技术特征：
1.基于荧光传感阵列的肉类新鲜度智能检测方法，其特征在于，包括下述步骤：制备荧光传感阵列指示标签；将荧光传感阵列指示标签与肉类反应，拍摄、标注，得到带有新鲜度标签的荧光传感阵列标签图片数据集，构建并训练肉类新鲜度智能检测模型；利用荧光传感阵列指示标签与训练好的肉类新鲜度智能检测模型对待测肉类进行新鲜度检测。2.根据权利要求1所述的基于荧光传感阵列的肉类新鲜度智能检测方法，其特征在于，所述制备荧光传感阵列指示标签，具体为：将能与生物胺类物质响应的荧光物质溶解于溶剂中，制备成荧光指示剂；将疏水薄膜裁剪出多个传感器响应区域，将纸基材料粘贴于两张疏水薄膜之间，形成具有隔绝传感单元互相影响功能的荧光阵列传感标签基底；采用人工点样的方法将荧光指示剂滴加到所述荧光阵列传感标签基底的响应区域后干燥，即得荧光传感阵列指示标签。3.根据权利要求2所述的基于荧光传感阵列的肉类新鲜度智能检测方法，其特征在于，所述将能与生物胺类物质响应的荧光物质包括ph敏感型荧光物质、生物胺类响应型荧光物质、硫化氢响应型荧光物质、醛类响应型荧光物质、醇类响应型荧光物质、醚类响应型荧光物质、烷烃类响应型荧光物质以及co2响应型荧光物质；所述疏水薄膜包括有机薄膜类基材、无纺布/绒布类基材、泡棉类基材、金属类基材以及复合基材；所述的响应区域形状包括圆形、正方形、三角形、菱形及其组合。4.根据权利要求1所述的基于荧光传感阵列的肉类新鲜度智能检测方法，其特征在于，还包括利用制备得到的荧光传感阵列指示标签检测肉类挥发性腐败标志物气体，进行可行性验证，具体为：根据气体扩散公式计算不同气体浓度挥发性腐败标志物气体所需的体积，将荧光传感阵列标签粘贴于密闭容器中与不同浓度的挥发性腐败标志物气体进行反应，在紫外条件下拍摄并捕获标签的颜色变化，根据颜色欧式距离公式，计算荧光传感阵列前后颜色变化值δe，并根据δe的大小区分不同种类以及不同浓度的挥发性腐败标志物，从而验证所制备的荧光传感阵列在监测肉类腐败过程中新鲜度变化的可行性；所述挥发性腐败标志物气体包括生物胺类、硫化氢、醛类、醇类、醚类、烷烃类以及co2；所述气体扩散公式具体为：其中，v
μl
为反应液体积、d
mg/l
为反应液密度、w为反应液质量分数、m
g/mol
为反应液摩尔分数、v
l
为容器体积；所述颜色变化，采用颜色的欧式距离δe变化：其中δr、δg、δb分别为反应前后的r、g、b颜色通道的差值。5.根据权利要求1所述的基于荧光传感阵列的肉类新鲜度智能检测方法，其特征在于，所述将荧光传感阵列指示标签与肉类反应，拍摄、标注，得到带有新鲜度标签的荧光传感阵
列标签图片数据集具体为：将荧光传感阵列指示标签粘贴在保鲜盒内部顶端，与新鲜肉类存放于恒温恒湿箱中，在紫外条件下实时获取传感阵列的数字图像，并根据国标gb5009.228—2016规定的理化指标对生鲜肉类进行tvb-n标准值测定，并对图像进行标注上新鲜度等级标签以及tvb-n含量标签，得到带有标签的荧光传感阵列图像数据集。6.根据权利要求1所述的基于荧光传感阵列的肉类新鲜度智能检测方法，其特征在于，所述肉类新鲜度智能检测模型包括肉类新鲜度评估模型以及肉类tvb-n含量预测模型，具体为：将带有标签的荧光传感阵列图像数据集进行预处理，除去噪声，归一化处理，并设置批处理大小，根据所分类类别设置分类器标签，然后基于迁移学习思想，将图像输入到由imagenet数据库预训练好的深度卷积神经网络，经优化模型参数后得到肉类新鲜度评估模型；重复上述步骤，建立基于深度卷积神经网络的肉类tvb-n含量预测模型，与肉类新鲜度评估模型不同是，肉类tvb-n含量预测模型是利用荧光传感阵列图片所标注的tvb-n标准值而非类别信息进行训练；将待测荧光传感阵列图片分别输入肉类新鲜度评估模型以及肉类tvb-n含量预测模型，分别输出对生鲜肉类新鲜度类别以及tvb-n含量的预测结果。7.基于荧光传感阵列的肉类新鲜度智能检测系统，其特征在于，应用于权利要求1-6中任一项所述的基于荧光传感阵列的肉类新鲜度智能检测方法，包括荧光传感阵列指示标签制备模块、模型构建及训练模块，以及肉类新鲜度检测模块；所述标签制备模块用于制备荧光传感阵列指示标签；所述模型构建及训练模块用于将荧光传感阵列指示标签与肉类反应，拍摄、标注，得到带有新鲜度标签的荧光传感阵列标签图片数据集，构建并训练肉类新鲜度智能检测模型；所述肉类新鲜度检测模块用于利用荧光传感阵列指示标签与训练好的肉类新鲜度智能检测模型对待测肉类进行新鲜度检测。8.一种存储介质，存储有程序，其特征在于：所述程序被处理器执行时，实现权利要求1-6任一项所述的基于荧光传感阵列的肉类新鲜度智能检测方法。
技术总结
本发明公开了一种基于荧光传感阵列的肉类新鲜度智能检测方法、系统及介质。该方法包括：制备荧光传感阵列指示标签并与肉类反应，拍摄、标注，得到带标签的图片数据集，构建并训练肉类新鲜度智能检测模型；最终实现对待测肉类的新鲜度检测。本发明基于迁移学习的思想，对荧光阵列信息图像进行特征进行提取并构建模型，自动提取特征且训练时间少，能够实现快速、准确的肉类腐败程度判别，对TVB-N含量进行预测。且相比比色传感阵列，所制备的荧光传感阵列具有更高的灵敏度，对生物胺类气体浓度的微小变化更为敏感，响应速度快，检测范围更广，并且阵列中的每种指示剂能同时指示肉类新鲜度状态，荧光信号通道更为丰富，可从多维度判断肉类的新鲜度。断肉类的新鲜度。断肉类的新鲜度。
技术研发人员：孙大文 林远东 马骥 成军虎 王启军
受保护的技术使用者：华南理工大学
技术研发日：2022.11.17
技术公布日：2023/3/31