本发明涉及水果品种识别和鉴定，尤其涉及一种基于风味分析的水果品种快速预测方法。
背景技术：
1、食品风味在反映分类、地理产地、成熟度和感官质量方面起着重要作用。香气是水果风味特性组成中最重要的属性，与水果中挥发性物质的种类和含量直接相关。不同果实品种的挥发性成分直接决定了其风味，是影响消费者购买意愿的重要因素。
2、随着水果市场的发展和消费者对果实品质的要求提高，仅依靠传统的手工鉴定和经验判断水果的品种已经无法满足需求。因此，新型检测技术的应用和水果品种的快速鉴定技术成为果蔬领域日益重要的内容。显然在现有技术中缺少一种快速、准确区分水果品种的方法。
技术实现思路
1、针对现有技术的不足，本发明提供了一种基于风味分析的水果品种快速预测方法，解决了现有技术中缺少一种快速、准确区分水果品种方法的技术问题。
2、为解决上述技术问题，本发明提供了如下技术方案：一种基于风味分析的水果品种快速预测方法，该方法包括以下步骤：
3、s1、获取不同水果样本在电子鼻系统中测定中的最大响应值以及在气相色谱-质谱gc-ms测定中包含组成和含量的挥发性化合物；
4、s2、对挥发性化合物进行特征筛选得到若干关键挥发性化合物，并基于多个机器学习算法模型分别构建若干个化合物特征预测模型和电子鼻特征预测模型；
5、s3、构建用于预测水果品种的similarity measure-mlp模型，similaritymeasure-mlp模型由电子鼻特征预测模型和化合物特征预测模型组成；
6、s4、将待测水果样本的特征参数输入至similarity measure-mlp模型中得到水果样本的预测品种。
7、进一步地，所述电子鼻系统应配置多个气体传感器，气体传感器为金属氧化物传感器。
8、进一步地，在步骤s1中，具体过程包括以下步骤：
9、s11、采用电子鼻系统检测不同水果样本在气体传感器中的响应信号值，并从中选取与气体传感器所对应最大的信号响应值作为最大响应值；
10、s12、采用气相色谱-质谱gc-ms测定不同水果品种的挥发性化合物，具体为：称取水果样品预定量，放入预定容量的顶空瓶中并密封，在预定时间、预定温度下萃取挥发性成分，萃取完成后进行分析得到挥发性化合物的组成以及含量。
11、进一步地，在步骤s11中，具体为：称取一定量样品放入指定容量的顶空瓶中，并将顶空瓶置于水浴锅中，在预定温度下平衡预定时间；
12、将电子鼻系统的一个采样针插入顶空瓶，另一个采样针与空气连通，以预定流速抽取瓶内气体进行检测，检测时间为指定检测时间，记录该时间内气体传感器的响应信号。
13、进一步地，在步骤s2中，所述机器学习算法模型包括逻辑回归lr、支持向量机svm、决策树dt、随机森林rf和多层感知器mlp。
14、进一步地，在步骤s2中，具体过程包括以下步骤：
15、s21、采用最小绝对收缩和选择算法lasso对挥发性化合物进行关键特征筛选得到若干关键挥发性化合物；
16、s22、分别对关键挥发性化合物以及最大响应值进行pca降维处理；
17、s23、将若干关键挥发性化合物按照7:3的比例随机分为第一训练集和第一测试集；
18、s24、将若干最大响应值按照7:3的比例随机分为第二训练集和第二测试集；
19、s25、分别采用第一训练集和第二训练集对多个机器学习算法模型进行训练得到若干个化合物特征预测模型和电子鼻特征预测模型。
20、进一步地，在步骤s3中，具体过程包括以下步骤：
21、s31、采用20倍交叉验证分别计算若干个化合物特征预测模型和电子鼻特征预测模型对应的精密度precision、召回率recall、准确率accuracy以及f1分数f1 score；
22、s32、根据s31的计算结果绘制受试者工作特征曲线可视化auc值的分布，来评估若干个化合物特征预测模型和电子鼻特征预测模型的鲁棒性；
23、s33、根据使用测试集通过预测模型的平均准确率来评估每种预测模型的总体性能，并使用混淆矩阵来可视化每种预测模型的预测能力；
24、s34、选用多个预测模型中分类效果最好的多层感知器mlp作为最终用于水果品种分类的分类模型；
25、s35、采用训练集对分类模型进行训练，并在训练过程中引入相似性损失similarity measure，使电子鼻特征预测模型学习到化合物特征预测模型中的隐藏层的特征信息，得到similarity measure-mlp模型。
26、进一步地，在步骤s31中，精密度precision、召回率recall、准确率accuracy以及f1分数f1 score的计算公式分别为：
27、
28、上式中，tp表示为真阳性；tn表示为真阴性；fp表示为假阳性；fn表示为假阴性。
29、进一步地，在步骤s4中，具体为：利用shap分析来解释similarity measure-mlp模型的输出，从而寻找与品种预测密切相关的关键挥发性化合物和气体传感器，并得到与其相对应的水果品种。
30、借由上述技术方案，本发明提供了一种基于风味分析的水果品种快速预测方法，至少具备以下有益效果：
31、1、本发明采用gc-ms和e-nose评估了水果的气味特征，并基于机器学习算法开发了一种快速、准确区分水果品种的方法，可用于解决水果商品的质量差异问题，为水果品质评价研究提供参考，具有较高的应用和推广价值。
32、2、本发明通过引入相似性损失对分类模型进行优化，可以使gc-ms测得的挥发性化合物和e-nose中获得的响应值之间建立良好的相关性，从而有效提高了电子鼻特征预测模型预测水果品种的准确率。
33、3、本发明所提出的水果品种快速预测方法操作方便快捷，样品检测时间短，不需要复杂的样品前处理，不同于理化检测和人工凭借经验鉴定的方法，能够更加客观、高效地鉴定水果品种。此外，本发明具有普适性，可以应用于其他果蔬的品种鉴别方法的开发。
1.一种基于风味分析的水果品种快速预测方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的水果品种快速预测方法，其特征在于，所述电子鼻系统应配置多个气体传感器，气体传感器为金属氧化物传感器。
3.根据权利要求1所述的水果品种快速预测方法，其特征在于，在步骤s1中，具体过程包括以下步骤：
4.根据权利要求3所述的水果品种快速预测方法，其特征在于，在步骤s11中，具体为：称取一定量样品放入指定容量的顶空瓶中，并将顶空瓶置于水浴锅中，在预定温度下平衡预定时间；
5.根据权利要求1所述的水果品种快速预测方法，其特征在于，在步骤s2中，所述机器学习算法模型包括逻辑回归lr、支持向量机svm、决策树dt、随机森林rf和多层感知器mlp。
6.根据权利要求1所述的水果品种快速预测方法，其特征在于，在步骤s2中，具体过程包括以下步骤：
7.根据权利要求1所述的水果品种快速预测方法，其特征在于，在步骤s3中，具体过程包括以下步骤：
8.根据权利要求7所述的水果品种快速预测方法，其特征在于，在步骤s31中，精密度precision、召回率recall、准确率accuracy以及f1分数f1 score的计算公式分别为：
9.根据权利要求1所述的水果品种快速预测方法，其特征在于，在步骤s4中，具体为：利用shap分析来解释similarity measure-mlp模型的输出，从而寻找与品种预测密切相关的关键挥发性化合物和气体传感器，并得到与其相对应的水果品种。
