[发明专利]基于改进深度森林算法的肉类新鲜度无损检测方法及系统

说明书

本发明公开了一种基于改进深度森林算法的肉类新鲜度无损检测方法及系统。本发明通过构建layer‑by‑layer多层级联的深度森林模型。模型第一层随机森林的输入与模型的输入一致，为经过预处理的冷鲜羊肉样本高光谱成像数据，经过计算形成不同的候选特征空间，为保证原始特征，与预处理后的样本高光谱数据拼接共同作为下一层的输入，模型的输出为新鲜度等级概率。为了充分挖掘多个新鲜度评价指标的相关性，在深度森林的每一层之间增加了上一层候选特征筛选与层增长控制机制，在充分挖掘样本的多个新鲜度指标相关性的同时确定模型的层数来降低模型过拟合的风险，达到控制模型复杂度的目的。

技术领域

本发明涉及肉类新鲜度检测技术领域，尤其涉及一种基于改进深度森林算法的肉类新鲜度无损检测方法及系统。

背景技术

羊肉因其含有丰富的营养物质，已经成为了人们饮食中重要的组成部分，羊肉品质的管理和监测也受到了人们的高度关注。羊肉品质会受到自身成分、贮藏环境和微生物的相互作用发生腐败变质现象，给羊肉食品的品质和安全带来极大的影响，使得羊肉新鲜度检测成为肉类食品监测和管理的重要内容之一。羊肉品质的传统检测方法以感官评价和实验室检测为主，感官检测通过视觉、嗅觉和剪切力度等方法分析样本色泽、气味和嫩度判断新鲜度，但受主观影响较大且缺乏对样本内部成分变化的准确判断；实验室检测可以分析出样本内部成分，但操作复杂，实验周期较长，且需要破坏样本，不易实现快速检测。

发明内容

本发明通过提供一种基于改进深度森林算法的肉类新鲜度无损检测方法及系统，通过构建冷鲜羊肉多层级联新鲜度评价深度森林模型，实现了对肉类新鲜度的无损检测。

本发明提供了一种基于改进深度森林算法的肉类新鲜度无损检测方法，包括：

获取肉类光谱图像；

对所述肉类光谱图像进行预处理；

将所述预处理后的光谱图像输入到预先构建好的多层级联新鲜度评价深度森林模型中，得到肉类新鲜度检测结果；其中，在所述深度森林模型的每一层之间增加上一层候选特征筛选与层增长控制机制。

具体来说，所述对所述肉类光谱图像进行预处理，包括：

对所述肉类光谱图像进行S-G平滑滤波和多元散射校正处理。

具体来说，所述特征筛选根据不同的度量指标计算每一层随机森林输出的置信度；通过比较置信度，重新组成特征输入到下一层中。

具体来说，所述层增长控制机制，包括：

当通过所述特征筛选得到所述深度森林模型的第t层的输出H^t之后，根据度量指标M计算该层的度量值q[t]；若q[t]大于性能最好的度量值q_best，则更新q_best值；若q[t]连续三次小于q_best并且t在模型最大深度T的范围内，则停止层的增长，同时保留包括q_best所在的层与该层前面的所有层，并删除该层后面的所有层。

本发明还提供了一种基于改进深度森林算法的肉类新鲜度无损检测系统，包括：

光谱图像获取模块，用于获取肉类光谱图像；

光谱图像预处理模块，用于对所述肉类光谱图像进行预处理；

新鲜度评价模块，用于将所述预处理后的光谱图像输入到预先构建好的多层级联新鲜度评价深度森林模型中，得到肉类新鲜度检测结果；其中，在所述深度森林模型的每一层之间增加上一层候选特征筛选与层增长控制机制。

具体来说，所述光谱图像预处理模块，具体用于对所述肉类光谱图像进行S-G平滑滤波和多元散射校正处理。

具体来说，所述特征筛选根据不同的度量指标计算每一层随机森林输出的置信度；通过比较置信度，重新组成特征输入到下一层中。