基于电子舌及一维深度CNN-ELM模型的普洱茶贮藏年限快速检测

采用伏安电子舌对不同贮藏年限的普洱茶进行快速检测。将深度学习技术引入到电子舌的模式识别中,提出一种基于一维卷积神经网络(1-D CNN)与极限学习机(ELM)组合的模式识别模型(1-D CNN-ELM)。采用该模型结合伏安电子舌对5种不同贮藏年限的普洱茶进行分类鉴别,结果表明,与传统基于离散小波变换(DWT)结合支持向量机(SVM)或极限学习机(ELM)的模型相比,1-D CNN-ELM对普洱茶贮藏年限的分类效果更优,其测试集准确率、精确率、召回率和F1-Score分别达到98.32%,98.0%,98.0%,0.98。试验表明深度学习方法适用于对电子舌信号进行模式识别处理,且具有较高的分类准确性和泛化能力。     

基于电子鼻/舌融合技术的白酒类别辨识

为实现白酒质量的快速鉴别,本研究采用两个不同的电子鼻和电子舌融合系统采集不同品牌白酒样品的气-味信息,采用主成分分析法、K均值法对检测结果进行聚类分析,采用支持向量机法对白酒的品牌进行预测分类分析。经主成分分析聚类分析后,应用基于TGS型气敏传感器的电子鼻和电子舌融合系统可以将3种酒进行很好的区分,其余5种酒有交叉,而应用基于MQ、MP型气敏传感器的电子鼻和电子舌融合系统可以将8种白酒基本区分开来;K均值法分别用于两融合系统,前融合系统的错分类概率为33.3%,后融合系统的错分类概率为23.75%。采用支持向量机法对白酒的品牌进行预测分类,应用前融合系统的识别率为93.75%,而应用后融合系统的识别率为98.75%。结果表明:气-味信息融合技术可以实现对白酒品牌的鉴别,且应用基于MQ、MP型气敏传感器的电子鼻和电子舌融合系统对白酒类别的识别结果较好于应用基于TGS型气敏传感器的电子鼻和电子舌融合系统。     

基于电子舌与电子鼻评价烘培时间对黄秋葵籽风味品质的影响

分析不同烘焙时间对黄秋葵籽滋味、气味的影响,采用电子舌法、电子鼻法结合感官评定比较分析黄秋葵籽风味品质的变化。结果表明:电子舌与电子鼻对不同烘焙时间下的黄秋葵籽风味特征呈现不同的响应值,电子舌中涩味的特征向量值最高为0.88,电子鼻对硫化物响应最强;黄秋葵籽烘焙25 min的感官评定总体风味较佳。电子舌PCA分析能较好地区分不同烘焙时间下的黄秋葵籽测试液,而电子鼻的PCA和LDA分析对测试液的区分均存在重叠区,区分性不好。感官评定与电子舌检测的结果对于烘焙时间引起黄秋葵籽的滋味的变化均得到了较好的区分。感官评定与电子鼻检测的结果对于烘焙时间引起黄秋葵籽的气味的变化区分效果均不好。不同烘焙时间下黄秋葵籽感官评定的结果具有差异性,电子舌和电子鼻分析结果与感官评定结果相比较风味品质的检测结果相近。     

基于卷积神经网络的领带花型情感分类

为避免传统手工特征和局部特征难以全面表征和准确量化图像情感特征的不足,以领带花型为研究对象,提出了一种融合手工情感特征的基于卷积神经网络的织物图像情感分类方法,可为服饰设计、服装选购等提供辅助。 首先对领带花型图像进行情感评价,建立领带花型图像的情感样本库;然后提取图像饱和度、纹理等手工情感特征和图像像素值作为卷积神经网络的输入;其次建立卷积神经网络模型,将2 000幅样本图像作为训练样本对卷积神经网络进行训练;最后将1 000幅检测样本输入训练后的卷积神经网络,实现了领带花型图像的情感分类。实验结果显示：该方法的情感分类准确率为89.7%,比采用传统手工特征的分类方法有较大提升,较其他卷积神经网络模型正确率更高。     

电子鼻和电子舌联用技术在评价酱油风味中的应用

为比较电子鼻、电子舌及其信号联用技术在酱油风味评价中的效果,试验分别利用电子鼻、电子舌及其融合合并的检测信号,结合主成分、判别指数、质量控制模型和马氏距离等数学方法综合评价8种不同产地酱油风味。电子鼻分析表明8个样品可分成3组,但同组的4、8号两个样品无法区分;电子舌分析表明2、3号样品相似度最高,1、5、6号和8号样品有一定相似度,4、7号样品差异最大;电子鼻和电子舌检测信号融合分析表明8个样品分成3组(即3种风味),且每组样品无交叉重合,区分效果好。电子鼻/电子舌检测信号联用能从气味和滋味综合评价酱油,且分辨能力强,是智能感官评价食品风味的新趋势。     

基于深度学习的高光谱腊肉营养安全分级

本文设计的卷积神经网络-支持向量机(CNN-SVM)模型,从腊肉的高光谱成像出发,将深度学习提取特征与传统机器学习提取特征有机结合,设计出准确可靠的腊肉营养安全四分类器.利用三维卷积神经网络提取腊肉高光谱图像的深层特征,同时融合高光谱的光谱特征,联合输入支持向量机(SVM)实现对腊肉的分类和健康风险评价.结果:获得了与...     

电子鼻/舌融合技术的信阳毛尖茶品质检测

为实现茶叶品质和化学成分快速鉴别和预测,采用电子鼻与电子舌联用技术对信阳毛尖茶茶叶挥发性气味和茶汤滋味成分进行检测分析。对电子鼻与电子舌联用的响应值进行主成分分析,结果显示电子鼻与电子舌数据融合可提高对茶叶样品区分度。通过电子鼻与电子舌响应的融合数据,对茶叶样品中茶多酚、咖啡碱含量建立预测模型。结果表明,多元线性回归、多元线性逐步回归、二次多项式逐步回归模型中回归系数效果显著（P＜0.01）,其中二次多项式逐步回归模型效果最佳,茶多酚建模集和验证集的决定系数分别为0.999、0.975,均方根误差分别为0.083、0.174;咖啡碱建模集和验证集的决定系数分别为0.985、0.978,均方根误差分别为0.015、0.048。电子鼻/舌联用可对茶叶品质和理化成分进行很好地分析和预测。     

基于改进卷积神经网络的红枣缺陷识别

目的：建立一种基于改进的卷积神经网络的红枣缺陷自动识别方法。方法：采用双分支卷积神经网络结构,分支1结合迁移学习策略进行预训练,分支2基于轻量级网络融合特征图提取红枣图像中的特征信息。通过对比实验验证了该方法的优越性。结果：与改进前相比,改进后的缺陷识别方法优化了卷积神经网络的结构,检测准确率进一步提高,从96.02%提高到99.50%。结论：该方法提高了网络学习速度和收敛速度,具有较好的分类识别效果。     

基于电子鼻与物理特征融合的猕猴桃贮藏时间识别方法

提出了一种电子鼻与物理特征相融合的多源信息融合识别方法,并探究其识别猕猴桃贮藏时间的可行性。根据猕猴桃失重率变化可知,随着贮藏时间的增加,猕猴桃的失重率呈线性上升的趋势。提取特征值后,分别采用线性判别分析(LDA)、欧氏距离分析(ED)、支持向量机(SVM)和过载分析(Loadings)对2种识别方法(单一的电子鼻识别以及电子鼻与物理特征融合识别)进行模式识别。结果表明,电子鼻与物理特征融合识别法可比单一采用电子鼻识别法获得更多样本信息,在分类过程中使得不同样本之间的距离更大,识别效果更佳。电子鼻与物理特征融合不仅可以获得更多的样本信息,并且可以最大限度地保留单一电子鼻识别得到的各传感器贡献度,从而获得更好的分类识别效果。     

苹果酒品质检测中电子鼻和电子舌检测参数的优化

以不同产地相同品种的苹果（陕西长富二号、甘肃长富二号、山东长富二号）为原料酿造苹果酒,采用电子鼻和电子舌技术对3种不同苹果酒的挥发性气味和滋味成分进行检测和分析。从样品稀释倍数、顶空进样体积、顶空生成时间和载气流速4个实验参数研究检测条件对电子鼻传感器响应信号的影响,选取传感器信号峰值和稳定值,通过单因素方差分析和主成分分析（PCA）,获得电子鼻的最佳检测参数为：样品稀释30倍、顶空进样体积5 mL、顶空生成时间5.0 min、载气流速300 mL/min。从样品稀释倍数研究检测条件对电子舌传感器响应信号的影响,通过主成分分析,获得电子舌的最佳检测参数为样品稀释30倍。应用优化后的参数采用电子鼻和电子舌对3种不同苹果酒的检测,区分效果较好,能够从挥发性气味、滋味等实现苹果酒的检测和鉴别。     

电子舌对食醋品质鉴定及区分的研究

醋是我国传统的调味品,醋中的风味是反映其质量的重要部分。为区分不同等级及不同品牌的食醋,测试了市售的同一品牌不同等级的保宁醋,及不同品牌的白醋、老陈醋和香醋对电子舌传感器的响应信号,并采用主成成分分析法(PCA)对响应信号进行分析。结果表明,电子舌传感器能明显的区别出同一品牌不同档次的保宁醋及不同类别的食醋。     

基于电子鼻和电子舌的白酒检测

研究利用电子鼻和电子舌技术快速检测白酒品质。以不同品牌、不同香型和不同比例掺假白酒为检测对象,采用主成分分析、线性判别分析和偏最小二乘法对电子鼻整体气味响应图谱和电子舌在1、10、100和1000Hz四个不同频段脉冲激发下的金、银、钨、钛四个工作电极组成的传感电极阵列响应信号进行分析。结果显示:电子舌对不同品牌和不同香型白酒的区分能力要优于电子鼻,且LDA的识别效果较PCA更好;利用偏最小二乘法建立的定量预测模型,在主成分数取5时,电子舌所建模型最优。用独立样品检验模型精度,模型预测值和参考值的相关系数为0.881。研究结果可为白酒生产和销售过程中的质量监控提供支持。     

基于智能电子鼻的食醋识别方法的研究

食醋是一种常见的调味品。市场上食醋的种类繁多,其风味因产地、配料、发酵方式不同而各异,对食醋的品质也会产生一定的影响。采用自制的,能快速区分食醋种类的智能电子鼻系统(主要包括传感器阵列和气室,数据采集、调理与传输单元,以及供气动力装置三大部分)检测10种食醋产品,以非线性分析方法提取香气成分特征值,并以主成分分析法对食醋种类进行分类,试验结果表明,自制的智能电子鼻系统可以较好地反映食醋产品的风味差异,检测快速、简便,成本低。该非线性分析方法可以较好地克服传感器基线漂移的不利影响,具有良好的应用前景。     

基于电子鼻的水稻品种鉴别研究

为了实现水稻品种的快速鉴别,避免水稻品种混杂,利用电子鼻对来自同一产地不同水稻品种进行测试,获取有效信息。对获取的信息提取平均微分值和面积斜率比两种特征。采用主成分分析、Fisher判别分析及BP神经网络3种模式识别方法进行水稻品种的判别,并对3种识别方法的结果进行比较分析。结果表明:不同种类的水稻品种可以被区分开来,但BP神经网络分类效果最好,Fisher判别分析效果次之,PCA分类效果最差。因此,结合合适的特征提取方法及模式识别方法,有可能实现一种基于电子鼻技术的对不同水稻品种鉴别的简单、有效的方法。     

基于电子鼻、电子舌技术的荣昌猪肉及其制品贮藏过程新鲜度检测研究

目的 探究电子鼻、电子舌对贮藏期间荣昌猪肉及其制品新鲜度变化的检测效果。方法 测定贮藏期间荣昌猪肉及其制品菌落总数(total viable count,TVC)、挥发性盐基氮(total volatile basic nitrogen,TVB-N)及感官特性的变化,并以此划分其新鲜度等级。同时,采用电子鼻、电子舌分别对贮藏期间荣昌猪肉及其制品进行检测,运用线性判别分析(linear discriminant analysis,LDA)、传感器贡献率分析(Loading)、主成分分析方法(principal component analysis,PCA)识别荣昌猪肉及其制品的新鲜度。结果 电子鼻能够检测到荣昌猪肉及其制品在贮藏期间的气味变化,并能够对其新鲜度进行区分,而传感器W1W对应的硫化物类的变化是电子鼻检测其新鲜度的主要依据。电子舌能够很好地区分贮藏期间荣昌猪肉及其制品的滋味变化,并能够区分其新鲜度。结论 利用电子鼻、电子舌技术能够识别不同新鲜度的荣昌猪肉及其制品,为进一步研究荣昌猪肉及其制品新鲜度快速检测提供方法参考和理论依据。     

电子鼻分析镇江香醋发酵和陈酿阶段的气味变化

利用PEN3电子鼻对镇江香醋发酵和陈酿过程中挥发性风味进行分析。结果表明,电子鼻能准确稳定地识别醋醅和陈酿醋气味图谱的变化并对不同发酵时间的醋醅和陈酿醋中的败坏醋进行区分;醋醅和食醋的挥发物组成类似,主要是氮氧化合物类、甲烷类、硫化物类、醇类、有机硫化物类;线性判别分析（LDA）和主成分分析（PCA）都能区分各个样品,但PCA对醋醅的区分优于LDA,载荷分析结果表明,醋醅中甲烷类和氮氧化合物类分别对第一、二主成分方差贡献率最大,醋液中甲烷类和硫化物类分别对第一、二主成分贡献率最大。LDA对败坏醋的区分优于PCA。     

基于电子鼻和电子舌技术对不同品种红枣香气和滋味的差异分析

以12种红枣（酸枣、大平顶枣、圆铃枣、灵武长枣、壶瓶枣、狗头枣、金丝小枣、灰枣、灵宝大枣、木枣、石门大枣、骏枣）所破碎的红枣汁为试验对象,探讨了其在香气和滋味上的差异。结果表明,经电子鼻检测发现,电子鼻各传感器对不同品种红枣香气成分的差异显著（P＜0.05）;经主成分分析（PCA）和线性判别式分析（LDA）发现,电子鼻能够明显的区别不同品种的红枣。经电子舌检测发现,电子舌5个基本味对不同品种红枣的滋味差异显著（P＜0.05）,而3个回味对不同品种红枣的滋味差异不显著（P＞0.05）;经主成分分析发现,电子舌不能有效的区别不同品种的红枣。     

基于电子舌和电子眼结合改进MobileNetv3的黄芪快速溯源检测

目的:实现对不同产地黄芪的快速溯源检测。方法:提出了一种基于电子舌和电子眼结合改进MobileNetv3网络的黄芪产地快速检测方法。采用电子舌和电子眼分别采集不同黄芪样本的一维指纹图谱信息和二维外观图像信息。利用格拉姆角场(Gramian angular field, GAF)将一维电子舌信号转换为二维图像信息，保留电子舌信号中时间序列相关特征，再将其与电子眼采集的图像信息进行数据融合，采用基于金字塔切分注意力机制(Pyramid split attention, PSA)改进的MobileNetv3模型实现对不同产地黄芪样本的分类识别。结果:相较于单独使用电子舌或者电子眼，该方法具有更高的识别准确率，其测试集准确率、精确率、召回率和F₁-Score分别达到98.8%,98.8%,98.8%和0.99。改进的MobileNetv3网络分类准确率较原始模型提高了8%,参数量仅为原参数量的20%左右。结论:改进的MobileNetv3网络可以有效减少参数的计算量，提高不同产地黄芪识别的准确率。     

A selection method for feature vectors of electronic nose signal based on wilks Λ–statistic

There are mainly two selection methods for different features of electronic nose (E-nose) which is used to identify different samples, namely visual inspection and correct rate of discrimination result. The visual inspection is not a quantitative method. Besides, when the correct rates of discrimination result are identical for different features, the identification difference of different features is not evaluated accurately and quantitatively. To get a better feature vector for identifying different samples, a selection method was studied in-depth in which Wilks Λ–statistic was employed as a selection index for different features. At the same time, three different kinds of Chinese vinegar and three of Chinese milk were taken and tested by an E-nose. Five different features were extracted from the E-nose signals which are variance value (VARV), integral value (INV), mean value of relative steady-state responses (MVRSR), mean-differential coefficient value (MDCV) and energy value of wavelet packet decomposition (WE). The best feature vectors of these five features were obtained using the selection method and its effectiveness was respectively proved by the visual inspection and Fisher discriminant analysis (FDA) correct rate of vinegar and milk samples.