[发明专利]食品的检验方法、装置和非易失性计算机可读存储介质

说明书

本公开涉及一种食品的检验方法、装置和非易失性计算机可读存储介质，涉及人工智能技术领域。该方法包括：获取检验人员在品尝待检验食品时的人脸图像；根据人脸图像，利用机器学习模型，确定检验人员对于多种情绪类型的隶属度参数；根据各隶属度参数，利用检测模型，确定检测人员的当前情绪是否与食用合格的待检验食品后的样本情绪匹配，以检验待检验食品是否合格。

技术领域

本公开涉及人工智能技术领域，特别涉及一种食品的检验方法、食品的检验装置和非易失性计算机可读存储介质。

背景技术

近年来，随着国民经济持续稳定增长、居民消费水平的不断提升及消费结构的升级，食品行业(如饮料等)一直呈现出良好的增长态势。通过食品的感官评价检测其品质，一直是新产品开发和上市产品维护的重要内容。

在现有技术中，通过对食品消费者的主观喜好程度，确定食品的感官评价。

发明内容

本公开的发明人发现上述相关技术中存在如下问题：只能反映用户的主观感官评价，导致食品检验的准确性低。

鉴于此，本公开提出了一种食品的检验技术方案，能够反映食品的客观品质，从而提高食品检验的准确性。

根据本公开的一些实施例，提供了一种食品的检验方法，包括：获取检验人员在品尝待检验食品时的人脸图像；根据人脸图像，利用机器学习模型，确定检验人员对于多种情绪类型的隶属度参数；根据各隶属度参数，利用检测模型，确定检测人员的当前情绪是否与食用合格的待检验食品后的样本情绪匹配，以检验待检验食品是否合格。

在一些实施例中，该方法还包括：根据合格样本数据和不合格样本数据的统计特征建立检测模型，合格样本数据为在食品样本属于合格组的情况下的各隶属度参数样本，不合格样本数据为在食品样本属于不合格组的情况下的各隶属度参数样本。

在一些实施例中，根据各隶属度参数，利用检测模型，确定检测人员的当前情绪是否与食用合格的待检验食品后的样本情绪匹配包括：根据各隶属度参数的加权和，检验食品是否合格，各隶属度参数的权重根据合格样本数据和不合格样本数据的统计特征确定。

在一些实施例中，各隶属度参数的权重根据各合格样本数据的组内统计特征、各不合格样本数据的组内统计特征、各合格样本数据与各不合格样本数据的组间统计特征确定。

在一些实施例中，各隶属度参数的权重根据如下步骤确定：根据各合格样本数据的组内平均值、各不合格样本数据的组内平均值、各合格样本数据与各不合格样本数据的组间平均值，计算组内叉积平方和矩阵；根据各合格样本数据的组内协方差、各不合格样本数据的组内协方差、各合格样本数据与各不合格样本数据的组间协方差，计算组间叉积平方和矩阵；根据组内叉积平方和矩阵和组间叉积平方和矩阵，以各权重为变量，构建目标函数；求解目标函数，确定各权重。

在一些实施例中，根据各隶属度参数，利用检测模型，确定检测人员的当前情绪是否与食用合格的待检验食品后的样本情绪匹配包括：根据各隶属度参数，利用检测模型，确定食品的品质参数；根据品质参数与合格组的质心和不合格组的质心的差异，检验食品是否合格。

在一些实施例中，合格组的质心根据各合格样本数据的组内平均值、各合格样本数据与各不合格样本数据的组间平均值确定，不合格组的质心根据各不合格样本数据的组内平均值、各合格样本数据与各不合格样本数据的组间平均值确定。

在一些实施例中，检测模型根据各隶属度参数的加权和确定，不合格组的质心和不合格组的质心根据各隶属度参数的权重确定。

根据本公开的另一些实施例，提供一种食品的检验装置，包括：获取单元，用于获取检验人员在品尝食品时的人脸图像；确定单元，用于根据人脸图像，利用机器学习模型，确定检验人员对于多种情绪类型的隶属度参数；检验单元，用于根据各隶属度参数，利用检测模型，确定检测人员的当前情绪是否与食用合格的待检验食品后的样本情绪匹配，以检验待检验食品是否合格。