详情

原文传递一种智能食品质量快速检测系统

专利名称：	一种智能食品质量快速检测系统
摘要：	本发明属于食品安全技术领域，公开了一种智能食品质量快速检测系统，设置有食品安全系统控制端，食品安全系统控制端通过数据线与智能食品分类仪相连接，智能食品分类仪与水产品检测模块、肉食检测模块、果蔬检测模块以及其他食品监测模块相连接，水产品检测模块、肉食检测模块、果蔬检测模块以及其他食品监测模块与酶联免疫检测模块相连接，酶联免疫检测模块通过数据线与农残化合物检测模块、农残化合物检测模块、微生物模块、荧光定量PCR模块以及食品归属模块相连接。本发明将食品分类，从而使食品质量检测更加的快速，酶联免疫检测模块，让抗体与酶复合物结合，通过显色来检测食品是否是转基因食品，保证食品的健康安全，使消费者更加放心。
专利类型：	发明专利
国家地区组织代码：	贵州;52
申请人：	遵义市产品质量检验检测院
发明人：	张昆娴
专利状态：	有效
发布日期：	2019-01-01T00:00:00+0800
申请号：	CN201810380512.3
公开号：	CN108627621A
代理机构：	重庆市信立达专利代理事务所(普通合伙) 50230
代理人：	包晓静
分类号：	G01N33/02(2006.01)I;G;G01;G01N;G01N33;G01N33/02
申请人地址：	563002 贵州省遵义市汇川区上海路126号
主权项：	1.一种智能食品质量快速检测系统，其特征在于，所述智能食品质量快速检测系统设置有：食品安全系统控制端；所述食品安全系统控制端通过数据线与智能食品分类仪相连接，智能食品分类仪通过导线与水产品检测模块、肉食检测模块、果蔬检测模块以及其他食品监测模块相连接，水产品检测模块、肉食检测模块、果蔬检测模块以及其他食品监测模块通过导线与酶联免疫检测模块相连接，酶联免疫检测模块通过数据线与农残化合物检测模块、农残化合物检测模块、微生物模块、荧光定量PCR模块以及食品归属模块相连接；所述智能食品分类仪对食品分类信号的处理方法包括：S1对接收到的食品分类信号的观测向量x做分数低阶快速独立成分分析，将接收到的食品分类信号分离为发送食品分类信号和Alpha稳定分布噪声；所述接收食品分类信号的观测向量x的分数低阶快速独立成分分析按以下进行：1)将观测向量x减去均值进行中心化，利用主要分量分析对中心化后的观测向量进行分数低阶预白化处理，得到白化矩阵v，其中，独立成分分析(PCA)中用到的分数低阶相关矩阵定义为其中，xi(n)和xj(n)分别为第i路和第j路观测食品分类信号，且1≤i,j≤2，*代表取共轭，对分数低阶相关矩阵进行特征值分解可以得到特征值矩阵D与特征向量矩阵V，由特征值矩阵和特征向量矩阵可得预白化矩阵M＝D‑1/2VT，利用预白化矩阵将观测数据x向食品分类信号子空间投影，得到白化矩阵v＝Mx；2)对权向量w0进行随机初始化，同时初始化序列号k使k＝1；3)进行权值向量迭代其中，和为一阶统计量，g(·)是对比函数，η＝Ε[w^Txg(w^Tx)]，且在权值的迭代过程中参数λ是可变的，且λ＜1；4)利用范数归一化权值向量wk，wk＝wk/\|\|wk\|\|；5)若充分接近于1，算法得到收敛，w_k就是最终的解混矩阵，执行6)，否则重复步骤3)与步骤4)；6)Y＝wkx,其中x为观测食品分类信号，Y为分离后的二维食品分类信号；S2对分离出的发送食品分类信号s(n)做基于插值的总体平均局部均值分解(LMD)，将发送食品分类信号分解成多个分量；所述分离出的发送食品分类信号s(n)的基于插值的总体平均LMD按以下进行：1)给发送食品分类信号s(n)加上一组白噪声v(n),得到一个总体S(n)：S(n)＝s(n)+v(n)2)确定总体S(n)所有的局部极值点ni，计算相邻两个极值点ni和ni+1的平均值mi，即利用三次样条插值确定局部均值函数m11(n)；3)采用局部极值点ni计算包络估计值ai利用三次样条插值确定包络估计函数a11(n)；4)从总体S(n)中分离分离出局部均值函数m11(n)，得到h11(n)＝S(n)‑m11(n)5)用h11(n)除以包络估计函数a11(n)，以对h11(n)进行解调，得到其中，h11(n)＝S(n)‑m11(n)h12(n)＝s11(n)‑m12(n)h1n(n)＝s1(n‑1)(n)‑m1n(n)式中:迭代终止的条件为:1‑Δ≤a1n(n)≤1+Δ其中，Δ为大于0的任意实数；6)把迭代过程中产生的所有包络估计函数相乘便可以得到包络食品分类信号，其包括，7)将包络食品分类信号a1(n)和纯调频食品分类信号s1n(n)相乘便可以得到原始食品分类信号的第1个分量PF1(n)＝a1(n)s1n(n)它包含了原始食品分类信号中最高的频率成分，是一个单分量的调幅‑调频食品分类信号，其瞬时幅值就是包络食品分类信号a1(n)，其瞬时频率f1(n)则可由纯调频食品分类信号s1n(n)求出，即:8)将第1个PF分量PF1从发送食品分类信号s(n)中分离出来，得到一个新的食品分类信号u1(n)，将u1(n)作为原始数据重复步骤1)至步骤7)，并循环k次，直到uk(n)为一个单调函数；u1(n)＝s(n)‑PF1(n)u2(n)＝u1(n)‑PF2(n)uk(n)＝uk‑1(n)‑PFk(n)至此，将食品分类信号s(n)分解为k个PF分量和一个单调函数uk(n)之和，即9)给发送食品分类信号s(n)加入不同的白噪声ni(n),重复步骤1)‑8)：Si(n)＝s(n)+ni(n)分解后得到的各个总体的PF分量组为PFip10)取各个组PF的均值作为最终的PF组：其中，N表示表示添加噪声的次数，最后发送食品分类信号的LMD分解可表示为：S3提取第一个分类特征：分量的分段瞬时频率标准差σ_f和设定相应的门限δ₁；所述分量的分段瞬时频率标准差σ_f和设定相应的门限δ₁按以下进行：分量的分段频率标准差σ_f定义为：对于食品分类信号的分量中的纯调频食品分类信号s_1n(n)，计算其瞬时频率f₁(n)，将得到的瞬时频率序列分成M段，每段n个点，然后计算每段的瞬时频率的均值，最后求M段频率的标准差，即其中，为第i段瞬时频率的均值，f_1i(j)为分量的第i段数据的第j个点的瞬时频率值；为分量的瞬时频率的均值；门限设定如下：其中min(σf‑MSK)表示MSK食品分类信号的特征值σf的最小值，max(σf‑2ASK,σf‑QPSK,σf‑16QAM)为2ASK、QPSK和16QAM食品分类信号的特征值σf的最大值；S4提取第二个分类特征：分量的分段瞬时幅值标准差σ_a和设定相应的门限δ₂和δ₃；所述分量的分段瞬时幅值标准差σ_a和设定相应的门限δ₂和δ₃按以下进行：的分段瞬时幅值标准差σ_a定义为：对于食品分类信号的PF₁分量，将其a₁(n)分成M段，每段n个点，然后计算每段的瞬时幅值的均值，最后求M段幅值的标准差，即其中，为第i段瞬时幅值的均值，a_1i(j)为分量的第i段数据的第j个点的瞬时幅值；为PF₁分量的瞬时幅值的均值；门限设定如下：其中min(σa‑ASK)表示2ASK食品分类信号的特征值σa的最小值，max(σa‑16QAM)和min(σa‑QPSK)分别为16QAM食品分类信号的特征值σa的最大值和最小值，max(σa‑QPSK)为QPSK食品分类信号的特征值σa的最大值；S5利用门限δ1将食品分类信号集{MSK、2ASK、QPSK、16QAM}分为{MSK}和{2ASK、QPSK、16QAM}两类，利用门限δ2和δ3将食品分类信号集{2ASK、QPSK、16QAM}中的食品分类信号识别出来。
所属类别：	发明专利