一种花椒产地识别设备及方法

技术领域

本发明涉及花椒检测技术领域，尤其涉及一种花椒产地识别设备及方法。

背景技术

花椒是一种常见的调味品，其复杂的风味和多样化的应用吸引着烹饪爱好者和研究人员。花椒的产地较多，不同的地域环境对于花椒的品质有一定的影响，花椒与众不同的感官体验和烹饪价值在很大程度上受到其原产地的影响。随着人们对农产品真实性和质量保证的要求越来越高，准确区分产地变得至关重要。

目前，花椒产地识别主要基于气相色谱-质谱(GC-MS)、高效液相色谱(HPLC)的化学指纹图谱，及其电感耦合等离子体质谱(ICP-MS)的元素指纹图谱。然而，这些方法也有一些缺点，如检测成本高昂，检测操作复杂耗时，检测准确度欠佳等。

发明内容

本发明为了解决上述技术问题，提供了一种花椒产地识别设备及方法，其提高了花椒产地识别的准确度，操作简单，检测时间短，成本较低。

为了解决上述问题，本发明采用以下技术方案予以实现：

本发明的一种花椒产地识别设备，包括机壳，所述机壳内设有检测腔，所述机壳一侧设有与检测腔连通的检测口，所述检测腔底部设有呈圆形的检测台，所述检测台上设有用于驱动检测台转动的驱动机构，所述检测台顶部设有凹槽，所述凹槽内设有多个检测容器，所述检测容器围成圆形且沿圆形等间距设置，所述检测容器围成的圆形与检测台同轴，所述检测容器顶部开口，所述凹槽顶部设有用于密封凹槽的盖板，所述盖板上设有多个检测孔，所述检测孔与检测容器一一对应，当盖板盖住凹槽时，所述检测孔与对应检测容器的开口连通，所述检测台上方设有电子鼻传感器以及可带动电子鼻传感器升降的升降机构，所述电子鼻传感器底部的检测探头位于其中一个检测孔的正上方，所述机壳上设有控制器，所述控制器分别与驱动机构、电子鼻传感器、升降机构电连接。

在本方案中，检测时，将盖板取下，将待测花椒放入一个检测容器，向检测容器内加入20毫升、100℃的水，盖上盖板，静置1小时，当凹槽上盖上盖板时，盖板与检测容器顶部紧贴，使得检测容器顶部开口只与对应检测孔连通，不与凹槽连通，与凹槽是隔离的；静置达到1小时时，控制器通过驱动机构驱动检测台转动，使得放有待测花椒的检测容器转动至电子鼻传感器的检测探头的正下方；控制器通过升降机构驱动电子鼻传感器下降使得其底部的检测探头从检测孔伸入检测容器上部，电子鼻传感器每隔0.1秒采样一次，得到1200个响应值；控制器根据1200个响应值计算出特征数据集，根据特征数据集计算出待测花椒的产地信息。

作为优选，所述检测台与检测腔可拆卸连接。可将检测台从检测腔上取下，便于放入花椒、加入沸水。

作为优选，所述检测探头的直径小于检测孔的直径，所述检测孔的直径小于检测容器顶部开口的直径。

作为优选，所述机壳前侧设有显示屏、控制按钮和指示灯，所述控制器分别与显示屏、控制按钮和指示灯电连接。显示屏显示检测操作界面，控制按钮用于输入控制指令。

作为优选，所述机壳顶部设有把手。便于手提移动。

作为优选，所述检测容器包括柱体，所述柱体内设有容纳腔，所述柱体顶部设有与容纳腔连通的开口。

本发明的一种花椒产地识别方法，用于上述的一种花椒产地识别设备，包括以下步骤：

S1：采集多个地区的花椒，提取每个地区的花椒对应的特征数据集；

S2：将每个地区的花椒对应的特征数据集输入机器学习分类模型进行训练，得到训练完成的花椒产地识别模型；

S3：提取待测花椒对应的特征数据集，将待测花椒对应的特征数据集输入花椒产地识别模型，花椒产地识别模型输出待测花椒的产地信息；

所述提取花椒对应的特征数据集的方法包括以下步骤：

N1：将花椒放入检测容器内，向检测容器内加入20毫升、100℃的水，盖上盖板，静置1小时；

N2：检测台转动，将静置1小时的检测容器转动至电子鼻传感器的检测探头的正下方，电子鼻传感器下降使得其底部的检测探头从检测孔伸入检测容器上部，电子鼻传感器每隔0.1秒采样一次，得到1200个响应值；

N3：根据1200个响应值计算出特征数据集。

所述步骤N3包括以下步骤：

N31：对1200个响应值进行多项式曲线拟合，得到拟合曲线y(t)，

y(t)＝α

其中，t为采样时间，y(t)为t时刻的响应值，α

N32：将α

N33：将拟合曲线y(t)上第10*(j+1)秒的响应值进行归一化处理，j＝0、1、2……11，归一化到[0，1]区间内，得到对应的归一化数据a

N34：计算拟合曲线y(t)上第10*j至10*(j+1)秒的积分值S

N35：将拟合曲线y(t)上第1、2、3……120秒的响应值组成数据集合E，E＝[y(1)、y(2)、y(3)、……y(120)]，将数据集合E进行希尔伯特变换得到数据集合F，F＝[w(1)、w(2)、w(3)、……w(120)]，将数据集合F中的数据w(10*(j+1))进行归一化处理，归一化到[0，1]区间内，得到对应的归一化数据c

N36：计算出特征值B

N37：将A

A

作为优选，所述步骤N31中采用最小二乘法对1200个响应值进行多项式曲线拟合，得到拟合曲线y(t)。

作为优选，所述步骤N34中计算积分值S

作为优选，所述机器学习分类模型为SVM模型。

作为优选，所述SVM模型的c值为10，gamma值为1，学习率或权重增长率为1。

本发明的有益效果是：提高了花椒产地识别的准确度，检测准确率高，操作简单，检测时间短，成本较低。

附图说明

图1是实施例的结构示意图；

图2是检测台的结构示意图；

图3是某个拟合曲线y(t)的示意图。

图中：1、机壳，2、检测腔，3、检测口，4、检测台，5、凹槽，6、驱动机构，7、检测容器，8、盖板，9、检测孔，10、电子鼻传感器，11、显示屏，12、控制按钮，1 3、指示灯，14、把手，15、检测探头。

具体实施方式

下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。

实施例：本实施例的一种花椒产地识别设备，如图1、图2所示，包括机壳1，机壳1内设有检测腔2，机壳1一侧设有与检测腔2连通的检测口3，检测腔2底部设有呈圆形的检测台4，检测台4上设有用于驱动检测台4转动的驱动机构6，检测台4顶部设有凹槽5，凹槽5内设有多个检测容器7，检测容器7围成圆形且沿圆形等间距设置，检测容器7围成的圆形与检测台4同轴，检测容器7顶部开口，凹槽5顶部设有用于密封凹槽5的盖板8，盖板8上设有多个检测孔9，检测孔9与检测容器7一一对应，当盖板8盖住凹槽5时，检测孔9与对应检测容器7的开口连通，检测台4上方设有电子鼻传感器10以及可带动电子鼻传感器10升降的升降机构，电子鼻传感器10底部的检测探头15位于其中一个检测孔9的正上方，机壳1上设有控制器，机壳1前侧设有显示屏11、控制按钮12和指示灯1 3，控制器分别与驱动机构6、电子鼻传感器10、升降机构、显示屏11、控制按钮12和指示灯13电连接。检测探头15的直径小于检测孔9的直径，检测孔9的直径小于检测容器7顶部开口的直径。

在本方案中，检测时，将盖板取下，将待测花椒放入一个检测容器，向检测容器内加入20毫升、100℃的水，盖上盖板，静置1小时，当凹槽上盖上盖板时，盖板与检测容器顶部紧贴，使得检测容器顶部开口只与对应检测孔连通，不与凹槽连通，与凹槽是隔离的；静置达到1小时时，控制器通过驱动机构驱动检测台转动，使得放有待测花椒的检测容器转动至电子鼻传感器的检测探头的正下方；控制器通过升降机构驱动电子鼻传感器下降使得其底部的检测探头从检测孔伸入检测容器上部，电子鼻传感器每隔0.1秒采样一次，得到1200个响应值；控制器根据1200个响应值计算出特征数据集，根据特征数据集计算出待测花椒的产地信息，显示屏显示识别出的花椒产地信息。显示屏显示检测操作界面，控制按钮用于输入控制指令。

检测台4与检测腔2可拆卸连接，可将检测台从检测腔上取下，便于放入花椒、加入沸水。机壳1顶部设有把手14，便于手提移动。检测容器7包括柱体，柱体内设有容纳腔，柱体顶部设有与容纳腔连通的开口。

本实施例的一种花椒产地识别方法，用于上述的一种花椒产地识别设备，包括以下步骤：

S1：采集多个地区的花椒，提取每个地区的花椒对应的特征数据集；

S2：将每个地区的花椒对应的特征数据集输入机器学习分类模型进行训练，得到训练完成的花椒产地识别模型；

S3：提取待测花椒对应的特征数据集，将待测花椒对应的特征数据集输入花椒产地识别模型，花椒产地识别模型输出待测花椒的产地信息；

提取花椒对应的特征数据集的方法包括以下步骤：

N1：将花椒放入检测容器内，向检测容器内加入20毫升、100℃的水，盖上盖板，静置1小时；

N2：检测台转动，将静置1小时的检测容器转动至电子鼻传感器的检测探头的正下方，电子鼻传感器下降使得其底部的检测探头从检测孔伸入检测容器上部，将检测容器挥发的气体以400mL/min的受控流速送入电子鼻传感器，电子鼻传感器每隔0.1秒采样一次，得到1200个响应值；

N3：根据1200个响应值计算出特征数据集。

步骤N3包括以下步骤：

N31：采用最小二乘法对1200个响应值进行多项式曲线拟合，得到拟合曲线y(t)，

y(t)＝α

其中，t为采样时间，y(t)为t时刻的响应值，α

N32：将α

N33：将拟合曲线y(t)上第10*(j+1)秒的响应值进行归一化处理，j＝0、1、2……11，归一化到[0，1]区间内，得到对应的归一化数据a

即将拟合曲线y(t)上第10、20、30……120秒的响应值进行归一化处理，归一化到[0，1]区间内，得到对应的归一化数据a

N34：计算拟合曲线y(t)上第10*j至10*(j+1)秒的积分值S

即计算拟合曲线y(t)上第0至10秒、10至20秒……110至120秒的积分值S

计算积分值S

N35：将拟合曲线y(t)上第1、2、3……120秒的响应值组成数据集合E，E＝[y(1)、y(2)、y(3)、……y(120)]，将数据集合E进行希尔伯特变换得到数据集合F，F＝[w(1)、w(2)、w(3)、……w(120)]，将数据集合F中的数据w(10*(j+1))进行归一化处理，归一化到[0，1]区间内，得到对应的归一化数据c

即将数据集合F中的数据w(10)、w(20)、w(30)……w(120)进行归一化处理，归一化到[0，1]区间内，得到对应的归一化数据c

N36：计算出特征值B

N37：将A

在本方案中，将花椒放入检测容器，用100℃的水浸泡花椒产生挥发性气体，采用电子鼻装置检测挥发性气体，并产生相应的响应值，根据响应值计算出能够反应花椒产地的特征数据集；用多个地区的花椒对应的特征数据集对机器学习分类模型进行训练，得到训练完成的花椒产地识别模型；提取待测花椒对应的特征数据集，用花椒产地识别模型对特征数据集进行识别，得到待测花椒的产地信息。

采用最小二乘法对1200个响应值进行多项式曲线拟合，得到某个拟合曲线y(t)，如图3所示。A

机器学习分类模型为SVM模型，SVM模型的c值为10，gamma值为1，学习率或权重增长率为1。