基于多传感器融合的鸡肉新鲜度检测方法

吉林大学学报(工学版) ›› 2013, Vol. 43 ›› Issue (增刊1): 493-496.

基于多传感器融合的鸡肉新鲜度检测方法

常志勇^1,2, 陈东辉^1,2, 张凌¹, 佟月英¹, 翁小辉³, 佟金^1,2

1. 吉林大学生物与农业工程学院,长春 130022;
2. 吉林大学工程仿生教育部重点实验室,长春 130022;
3. 吉林大学机械科学与工程学院,长春 132022

收稿日期:2012-06-30 发布日期:2013-06-01
通讯作者: 佟金(1957-),男,教授,博士生导师.研究方向:生物材料,农业工程仿生.E-mail:jtong@jlu.edu.cn E-mail:jtong@jlu.edu.cn
作者简介:常志勇(1980-),男,博士研究生.研究方向:食品检测技术,农业工程仿生.E-mail:zychang@jlu.edu.cn
基金资助:
吉林大学基本科研业务费项目(421060212466);吉林省科技发展计划重点项目(20060217).

Method of chicken freshness detection based on multi-sensor fusion

CHANG Zhi-yong^1,2, CHEN Dong-hui^1,2, ZHANG Ling¹, TONG Yue-ying¹, WENG Xiao-hui³, TONG Jin^1,2

1. College of Biological and Agricultural Engineering, Jilin University, Changchun 130022, China;
2. Key Laboratory of Bionic Engineering, Ministry of Education, Changchun 130022, China;
3. College of Mechanical Science and Engineering, Jilin University, Changchun 130022, China

Received:2012-06-30 Published:2013-06-01

摘要/Abstract

摘要：

为了快捷、无损检测鸡肉新鲜度,建立了一套基于电子鼻和力学参数两种传感器以及神经网络识别技术的智能检测系统。根据鸡肉腐败机理,合理选择传感器。采用RBF神经网络作为模式识别方法。经理化试验证明系统检测鸡肉新鲜度准确率达93.65%,结果表明设计的融合系统检测鸡肉新鲜度是可行的。

关键词: 鸡肉新鲜度, 多传感器融合, 神经网络, 模式识别

Abstract:

In order to evaluate poultry freshness in a quick and non-destructive way, an intelligent inspection system was established based on neural network recognition technique and two types of sensors, including electronic nose and mechanical parameters. Sensors were chosen according to chicken deteriorate mechanism. RBF neural network was used as method of pattern recognition. The accuracy of the system for chicken freshness detection is up to 96.45% through physico-chemical examination. The experimental results indicate that it is feasible to integrate multiple sensors for chicken freshness detection.

Key words: chicken freshness, multi-sensor fusion, neural network, pattern necognition

中图分类号:

TG156

常志勇, 陈东辉, 张凌, 佟月英, 翁小辉, 佟金. 基于多传感器融合的鸡肉新鲜度检测方法[J]. 吉林大学学报(工学版), 2013, 43(增刊1): 493-496.

CHANG Zhi-yong, CHEN Dong-hui, ZHANG Ling, TONG Yue-ying, WENG Xiao-hui, TONG Jin. Method of chicken freshness detection based on multi-sensor fusion[J]. 吉林大学学报(工学版), 2013, 43(增刊1): 493-496.

参考文献

[1] Zhang Zhe, Tong Jin, Chen Dong-hui, et al. electronic nose with an air sensor matrix for detecting beef freshness[J]. Journal of Bionic Engineering,2008,5(1):67-73.

[2] 石志标,佟月英,陈东辉,等.牛肉新鲜度的电子鼻检测技术[J]. 农业机械学报,2009, 40(11)184-188. Shi Zhi-biao, Tong Yue-ying, Chen Dong-hui, et al. Identification of beef freshness with electronic nose[J]. Journal of Agricultural Machinery,2009,40(11):184-188.

[3] Rajamaki T, Hanna L A, Tiina R. Application of an electronic nose for quality assessment of modified atmosphere packaged poultry meat[J]. Food Control, 2006, 17(1):5-13.

[4] 佟月英,陈东辉,石志标,等.鸡肉的压力特性曲线与其新鲜度的关系[J]. 吉林大学学报:工学版,2010,40(2): 491-495. Tong Yue-ying, Chen Dong-hui, Shi Zhi-biao, et al. Relationship between pressure characteristic curve and freshness of chicken[J]. Journal of Jilin University(Engineering and Technology Edition), 2010,40(2):491-495.

[5] 常志勇,陈东辉,门海涛,等.基于圆锥形仿生气体室的鸡肉新鲜度电子鼻检测技术[J]. 吉林大学学报:工学版,2011,41(增刊2):334-337. Chang Zhi-yong, Chen Dong-hui, Men Hai-tao, et al. Electronic nose in chicken freshness detection based on cone-shaped gas chamber bionic technology[J].Journal of Jilin University(Engineering and Technology Edition), 2011, 41(Suppl. 2):334-337.

相关文章 15

[1]	席利贺,张欣,孙传扬,王泽兴,姜涛. 增程式电动汽车自适应能量管理策略[J]. 吉林大学学报(工学版), 2018, 48(6): 1636-1644.
[2]	江涛,林学东,李德刚,杨淼,汤雪林. 基于人工神经网络的放热规律的量化预测[J]. 吉林大学学报(工学版), 2018, 48(6): 1747-1754.
[3]	徐岩,孙美双. 基于卷积神经网络的水下图像增强方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1895-1903.
[4]	刘富, 兰旭腾, 侯涛, 康冰, 刘云, 林彩霞. 基于优化k-mer频率的宏基因组聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1593-1599.
[5]	李雄飞, 冯婷婷, 骆实, 张小利. 基于递归神经网络的自动作曲算法[J]. 吉林大学学报(工学版), 2018, 48(3): 866-873.
[6]	底晓强, 王英政, 李锦青, 从立钢, 祁晖. 基于量子细胞神经网络超混沌的视频加密方法[J]. 吉林大学学报(工学版), 2018, 48(3): 919-928.
[7]	王方石, 王坚, 李兵, 王博. 基于深度属性学习的交通标志检测[J]. 吉林大学学报(工学版), 2018, 48(1): 319-329.
[8]	刘东亮, 王秋爽. 基于NGSIM数据的车辆瞬时速度获取方法[J]. 吉林大学学报(工学版), 2018, 48(1): 330-335.
[9]	谢志江, 吴小勇, 范乃吉, 郭宗环, 袁岳军, 王康. 神光-III精密装校平台运动学分析[J]. 吉林大学学报(工学版), 2017, 47(5): 1504-1511.
[10]	马淼, 李贻斌. 基于多级图像序列和卷积神经网络的人体行为识别[J]. 吉林大学学报(工学版), 2017, 47(4): 1244-1252.
[11]	王德军, 吕志超, 王启明, 张贤达, 王子健. 基于汽缸压力辨识的发动机失火故障诊断[J]. 吉林大学学报(工学版), 2017, 47(3): 917-923.
[12]	黄璇, 郭立红, 李姜, 于洋. 改进粒子群优化BP神经网络的目标威胁估计[J]. 吉林大学学报(工学版), 2017, 47(3): 996-1002.
[13]	李琳辉, 伦智梅, 连静, 袁鲁山, 周雅夫, 麻笑艺. 基于卷积神经网络的道路车辆检测方法[J]. 吉林大学学报(工学版), 2017, 47(2): 384-391.
[14]	王庆年, 段本明, 王鹏宇, 拱印生, 朱庆林. 插电式混合动力汽车动力传动系参数优化[J]. 吉林大学学报(工学版), 2017, 47(1): 1-7.
[15]	郭应时, 付锐, 赵凯, 马勇, 袁伟. 驾驶人换道意图实时识别模型评价及测试[J]. 吉林大学学报(工学版), 2016, 46(6): 1836-1844.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed