986508 A CN 112986508A CN 202110199200 A CN202110199200 A CN 202110199200A CN 112986508 A CN112986508 A CN 112986508A
- Authority
- CN
- China
- Prior art keywords
- seafood
- molecular structure
- freshness
- gas
- characteristic
- 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.)
- Pending
Links
- 235000014102 seafood Nutrition 0.000 title claims abstract description 51
- 238000001514 detection method Methods 0.000 title claims abstract description 33
- 238000003062 neural network model Methods 0.000 claims abstract description 14
- 238000012549 training Methods 0.000 claims abstract description 13
- 241000238557 Decapoda Species 0.000 claims abstract description 12
- 238000000605 extraction Methods 0.000 claims abstract description 8
- 238000000034 method Methods 0.000 claims abstract description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 230000008786 sensory perception of smell Effects 0.000 claims description 10
- 230000002068 genetic effect Effects 0.000 claims description 6
- 239000004065 semiconductor Substances 0.000 claims description 6
- 238000002003 electron diffraction Methods 0.000 claims description 5
- 238000007637 random forest analysis Methods 0.000 claims description 5
- 238000002922 simulated annealing Methods 0.000 claims description 5
- 241000251468 Actinopterygii Species 0.000 claims description 3
- 101100054292 Arabidopsis thaliana ABCG36 gene Proteins 0.000 claims description 3
- 101100351526 Arabidopsis thaliana PEN3 gene Proteins 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 239000007789 gas Substances 0.000 description 31
- 235000019645 odor Nutrition 0.000 description 12
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 7
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 7
- 229910000037 hydrogen sulfide Inorganic materials 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- GETQZCLCWQTVFV-UHFFFAOYSA-N trimethylamine Chemical compound CN(C)C GETQZCLCWQTVFV-UHFFFAOYSA-N 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- SIKJAQJRHWYJAI-UHFFFAOYSA-N Indole Chemical compound C1=CC=C2NC=CC2=C1 SIKJAQJRHWYJAI-UHFFFAOYSA-N 0.000 description 2
- LSDPWZHWYPCBBB-UHFFFAOYSA-N Methanethiol Chemical compound SC LSDPWZHWYPCBBB-UHFFFAOYSA-N 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 235000013372 meat Nutrition 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 229910000069 nitrogen hydride Inorganic materials 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 102000004169 proteins and genes Human genes 0.000 description 2
- ZFRKQXVRDFCRJG-UHFFFAOYSA-N skatole Chemical compound C1=CC=C2C(C)=CNC2=C1 ZFRKQXVRDFCRJG-UHFFFAOYSA-N 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- 102000004190 Enzymes Human genes 0.000 description 1
- 108090000790 Enzymes Proteins 0.000 description 1
- 206010034018 Parosmia Diseases 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 150000001412 amines Chemical class 0.000 description 1
- 229910021529 ammonia Inorganic materials 0.000 description 1
- 150000001491 aromatic compounds Chemical class 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 150000001720 carbohydrates Chemical class 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011840 criminal investigation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000003925 fat Substances 0.000 description 1
- PZOUSPYUWWUPPK-UHFFFAOYSA-N indole Natural products CC1=CC=CC2=C1C=CN2 PZOUSPYUWWUPPK-UHFFFAOYSA-N 0.000 description 1
- RKJUIXBNRJVNHR-UHFFFAOYSA-N indolenine Natural products C1=CC=C2CC=NC2=C1 RKJUIXBNRJVNHR-UHFFFAOYSA-N 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 229940074386 skatole Drugs 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/02—Food
- G01N33/12—Meat; Fish
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Chemical & Material Sciences (AREA)
- Food Science & Technology (AREA)
- Genetics & Genomics (AREA)
- Physiology (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analyzing Materials By The Use Of Fluid Adsorption Or Reactions (AREA)
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
Abstract
本发明提供了一种海鲜新鲜度检测方法及系统,包括如下步骤:采集多组海鲜挥发出混合气体的气味信息数据并获取对应的分子结构,多组所述海鲜的储存时间各不相同;对所述气味信息数据进行特征值选择和特征提取生成气体特征信息;对所述气体特征信息进行降维并提取出目标特征数据,并将所述目标特征数据和对应的分子结构输入神经网络模型进行训练生成分子结构预测模型;将所述分子结构与新鲜度分类信息相对应,根据所述分子结构预测模型判断出的分子结构确定对应的新鲜度分类。本发明能够判断海鲜的新鲜度,实现海蟹等海鲜在完整不被分割的情况下判别其新鲜度。
Description
技术领域
本发明涉及检测方法,具体地,涉及一种基于机器嗅觉和气体分子结构技术的海蟹新鲜度检测方法。
背景技术
和指纹、DNA一样,气味一样是“独一无二”的,“人体气味是由遗传物质决定的,不论其所处的环境及饮食如何,其气味的本质特征不会改变。”宋珍华说,每个人时刻都在向外界散发着气味,它和指纹一样是个体的标志,是区别人与人的重要特征,被称为“气味指纹”。在刑事勘查中,气味具有独特的优势。采集这些气味,再与气味库中样本作比对,就能指认出犯罪嫌疑人。
与此同时,新鲜气味容易掩盖陈旧的气味。这些都是影响气味判断的因素。根据生物的气味判断其新鲜度是近年来研究的热门话题,海蟹死后腐败与肉变质一样,由于酶和细菌的作用,肉中蛋白质、脂肪及糖类发生分解变化而腐败变质,其分解产物主要有氨、三甲胺(TMA)及其它氨类、吲哚、粪臭素、硫化氢、甲硫醇以及脂肪氧化物等。硫化氢和氨气不能共存,硫化氢是酸,溶于水称氢硫酸,氨气是碱性的,因此H2S与NH3发生反应:(1)如果H2S过量,生成NH4HS。化学反应方程式:H2S+和NH3离子反应方程式:NH3+H2S=NH4 ++HS-。(2)如果H2S不足生成(NH4)2S.化学反应方程式:H2S+2NH3=(NH4)2S,。但现有技术中尚没有通过利用机器嗅觉系统和气体分子结构中离子数量的比例来判断海蟹新鲜度的技术。
发明内容
针对现有技术中的缺陷,本发明的目的是提供一种海鲜新鲜度检测方法及系统。
根据本发明提供的海鲜新鲜度检测方法,包括如下步骤:
步骤S1:采集多组海鲜挥发出混合气体的气味信息数据并获取对应的分子结构,多组所述海鲜的储存时间各不相同;
步骤S2:对所述气味信息数据进行特征值选择和特征提取生成气体特征信息;
步骤S3:对所述气体特征信息进行降维并提取出目标特征数据,并将所述目标特征数据和对应的分子结构输入神经网络模型进行训练生成分子结构预测模型;
步骤S4:将所述分子结构与新鲜度分类信息相对应,根据所述分子结构预测模型判断出的分子结构确定对应的新鲜度分类。
优选地,所述海鲜包括如下任一种:
-海蟹;
-海虾;
-海贝;
-海鱼。
优选地,所述步骤S1中采用机器嗅觉系统采用混合气体信息数据的采集;
采用气相电子衍射方法对所述混合气体进行处理获得所述分子结构。
优选地,所述机器嗅觉系统采用基于半导体气体传感器的PEN3电子鼻。
优选地,在步骤S2之前还包括如下步骤:
对所述气味信息数据进行one-hot编码。
优选地,在步骤S3中采用随机森林算法对所述气体特征信息进行降维并提取出所述目标特征数据。
优选地,所述神经网络模型采用基于模拟退火算法和遗传算法的神经网络模型。
优选地,在所述步骤S1中还包括如下步骤:
根据所述气味信息数据和所述分子结构建立气体分子结构标准数据库。
优选地,所述半导体气体传感器的数量为大于等于10个。
根据本发明提供的海鲜新鲜度检测系统,如下模块
数据采集模块,用于采集多组海鲜挥发出混合气体的气味信息数据并获取对应的分子结构,多组所述海鲜的储存时间各不相同;
特征提取模块,用于对所述气味信息数据进行特征值选择和特征提取生成气体特征信息;
模型训练模块,用于对所述气体特征信息进行降维并提取出目标特征数据,并将所述目标特征数据和对应的分子结构输入神经网络模型进行训练生成分子结构预测模型;
新鲜度检测模块,用于将所述分子结构与新鲜度分类信息相对应,根据所述分子结构预测模型判断出的分子结构确定对应的新鲜度分类。
与现有技术相比,本发明具有如下的有益效果:
本发明利用机器嗅觉系统对不同储藏时间的海鲜气味信息进行无损检测,得到多维的特征数据,通过基于模拟退火算法的并行遗传神经网络建立效果最佳的检测及识别方法,利用气相电子衍射技术获得分子结构,从而能够训练生成分子结构预测模型,通该预测模型能够判断海鲜的新鲜度,实现海蟹等海鲜在完整不被分割的情况下判别其新鲜度。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为本发明实施例中海鲜新鲜度检测方法的步骤流程图;
图2为本发明实施例中海鲜新鲜度检测方法的具体实施流程图;
图3为本发明实施例中分子结构的示意图;
图4为本发明实施例中海鲜新鲜度检测系统的模块示意图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进。这些都属于本发明的保护范围。
图1为本发明实施例中海鲜新鲜度检测方法的步骤流程图,如图1所示,本发明提供的海鲜新鲜度检测方法,包括如下步骤:
步骤S1:采集多组海鲜挥发出混合气体的气味信息数据并获取对应的分子结构,多组所述海鲜的储存时间各不相同;
在本发明实施例中,所述步骤S1中采用机器嗅觉系统采用混合气体信息数据的采集;
采用气相电子衍射方法对所述混合气体进行处理获得所述分子结构。根据所述气味信息数据和所述分子结构建立气体分子结构标准数据库。所述数据库还可以提供芳香化合物的3D结构,有关分子的数据,将使实验方法能够研究结构相似性。
所述机器嗅觉系统采用基于半导体气体传感器的PEN3电子鼻。所述半导体气体传感器的数量为10个。
步骤S2:对所述气味信息数据进行特征值选择和特征提取生成气体特征信息;
在步骤S2之前还包括如下步骤:
对所述气味信息数据进行one-hot编码。
步骤S3:对所述气体特征信息进行降维并提取出目标特征数据,并将所述目标特征数据和对应的分子结构输入神经网络模型进行训练生成分子结构预测模型;
在本发明实施例中,在步骤S3中采用随机森林算法对所述气体特征信息进行降维并提取出所述目标特征数据。所述随机森林算法能够敏感的辨识出微弱的气味变化,提取气味信息中线性特征和非线性特征的多维特征进行降维。
所述神经网络模型采用基于模拟退火算法和遗传算法的神经网络模型。
所述遗传算法为借鉴生物进化论,将要解决的问题模拟成一个生物进化的过程,通过复制、交叉、突变等操作产生下一代的解,并逐步淘汰适应度函数值低的解,增加适应度函数值高的解,这样进化N代,就很有可能会进化出适应度函数值很高的个体。
步骤S4:将所述分子结构与新鲜度分类信息相对应,根据所述分子结构预测模型判断出的分子结构确定对应的新鲜度分类。
在本发明实施例中,所述海鲜包括如下任一种:
-海蟹;
-海虾;
-海贝;
-海鱼。
图2为本发明实施例中海鲜新鲜度检测方法的具体实施流程图,如图2所示,本发明提供的海鲜新鲜度检测方法,包括如下步骤:
步骤1:通过机器嗅觉系统采集不同储存时间的海蟹挥发出的混合气体信息生成气味信息数据;
步骤2:将所述气味信息数据构建形成气体分子结构标准数据库;
步骤3:对所述标准气味数据库中的气味信息数据进行预处理;
步骤4:对所述气味信息数据进行特征值选择和特征提取生成气体特征信息;
步骤5:对所述的气体特征信息行降维,采用随机森林算法提取出特征数据,对所述特征数据采用基于模拟退火算法并行遗传神经网络模型输出实验结果,建立各个阶段气体分子结构的预测模型;
步骤6:根据所述特征数据以及采用气相电子衍射技术获得分子结构形成的训练数据训练预测模型;
步骤7:根据预测模型预测的分子结构图与机器嗅觉系统获得的响应信号对比分析结果。
图4为本发明实施例中海鲜新鲜度检测系统的模块示意图,如图4所示,本发明提供的海鲜新鲜度检测系统,如下模块
数据采集模块,用于采集多组海鲜挥发出混合气体的气味信息数据并获取对应的分子结构,多组所述海鲜的储存时间各不相同;
特征提取模块,用于对所述气味信息数据进行特征值选择和特征提取生成气体特征信息;
模型训练模块,用于对所述气体特征信息进行降维并提取出目标特征数据,并将所述目标特征数据和对应的分子结构输入神经网络模型进行训练生成分子结构预测模型;
新鲜度检测模块,用于将所述分子结构与新鲜度分类信息相对应,根据所述分子结构预测模型判断出的分子结构确定对应的新鲜度分类。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变形或修改,这并不影响本发明的实质内容。
Claims (10)
1.一种海鲜新鲜度检测方法,其特征在于,包括如下步骤:
步骤S1:采集多组海鲜挥发出混合气体的气味信息数据并获取对应的分子结构,多组所述海鲜的储存时间各不相同;
步骤S2:对所述气味信息数据进行特征值选择和特征提取生成气体特征信息;
步骤S3:对所述气体特征信息进行降维并提取出目标特征数据,并将所述目标特征数据和对应的分子结构输入神经网络模型进行训练生成分子结构预测模型;
步骤S4:将所述分子结构与新鲜度分类信息相对应,根据所述分子结构预测模型判断出的分子结构确定对应的新鲜度分类。
2.根据权利要求1所述的海鲜新鲜度检测方法,其特征在于,所述海鲜包括如下任一种:
-海蟹;
-海虾;
-海贝;
-海鱼。
3.根据权利要求1所述的海鲜新鲜度检测方法,其特征在于,所述步骤S1中采用机器嗅觉系统采用混合气体信息数据的采集;
采用气相电子衍射方法对所述混合气体进行处理获得所述分子结构。
4.根据权利要求3所述的海鲜新鲜度检测方法,其特征在于,所述机器嗅觉系统采用基于半导体气体传感器的PEN3电子鼻。
5.根据权利要求1所述的海鲜新鲜度检测方法,其特征在于,在步骤S2之前还包括如下步骤:
对所述气味信息数据进行one-hot编码。
6.根据权利要求1所述的海鲜新鲜度检测方法,其特征在于,在步骤S3中采用随机森林算法对所述气体特征信息进行降维并提取出所述目标特征数据。
7.根据权利要求1所述的海鲜新鲜度检测方法,其特征在于,所述神经网络模型采用基于模拟退火算法和遗传算法的神经网络模型。
8.根据权利要求1所述的海鲜新鲜度检测方法,其特征在于,在所述步骤S1中还包括如下步骤:
根据所述气味信息数据和所述分子结构建立气体分子结构标准数据库。
9.根据权利要求4所述的海鲜新鲜度检测方法,其特征在于,所述半导体气体传感器的数量为大于等于10个。
10.一种海鲜新鲜度检测系统,其特征在于,如下模块
数据采集模块,用于采集多组海鲜挥发出混合气体的气味信息数据并获取对应的分子结构,多组所述海鲜的储存时间各不相同;
特征提取模块,用于对所述气味信息数据进行特征值选择和特征提取生成气体特征信息;
模型训练模块,用于对所述气体特征信息进行降维并提取出目标特征数据,并将所述目标特征数据和对应的分子结构输入神经网络模型进行训练生成分子结构预测模型;
新鲜度检测模块,用于将所述分子结构与新鲜度分类信息相对应,根据所述分子结构预测模型判断出的分子结构确定对应的新鲜度分类。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110199200.4A CN112986508A (zh) | 2021-02-22 | 2021-02-22 | 海鲜新鲜度检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110199200.4A CN112986508A (zh) | 2021-02-22 | 2021-02-22 | 海鲜新鲜度检测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112986508A true CN112986508A (zh) | 2021-06-18 |
Family
ID=76350281
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110199200.4A Pending CN112986508A (zh) | 2021-02-22 | 2021-02-22 | 海鲜新鲜度检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112986508A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102297930A (zh) * | 2011-07-20 | 2011-12-28 | 浙江大学 | 一种识别与预测肉新鲜度的方法 |
CN102590283A (zh) * | 2012-01-17 | 2012-07-18 | 浙江工商大学 | 利用电子鼻检测草鱼新鲜度的方法 |
CN102879436A (zh) * | 2012-10-22 | 2013-01-16 | 浙江工商大学 | 一种利用电子鼻检测河鲫鱼新鲜度的方法 |
CN104792826A (zh) * | 2015-03-23 | 2015-07-22 | 中国农业大学 | 一种基于电子鼻的牛奶新鲜度检测系统及方法 |
CN105044298A (zh) * | 2015-07-13 | 2015-11-11 | 常熟理工学院 | 一种基于机器嗅觉的蟹类新鲜度等级检测方法 |
CN105223240A (zh) * | 2015-11-20 | 2016-01-06 | 上海应用技术学院 | 一种利用电子鼻检测蟹新鲜度的方法 |
CN108254513A (zh) * | 2017-12-22 | 2018-07-06 | 北京农业信息技术研究中心 | 一种鱼类货架期的判断方法及装置 |
US20180260686A1 (en) * | 2017-03-09 | 2018-09-13 | Tata Consultancy Services Limited | Electronic sensing systems and methods thereof |
CN109959765A (zh) * | 2019-04-01 | 2019-07-02 | 中国农业大学 | 三文鱼新鲜度检测系统及方法 |
CN110400234A (zh) * | 2019-07-16 | 2019-11-01 | 重庆邮电大学 | 一种基于bp神经网络的城市供水调度方法及系统 |
-
2021
- 2021-02-22 CN CN202110199200.4A patent/CN112986508A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102297930A (zh) * | 2011-07-20 | 2011-12-28 | 浙江大学 | 一种识别与预测肉新鲜度的方法 |
CN102590283A (zh) * | 2012-01-17 | 2012-07-18 | 浙江工商大学 | 利用电子鼻检测草鱼新鲜度的方法 |
CN102879436A (zh) * | 2012-10-22 | 2013-01-16 | 浙江工商大学 | 一种利用电子鼻检测河鲫鱼新鲜度的方法 |
CN104792826A (zh) * | 2015-03-23 | 2015-07-22 | 中国农业大学 | 一种基于电子鼻的牛奶新鲜度检测系统及方法 |
CN105044298A (zh) * | 2015-07-13 | 2015-11-11 | 常熟理工学院 | 一种基于机器嗅觉的蟹类新鲜度等级检测方法 |
CN105223240A (zh) * | 2015-11-20 | 2016-01-06 | 上海应用技术学院 | 一种利用电子鼻检测蟹新鲜度的方法 |
US20180260686A1 (en) * | 2017-03-09 | 2018-09-13 | Tata Consultancy Services Limited | Electronic sensing systems and methods thereof |
CN108254513A (zh) * | 2017-12-22 | 2018-07-06 | 北京农业信息技术研究中心 | 一种鱼类货架期的判断方法及装置 |
CN109959765A (zh) * | 2019-04-01 | 2019-07-02 | 中国农业大学 | 三文鱼新鲜度检测系统及方法 |
CN110400234A (zh) * | 2019-07-16 | 2019-11-01 | 重庆邮电大学 | 一种基于bp神经网络的城市供水调度方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112989710B (zh) | 工控传感器数值异常检测方法及装置 | |
CN103544392B (zh) | 基于深度学习的医学气体识别方法 | |
Ku et al. | Attention-based convolutional neural network for earthquake event classification | |
CN106568907A (zh) | 一种基于半监督鉴别投影的大闸蟹新鲜度无损检测方法 | |
CN112784921A (zh) | 任务注意力引导的小样本图像互补学习分类算法 | |
Yao et al. | R²IPoints: Pursuing Rotation-Insensitive Point Representation for Aerial Object Detection | |
CN114429577B (zh) | 一种基于高置信标注策略的旗帜检测方法及系统及设备 | |
Wang et al. | Decoupled R-CNN: Sensitivity-specific detector for higher accurate localization | |
Zhang et al. | CNN-transformer based generative adversarial network for copy-move source/target distinguishment | |
CN113838524B (zh) | S-亚硝基化位点预测方法、模型训练方法及存储介质 | |
CN113222002B (zh) | 一种基于生成式鉴别性对比优化的零样本分类方法 | |
CN102902984B (zh) | 基于局部一致性的遥感影像半监督投影降维方法 | |
CN117649621A (zh) | 一种伪造视频检测方法、装置及设备 | |
CN112986508A (zh) | 海鲜新鲜度检测方法及系统 | |
CN117516937A (zh) | 基于多模态特征融合增强的滚动轴承未知故障检测方法 | |
Zhao et al. | Skip-YOLO: Domestic garbage detection using deep learning method in complex multi-scenes | |
CN110825896A (zh) | 一种商标检索系统及检索方法 | |
CN110378229A (zh) | 一种基于filter–wrapper框架的电子鼻数据特征选择方法 | |
CN105718914A (zh) | 一种人脸编码及识别方法 | |
Lun et al. | Skip-YOLO: Domestic Garbage Detection Using Deep Learning Method in Complex Multi-scenes | |
CN114925759A (zh) | 一种以太坊钓鱼行为账户的特征分析方法 | |
CN115112669A (zh) | 一种基于小样本的路面无损检测识别方法 | |
CN114898137A (zh) | 面向人脸识别的黑盒对抗样本攻击方法、装置、设备及介质 | |
CN114252560A (zh) | 一种基于改进一维卷积神经网络的混合气体识别方法 | |
CN114496070A (zh) | 转录组序列分类方法、装置、电子设备及可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210618 |
|
RJ01 | Rejection of invention patent application after publication |