论文部分内容阅读
本课题以肉类新鲜度检测为研究对象，以数据融合为理论基础，对发展应用较为成熟的人工神经网络技术及基于神经网络的数据融合技术进行了分析研究。在分析了肉类变质机理的基础上提出全新的肉类新鲜度检测方法，并针对该方法建立了基于神经网络数据融合技术的肉类新鲜度辨识模型。根据实际情况构建了数据采集系统，通过肉类实验采集了大量肉类气味样本与理化实验获取的TVB值(国家肉类新鲜度标准)合并建立了神经网络学习和测试样本库。采用MATLAB6.5的神经网络工具箱中的图形用户界面设计、训练、仿真神经网络，结果表明，本课题提出的肉类新鲜度辨识方法的准确度可达90％以上。在此基础上，利用VC++与数据库和VC++与MATLAB接口技术建立了肉类新鲜度实时辨识系统，此系统可实现实验数据的采集、向数据库存入数据、从数据库提取数据、调用MATLAB神经网络工具箱函数进行神经网络运算，并且可对肉类进行实时在线检测。最后，结合嵌入式技术设计了便携式肉类新鲜度辨识仪，并在实验板上进行了仿真，为今后制作完备的便携式产品奠定了坚实的基础。
本课题利用人工神经网络进行多传感器数据融合并应用到肉类食品的检测中，是一项高新技术的应用。本课题提出的方法可以快速、准确的辨识肉类新鲜度，使用的研究方法和建立的实时辨识系统可扩展到相关气体检测领域。