详情

原文传递基于GRNN神经网络的新型地沟油检测方法及其检测系统

专利名称：	基于GRNN神经网络的新型地沟油检测方法及其检测系统
摘要：	本发明公开了一种基于GRNN神经网络的新型地沟油检测方法及其检测系统，包括数据采集器、单片机控制器和上位机，所述单片机控制器通过接收数据采集器采集到的信息并将其打包处理发送给上位机，所述上位机基于GRNN神经网络对获得的信息进行分析判别，得出此未知油样是正常食用油还是有害的地沟油；所述GRNN神经网络为由样本集训练完成并通过测试集进行调整的GRNN神经网络，所述样本集和测试集包括已知各参数的正常油样和地沟油油样。
专利类型：	发明专利
国家地区组织代码：	江苏;32
申请人：	淮阴工学院
发明人：	陈奇;陈贤龙;黄金霞;何理旭;袁章;余亚东;龚平
专利状态：	有效
申请日期：	2019-01-29T00:00:00+0800
发布日期：	2019-06-14T00:00:00+0800
申请号：	CN201910084359.4
公开号：	CN109884282A
代理机构：	南京苏高专利商标事务所(普通合伙)
代理人：	颜盈静
分类号：	G01N33/28(2006.01);G;G01;G01N;G01N33
申请人地址：	223005 江苏省淮安市洪泽区东七街三号高新技术产业园A12-2(淮阴工学院技术转移中心洪泽分中心)
主权项：	1.一种基于GRNN神经网络的新型地沟油检测方法，其特征在于：包括以下步骤： S1：通过采集若干正常油样参数数据和地沟油油样参数数据构成样本集，将样本集分为训练集和测试集； S2：创建GRNN神经网络模型，通过输入训练集进行训练和输入测试集进行模型精度调整，采用交叉验证和重复采样进行重复训练和测试；将测试后的输出进行互相对比并折中取优选，建立最优GRNN网络模型； S3：采集未知油样参数数据，将该未知油样参数数据输入至最优GRNN网络模型进行正常油样和地沟油油样的判断。 2.根据权利要求1所述的一种基于GRNN神经网络的新型地沟油检测方法，其特征在于：所述正常油样参数数据和地沟油油样参数数据均包括油样的电导率、酸价值和折光率值。 3.根据权利要求2所述的一种基于GRNN神经网络的新型地沟油检测方法，其特征在于：所述GRNN神经网络通过训练集进行训练时，通过改变各参数数据所占的权重比，将GRNN神经网络中所要进行分析和判别的各参数数据所占的比重进行相应的增大或减小并通过梯度下降法进行迭代求解，得到最小化的损失函数和模型参数值，建立最优GRNN神经网络。 4.根据权利要求3所述的一种基于GRNN神经网络的新型地沟油检测方法，其特征在于：S2中对训练集和测试集中的各参数数据进行权重比调整包括降低折光率值在神经网络中所占的权重，提高电导率值和酸价值在神经网络中所占的权重。 5.一种基于GRNN神经网络的地沟油检测装置，其特征在于：包括数据采集器、单片机控制器和上位机，所述单片机控制器通过接收数据采集器采集到的信息并将其打包处理发送给上位机，所述上位机基于GRNN神经网络对获得的信息进行分析判别，得出未知油样是正常油样还是地沟油油样。 6.根据权利要求1所述的一种基于GRNN神经网络的地沟油检测装置，其特征在于：所述数据采集器电导率检测器、酸价值检测器和折光率检测器。
所属类别：	发明专利