摘要
本发明提供一种多任务肉品新鲜度监测方法和装置,包括:获取待测鱼类的EEM荧光光谱数据和预先构建的多任务鱼类新鲜度监测模型;其中,模型包括基于机器学习的鱼类新鲜度预测模型和基于深度学习的鱼类新鲜度分类模型。鱼类新鲜度分类模型通过以下方式得到:利用不同鱼类的各自数据集分别对预训练的卷积神经网络模型进行训练,并对不同鱼类的训练后的卷积神经网络模型进行相互微调,得到针对不同鱼类的鱼类新鲜度分类模型。将待测鱼类的EEM荧光光谱数据分别输入鱼类新鲜度预测模型和鱼类新鲜度分类模型得到新鲜度和新鲜度等级。本发明方法支持冷链物流过程、贮藏过程新鲜度变化的鱼类新鲜度监测,有效的提升了鱼肉质量。
技术关键词
新鲜度
卷积神经网络模型
机器学习模型
多任务
监测方法
荧光强度值
训练集
非暂态计算机可读存储介质
因子分析方法
挥发性盐基氮
数据
载荷
处理器
计算机程序产品
指标
成分分析
样本
变量
系统为您推荐了相关专利信息
机器人设备执行
样本
对象
计算机可执行指令
视觉数据集
神经网络算法
轻量级卷积神经网络
残差神经网络
多尺度特征
复核系统
矿井瓦斯
光纤光栅传感器
数据分析终端
钻孔机器人
浓度传感器