专利名称：基于多传感器融合技术的猪肉品质综合检测方法
技术领域：
本发明涉及农业技术中猪肉品质检测技术领域，特别涉及一种基于多传感器融合 技术的猪肉品质综合检测方法。
背景技术：
我国肉类总产量已居世界首位。2005年全国肉类总产量为7650万吨，其中猪肉产 量4960万吨，禽肉约为1352万吨。先进的检测技术不仅可以监测和控制畜禽产品的生产 过程，而且可以防止劣质产品进入市场，这样就保护了消费者健康、打击了不法分子并起到 规范市场的作用。国内外猪肉品质定义和内涵指明了业界应当关注哪些关键指标，并给出适当的检 测手段。多年来，国际专刊Meat Science的出版和历届国际肉科技大会的交流使传统肉 质概念推陈出新。现代肉质概念由丹麦学者Anderson(2000)归纳为5种属性1)食用品 质色泽、风味、嫩度、多汁性；2)营养品质蛋白质含量及氨基酸组分、脂肪含量及脂肪酸 组分、维生素含量、矿物质、水分含量；3)技术品质关注系水力、PH水平、蛋白质变性程度 等；4)卫生品质肉的腐败与酸败程度(涉及新鲜程度的评定)、各种抗生素和激素和生长促 进剂水平、农药残留量、重金属离子浓度、微生物指标；5)人文品质，即猪的文化模式是绿 色养猪还是户外养猪，是动物福利式养猪还是囚禁式集约化养猪，屠宰方式如何等等。现有技术通常采用感官、多种理化指标来评价猪肉品质。而为了快速检测猪肉检 测和准确评价猪肉品质，现有技术也有采用如近红外光谱分析、图像处理、阻抗检测等技术 方法。然而，单一的检测技术和传感器仅反映某一特定指标，而猪肉品质信息是一个综合指 标，为了提高猪肉品质检测的准确度，进行指标的数据融合，需要设计猪肉品质的综合评 价检测系统。

发明内容
(一)要解决的技术问题本发明要解决的技术问题是如何实现准确地、客观的猪肉品质评价。( 二 )技术方案为解决上述技术问题，本发明提供了一种基于多传感器融合技术的猪肉品质综合 检测方法，包括以下步骤Si、对于一个待分类的猪肉样品，检测猪肉样品的有效衰减系数、阻抗谱、感官评 分、肌氧饱和度、PH值、色度参数和细菌菌落总数中的四项以上指标，并标记类别；S2、根据标记了类别的猪肉样品的指标数据进行数据融合计算和分类，并得到猪 肉样品的品质分类结果。其中，使用如下的脉冲耦合神经网络算法进行所述数据融合计算和分类FiJ ㈨=^ F1J (“ 一 1) + 4 Σ mVMyH ("-I) + Sij
Lij (n) = Llj …-1) + K Σ w^i …_ ”
klUij (η) = Fij (η) (1+ β Lij (η))
\\,υυ(η)> Eij(H-I) YJn) = \ 11 丨α其他Eu (η) = Elj -1) + VeYij (η)
NC = YjCountiYlj(H) = 二 1)其中，Fij为反馈输入矩阵；Ykl为输出结果；Lij为连接输入矩阵；Uij为内部激励矩 阵；Yij为点火输出矩阵；Eij为阈值矩阵；C为点火次数，即矩阵Yij中元素1的个数；Sij为 传感器所检测到的指标数据；Mij和Wij均为权值矩阵；α F、VF、aL>VL, β, a E、Ve均为网络 参数；N为网络迭代次数；首先，利用上述六个公式计算得到各类指标数据的点火次数，从而获取各类指标 数据的点火次数特征值，然后进行分类；在分类时，采用欧式距离作为判别函数进行判别m = Xmn^iCt-Cj)2其中m为所预测的类别，&为第j类的指标数据的点火次数的特征值集合，Ct为 各类指标数据的点火次数特征值，Cj为&中的元素。其中，有效衰减系数指标的检测和标记方法为用光学方法检测特定波长处猪肉样品的有效衰减系数μ rff ( λ )，然后根据下式计 算出挥发性盐基氮TVBN值Ctvbn = ayeff(A) +b，其中Ctvbn为TVBN值，λ为波长，a、b为通 过如下实验获得的系数对不少于5个的一组猪肉样品，利用最小二乘算法确定a、b，其中 每个样品的有效衰减系数和TVBN值已知；根据上式计算出的TVBN值或者应用化学方法测量出的TVBN值标记猪肉样品的新 鲜状态，若TVBN值小于或等于15mg/100g，则标记为新鲜类，若TVBN值在15 25mg/100g 之间，则标记为次新鲜类，若TVBN值大于或等于25mg/100g，则标记为腐败类。其中，阻抗谱指标的检测和标记方法为测量猪肉样品的随着频率改变而形成的电阻抗谱变化，若阻抗实部谱中阻抗最大 值大于或等于100 Ω且阻抗虚部谱有单一谱峰，且求导数后斜率在0.03-0. 005 Ω (kHz) 之间，则标记为新鲜类，若阻抗实部谱中阻抗最大值在90-110 Ω之间且阻抗虚部谱有单 一谱峰，且求导数后斜率在0. 005-0. 002 Ω (kHz)"1之间则标记为次新鲜类，若阻抗实部 谱中阻抗最大值小于或等于100Ω且阻抗虚部谱无谱峰，且求导数后斜率小于或等于 0. 002 Ω (kHz)、则标记为腐败类。其中，获取感官评分的方法为根据国家标准GB/T5009. 44的方法给出猪肉样品的感官评分，若平均分大于或等 于4，则标记为新鲜类，若平均分在3-4之间，则标记为次新鲜类，若小于或等于3，则标记为 腐败类。其中，肌氧饱和度的检测和标记方法为
6
利用光学方法测量猪肉样品的色素含量，当其肌氧饱和度为大于或等于18%，则 标记为新鲜类，当肌氧饱和度在10-18%之间，则标记为次新鲜类，当肌氧饱和度为小于或 等于10%，则标记为腐败类，其中肌氧饱和度为猪肉中氧合肌红蛋白浓度a与氧合肌红蛋 白浓度a及脱氧肌红蛋白浓度b之和的比值a/(a+b)。其中，pH值的检测和标记方法为测量猪肉样品表面的pH值，当pH值在5. 8-6. 2之间，则标记为新鲜类，当pH在 6. 3-6. 6之间，则标记为次新鲜类，当pH大于6. 7，则标记为腐败类。其中，色度参数的检测和标记方法为用色差计测量猪肉样品表面色度的亮度值L以及黄度值b*，当L在57-47之间， 且b*在6-8. 5之间，则标记为新鲜类；当L在46. 9-41之间，且b*在8. 51-9. 9之间，则标 记为次新鲜类；当L小于41，且b*在9. 91-15之间，则标记为腐败类。其中，细菌菌落总数的检测和标记方法为当细菌菌落总数小于或等于5*104cfu · g—1，则标记为新鲜类；当细菌菌落总数在 5*104cfu .g—1 5*106cfu .g—1之间，则标记为次新鲜类；当细菌菌落总数大于5*106cfu -g"1 之间，则标记为腐败类。其中，将有效衰减系数的检测方法替换为检测特定波长处猪肉样品的有效衰减 系数/V(A) =μ a(入)为猪肉样品的吸收系数，μ ‘ SU)为猪肉样品的约 化散射系数，λ为波长。其中，所述的阻抗谱是指在10Hz-500kHz频段内每个频率点上猪肉样品的阻抗值 构成的曲线，所述的猪肉阻抗实部谱是指在10Hz-500kHz频段内每个频率点上猪肉样品的 阻抗实部值构成的曲线，所述的猪肉阻抗虚部谱是指在10Hz-500kHz频段内每个频率点上 猪肉样品的阻抗虚部值构成的曲线，若每个频率点上的阻抗值为Z (f)，则实部值Zral (f)=
Z(f)) Icos θ (f)、虚部值 Zimg (f) = Z(f)) |sin0 (f)，其中 f 为频率。(三)有益效果本发明利用脉冲耦合神经网络算法(PCNN)进行传感器数据的多指标融合和分 类，能够客观、准确地给出对猪肉品质的综合评价；本发明中设计的检测有效衰减系数并利 用有效衰减系数计算TVBN值的方法速度(花费几秒)比现有技术中应用化学方法测量的 速度(花费几小时)快且为无损检测；在进行分类时，采用欧式距离作为判别函数进行判 别，其好处是计算速度快。


图1是本发明实施例的猪肉品质综合检测方法流程图；图2是随着存放时间导致新鲜程度变化的一组猪肉样品的阻抗实部谱；图3是随着存放时间导致新鲜程度变化的一组猪肉样品的阻抗虚部谱；图4是为本发明实施例的方法中使用的PCNN数据融合算法的流程图。
具体实施例方式下面结合附图和实施例，对本发明的具体实施方式
作进一步详细描述。以下实施 例用于说明本发明，但不用来限制本发明的范围。
为了进一步提高猪肉品质评定的客观性、准确性，本发明将利用多种指标进行数 据融合，形成新的指标特征，作为一种评价猪肉品质更有效方法，识别不新鲜的猪肉。如图1所示，为本发明实施例的猪肉品质综合检测方法流程图，包括以下步骤步骤S101，检测待分类的猪肉样品的有效衰减系数、阻抗谱、肌氧饱和度、感官评 分、色度参数(包括L亮度、b*黄度)、pH值、细菌菌落总数中的四种以上指标。图2、3的 图谱为示意作用，本实施例并没有该数据用到，其中第1类为新鲜类，第2类为次新鲜类，第 3类为腐败类。需要说明的是，对于步骤S101，若检测有效衰减系数指标，可以用光学方法检测特 定波长处猪肉样品的有效衰减系数μ #(λ)，然后用下式建立有效衰减系数和 TVBN值Ctvbn之间的关系，该关系可以表示为Ctvbn= α μ eff ( λ )+b (1)。其中，求系数a、b的 方法如下取5个样品，每个样品的Ctvbn和940nm波长处的μ eff ( λ )已知，见表1，则通过 最小二乘算法可以求出 a、b，a =-152. 8mg · (lOOg”讓，b = 68. 2mg · (IOOg)^10表 1
样品号/V(义)C ^TVBN-I mmmg · (IOOg) 110. 1545. 31320. 1840. 735630. 24930.2075840. 27226.6982450. 47. 168然后根据上式(1)计算出的TVBN值，再根据TVBN值标记猪肉样品的新鲜状态。 上述TVBN值夜可以应用化学方法测量出。但是，本发明中设计的上述检测有效衰减系数 并利用有效衰减系数计算TVBN值的方法速度比现有技术中应用化学方法测量的速度要快 得多，前者只需花费几秒钟的时间，而后者则需要花费几个小时的时间，而且前者为无损检 测，而后者为有损检测。步骤S102，通过用户选择脉冲耦合神经网络算法进行数据融合和分类，并可以通 过Internet在浏览器中显示结果。本实施例中，步骤S102中的脉冲耦合神经网络算法步骤如下1)在所述的指标中选择4个指标，本实施例中选择的是TVBN、肌氧饱和度、pH值 以及细菌菌落总数4个指标，作为四种传感器测得的数据(其它的指标也可以用传感器测 量得到，也可以用其它方法测量或计算得到)；2)将四种传感器数据作为脉冲耦合神经网络算法的输入数据，进行数据融合和分 类F,j (“) = ^ Flj (η -1) + K, Σ mUI^i ^“1) +
klLlj (η) = e^ Lij -1) + & Σ ^klYkl (η -1)
klUij (η) = Fij (η) (1+ β Lij (η))
权利要求
一种基于多传感器融合技术的猪肉品质综合检测方法，其特征在于，包括以下步骤S1、对于一个待分类的猪肉样品，检测猪肉样品的有效衰减系数、阻抗谱、感官评分、肌氧饱和度、pH值、色度参数和细菌菌落总数中的四项以上指标，并标记类别；S2、根据标记了类别的猪肉样品的指标数据进行数据融合计算和分类，并得到猪肉样品的品质分类结果。
2.如权利要求1所述的基于多传感器融合技术的猪肉品质综合检测方法，其特征在 于，使用如下的脉冲耦合神经网络算法进行所述数据融合计算和分类Flj (n) = P Flj (n-l) + ^^ KjjdYkl (“ -1) + SljklLij {η) = P Lij ( -1) + Fi Σ (“ _ DklUij(Ii) = Fij (η) (1+β Lij (η))\\,υ^n) > Elj(H-I)YJn)y Ιο,其他Eij(Ti) = C^ Ε^η-^ + ν,Υ^η)C = YjCount(Ylj(H)==I) =1其中，Fij为反馈输入矩阵；Ykl为输出结果；Lu为连接输入矩阵；UU为内部激励矩阵； Yij为点火输出矩阵；Eij为阈值矩阵；C为点火次数，即矩阵Yij中元素1的个数；Sij为传感 器所检测到的指标数据；Mij和Wij均为权值矩阵；α F、VF、c^、Vp β、aE、VE均为网络参数； N为网络迭代次数；首先，利用上述六个公式计算得到各类指标数据的点火次数，从而获取各类指标数据 的点火次数特征值，然后进行分类；在分类时，采用欧式距离作为判别函数进行判别W = Win^(Ct-Cj)2其中m为所预测的类别，民为第j类的指标数据的点火次数的特征值集合，Ct为各类 指标数据的点火次数特征值，Cj为民中的元素。
3.如权利要求1所述的基于多传感器融合技术的猪肉品质综合检测方法，其特征在 于，有效衰减系数指标的检测和标记方法为用光学方法检测特定波长处猪肉样品的有效衰减系数yrff(x)，然后根据下式计算出 挥发性盐基氮TVBN值Ctvbn = a μ eff ( λ ) +b，其中Ctvbn为TVBN值，λ为波长，a、b为通过如 下实验获得的系数对不少于5个的一组猪肉样品，利用最小二乘算法确定a、b，其中每个 样品的有效衰减系数和TVBN值已知；根据上式计算出的TVBN值或者应用化学方法测量出的TVBN值标记猪肉样品的新鲜状 态，若TVBN值小于或等于15mg/100g，则标记为新鲜类，若TVBN值在15 25mg/100g之间， 则标记为次新鲜类，若TVBN值大于或等于25mg/100g，则标记为腐败类。
4.如权利要求1所述的基于多传感器融合技术的猪肉品质综合检测方法，其特征在 于，阻抗谱指标的检测和标记方法为测量猪肉样品的随着频率改变而形成的电阻抗谱变化，若阻抗实部谱中阻抗最大值大 于或等于100 Ω且阻抗虚部谱有单一谱峰，且求导数后斜率在0. 03-0. 005 Ω (kHz)之间， 则标记为新鲜类，若阻抗实部谱中阻抗最大值在90-110 Ω之间且阻抗虚部谱有单一谱峰， 且求导数后斜率在0. 005-0. 002 Ω (kHz)"1之间则标记为次新鲜类，若阻抗实部谱中阻抗最 大值小于或等于100 Ω且阻抗虚部谱无谱峰，且求导数后斜率小于或等于0. 002 Ω (kHz)"1, 则标记为腐败类。
5.如权利要求1所述的基于多传感器融合技术的猪肉品质综合检测方法，其特征在 于，获取感官评分的方法为根据国家标准GB/T5009. 44的方法给出猪肉样品的感官评分，若平均分大于或等于4， 则标记为新鲜类，若平均分在3-4之间，则标记为次新鲜类，若小于或等于3，则标记为腐败类。
6.如权利要求1所述的基于多传感器融合技术的猪肉品质综合检测方法，其特征在 于，肌氧饱和度的检测和标记方法为利用光学方法测量猪肉样品的色素含量，当其肌氧饱和度为大于或等于18%，则标记 为新鲜类，当肌氧饱和度在10-18%之间，则标记为次新鲜类，当肌氧饱和度为小于或等于 10%，则标记为腐败类，其中肌氧饱和度为猪肉中氧合肌红蛋白浓度a与氧合肌红蛋白浓 度a及脱氧肌红蛋白浓度b之和的比值a/(a+b)。
7.如权利要求1所述的基于多传感器融合技术的猪肉品质综合检测方法，其特征在 于，PH值的检测和标记方法为测量猪肉样品表面的PH值，当pH值在5. 8-6. 2之间，则标记为新鲜类，当pH在6. 3-6. 6 之间，则标记为次新鲜类，当PH大于6. 7，则标记为腐败类。
8.如权利要求1所述的基于多传感器融合技术的猪肉品质综合检测方法，其特征在 于，色度参数的检测和标记方法为用色差计测量猪肉样品表面色度的亮度值L以及黄度值b*，当L在57-47之间，且b* 在6-8. 5之间，则标记为新鲜类；当L在46. % 41之间，且b*在8. 51-9. 9之间，则标记为 次新鲜类；当L小于41，且b*在9. 91-15之间，则标记为腐败类。
9.如权利要求1所述的基于多传感器融合技术的猪肉品质综合检测方法，其特征在 于，细菌菌落总数的检测和标记方法为当细菌菌落总数小于或等于5*104cfu· 则标记为新鲜类；当细菌菌落总数在 5*104cfu .g—1 5*106cfu .g—1之间，则标记为次新鲜类；当细菌菌落总数大于5*106cfu -g"1 之间，则标记为腐败类。
10.如权利要求3所述的基于多传感器融合技术的猪肉品质综合检测方法，其特 征在于，将有效衰减系数的检测方法替换为检测特定波长处猪肉样品的有效衰减系数
11.如权利要求4所述的基于多传感器融合技术的猪肉品质综合检测方法，其特征 在于，所述的阻抗谱是指在10Hz-500kHz频段内每个频率点上猪肉样品的阻抗值构成的 曲线，所述的猪肉阻抗实部谱是指在10Hz-500kHz频段内每个频率点上猪肉样品的阻抗 实部值构成的曲线，所述的猪肉阻抗虚部谱是指在10Hz-500kHz频段内每个频率点上猪肉样品的阻抗虚部值构成的曲线，若每个频率点上的阻抗值为Z(f)，则实部值ZMal(f)= Z(f)) Icos θ (f)、虚部值 Zimg (f) = Z(f)) Isine (f)，其中 f 为频率。
全文摘要
本发明公开了一种基于多传感器融合技术的猪肉品质综合检测方法，包括S1、对于一个待分类的猪肉样品，检测猪肉样品的有效衰减系数、阻抗谱、感官评分、肌氧饱和度、pH值、色度参数和细菌菌落总数中的四项以上指标，并标记类别；S2、根据标记了类别的猪肉样品的指标参数进行数据融合计算和分类，并得到猪肉样品的品质分类结果。本发明能够准确地、快速地进行猪肉品质综合评价。
文档编号G01R27/02GK101975844SQ20101025879
公开日2011年2月16日 申请日期2010年8月20日 优先权日2010年8月20日
发明者文星, 李军, 王忠义, 高健, 黄岚 申请人:中国农业大学