买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：淮阴工学院

摘要：本发明涉及食品品质大数据智能检测的自动化装备技术领域，公开了一种食品品质智能检测方法及其装置，包括多个检测单元和远程监控端，检测单元包括样品室、气流管、气室、多传感器阵列、检测节点，样品室的食品挥发的气味通过气流管吸入到气室内，与检测节点的多个传感器阵列反应后产生信号，通过检测节点和远程监控端之间通信传输给远程监控端，远程监控端的食品品质智能化检测子系统对多个检测单元的多个气室内的食品气味进行处理，识别出被检测食品质量等级。与现有技术相比，本发明通过评估样品空间中特定挥发性代谢物的存在和含量，实现具有不同香气特征的食品基质的区分和分类，自动化、无损、成本低且效益高。

主权项：1.一种食品品质智能化检测方法，其特征在于，包括如下步骤：步骤1：构建参数检测模块，参数检测模块包括深度降噪编码器神经网络模型、食品气味参数小波分解模型、ACO的GCN图卷积网络模型、n个BiGRU神经网络模型-新陈代谢灰色GM（1，1）模型、新陈代谢灰色GM（1，1）模型、BiGRU神经网络模型和ACO的GCN图卷积网络模型-BiGRU神经网络模型；多个参数传感器输出作为深度降噪编码器神经网络模型的对应输入，深度降噪编码器神经网络模型输出作为食品气味参数小波分解模型输入和新陈代谢灰色GM（1，1）模型输入，食品气味参数小波分解模型输出的趋势分量和多个高频分量分别作为对应的BiGRU神经网络模型-新陈代谢灰色GM（1，1）模型的输入和ACO的GCN图卷积网络模型的对应输入，BiGRU神经网络模型-新陈代谢灰色GM（1，1）模型输出作为ACO的GCN图卷积网络模型的对应输入；深度降噪编码器神经网络模型输出与ACO的GCN图卷积网络模型输出的时间序列差和深度降噪编码器神经网络模型输出与新陈代谢灰色GM（1，1）模型输出的时间序列差分别作为BiGRU神经网络模型的对应输入，BiGRU神经网络模型输出、ACO的GCN图卷积网络模型输出和新陈代谢灰色GM（1，1）模型输出分别作为ACO的GCN图卷积网络模型-BiGRU神经网络模型的对应输入，ACO的GCN图卷积网络模型-BiGRU神经网络模型输出作为被检测参数值和参数检测模块的输出；步骤2：构建食品品质智能化检测子系统，包括5个参数检测模块、ACO的GCN图卷积网络模型、ACO的T-S模糊神经网络模型、ACO的BiGRU神经网络模型、2个区间数的GCU图卷积网络模型-T-S模糊神经网络模型；多个参数传感器1输出、多个参数传感器2输出、多个参数传感器3输出、多个参数传感器4输出和多个温度传感器输出分别作为对应的参数检测模块输入，多个参数传感器的输出作为区间数的GCU图卷积网络模型-T-S模糊神经网络模型1的对应输入，5个参数检测模块输出作为ACO的GCN图卷积网络模型对应输入，ACO的GCN图卷积网络模型输出分别作为ACO的T-S模糊神经网络模型输入、ACO的BiGRU神经网络模型输入和区间数的GCU图卷积网络模型-T-S模糊神经网络模型2的对应输入，ACO的T-S模糊神经网络模型输出和ACO的BiGRU神经网络模型输出分别作为区间数的GCU图卷积网络模型-T-S模糊神经网络模型2的对应输入，区间数的GCU图卷积网络模型-T-S模糊神经网络模型2输出作为ACO的GCN图卷积网络模型的对应输入，区间数的GCU图卷积网络模型-T-S模糊神经网络模型1输出作为区间数的GCU图卷积网络模型-T-S模糊神经网络模型2的对应输入，区间数的GCU图卷积网络模型-T-S模糊神经网络模型2输出的三角模糊值代表食品品质等级。

全文数据：

权利要求：

百度查询： 淮阴工学院 一种食品品质智能检测方法及其装置