人工嗅觉系统及其在临床诊断中的应用

人工嗅觉系统是由气敏传感器阵列、信号处理和适当的模式识别方法组成的仪器,能模拟人的嗅觉来检测、识别复杂气味成分.本文介绍了人工嗅觉系统的发展历史,阐述了人工嗅觉系统的基本组成,详细介绍了人工嗅觉系统的研究现状及其在临床诊断中的应用,并展望了人工嗅觉系统在临床诊断中的发展趋势.     

基于神经网络的人工嗅觉系统设计

利用半导体气体传感器的交叉敏特性，将气体传感器阵列与自适应共振理论神经网络相结合，构建了一个用于临场感机器人的人工嗅觉系统，用于对气体的定性识别。实验结果表明，该设计方案是可行的。     

基于自组织特征映射网络的气体识别方法研究

针对气体传感器的交叉敏特性,提出将气体传感器阵列与模式识别上结合形成人工嗅觉系统,用于气体的定性识别和定量检测。利用６个半导体传感器组成阵列,并结合自组织特征映射网络模式识别技术准确地识别了ＣＯ、Ｈ２、ＣＨ４等三种气体,说明人工嗅觉系统能够提高气体伟感器的选择性,自组织牧映射网络应用于气体识别是可行的。     

锌卟啉和锌酞菁在可视嗅觉电子鼻中的应用

锌卟啉和锌酞菁可以模拟人类嗅觉细胞.介绍了用四苯基卟啉锌,八乙基卟啉锌和锌酞菁作为气味敏感材料的可视嗅觉敏感阵列的制作方法,并用制成的阵列在自行设计的可视嗅觉电子鼻系统中对六种有机胺进行了识别实验.对实验的数字图像响应信息分别在色度空间和光度空间进行了分析与表达,结果表明,所设计的可视嗅觉电子鼻系统对六种分析物的响应模式是彼此特异的,能够在两分钟内识别各分析物,而且可以分辨分析物分子结构的类属差异.     

t-SNE LDA算法在仿生嗅觉中的应用研究*

将流形学习中的t-SNE算法引入仿生嗅觉领域中,本研究提出一种基于t-SNE与LDA算法相结合的气味分类鉴定新方法。由PEN3电子鼻获取物质气味特征信息,通过t-SNE算法将非线性、高维度的气味响应数据降维到低维空间,并利用LDA算法对低维数据进行分类和识别。本研究利用五种不同成分的纺织品材料气味信息,通过t-SNE、PCA LDA和t-SNE LDA三种算法作对比实验。实验结果表明,相较于其他两种方法,t-SNE LDA算法对常见的不同成分纺织品材料拥有更好的分类和识别效果,而且t-SNE LDA算法得到的结果具有较小的类内离散度和较大的类间离散度。因此,t-SNE LDA算法是仿生嗅觉中气味分类和识别的一个新方法。     

基于在体植入电极的生物嗅觉传感系统设计及其气味识别

目前生物嗅觉系统在气味识别方面相比于化学传感器阵列构成的电子鼻系统具有更高的灵敏度、特异性和响应速度。为了探讨生物嗅觉传感系统气味识别的可行性,构建了基于微电极阵列传感器植入大鼠嗅球构成的嗅觉传感系统,研究记录了浓度为10 mM的异丁醇、苯甲醚、香芹酮和柠檬醛4种气味刺激引起的嗅球僧帽层低频场电位信号,采用多窗谱估计算法和移动窗技术结合得到随时间分布的功率谱密度图。实验结果发现气味刺激后信号功率谱能量较多分布在gamma频段(40 Hz～120 Hz)。使用K最邻近分类方法对120组数据进行分类识别,4种气味分类正确率达到77.4%。实验结果表明该嗅觉传感系统结合多窗谱估计时频图与K最邻近分类算法可以初步实现气味识别。     

人工嗅觉系统关键技术研究进展

回顾了人工嗅觉系统的发展历史,在介绍了人类嗅觉机理、人工嗅觉仿生系统的原理与组成的基础上,详细阐述了关键技术如气体传感器技术、信号预处理技术和模式识别技术等的研究现状,剖析总结了人工嗅觉系统存在的问题,并对未来发展进行了展望.     

基于机器视觉的卷烟阴燃速率测试系统设计

介绍了卷烟阴燃速率的概念与研究意义,选取合适的工业相机、镜头及光源,设计了一种阴燃速率测试装置,使用机器视觉技术监测卷烟的燃烧情况,采用合适的算法识别卷烟样品、跟踪卷烟燃烧线、计算卷烟的阴燃速率。对2种卷烟分别使用该实验装置和人工2种方式进行测试,并做了对比,实验证明:该实验装置可以降低人为因素对测试结果的影响。     

基于模糊神经网络生物嗅觉的智能电子鼻的研究

通过研究鼻道结构对生物嗅觉的影响,构造了装有传感器阵列的电子鼻流道和控制装置,实现了嗅觉区域气体流量和气味分子浓度的主动控制,提高了嗅觉灵敏度;根据生物嗅觉系统的模糊性质在嗅觉感知中所起的关键作用,构建了更接近生物嗅觉的模糊优化神经网络算法,使电子鼻系统更具仿生特性,实现了电子鼻动态检测的目标;实验结果表明,该电子鼻不仅具有辨识的快速性,还提高了自适应辨识精度,从而能够准确做出预报。     

基于可视嗅觉的光纤气味传感系统

系统基于可视嗅觉的原理,将可视嗅觉与光纤化学传感技术相结合,利用光纤远距离传输特性,研制出一套基于可视嗅觉的光纤气味传感系统;系统采用高亮发光二极管为光源,利用玻璃光纤传光束作为传光通路,设计了气体反应密封暗室和图像采集暗室,将USB接口的摄像头内置于图像采集暗室中,由计算机控制摄像头进行图像采集,利用采集的图像,应用模式识别算法对图像进行识别从而达到识别气体的目的;经实验验证,系统能够实现对气体的识别;系统结构简单,成本低,有广泛的应用前景。     

基于电流特征的电梯运行状态监测装置研制

电梯非正常停机识别是电梯运行安全监测和故障报警的基础。介绍一种基于电流特征的电梯运行状态监测方法,研究基于快速模板匹配的电梯非正常停机识别算法,开发电梯运行状态监测装置的硬件和软件,实现电梯非正常停机识别、停电监测和故障报警。试验表明：该方法可行,装置安装容易,识别准确率高,报警及时有效。     

Extreme learning machine-based device displacement free activity recognition model

Activity recognition based on mobile device is an important aspect in developing human-centric pervasive applications like gaming, industrial maintenance and health monitoring. However, the data distribution of accelerometer is heavily affected by varying device locations and orientations, which will degrade the performance of recognition model. To solve this problem, we propose a fast, robust and device displacement free activity recognition model in this paper, which integrates principal component analysis (PCA) and extreme learning machine (ELM) to realize location-adaptive activity recognition. On the one hand, PCA is employed to reduce the dimensionality of feature space and extract robust features for recognition. On the other hand, in the online phase ELM is applied to classify the activity and adapt the recognition model to new device locations based on high confident recognition results in real time. Experimental results show that, with robust features and fast adaptation capability, the proposed model can adapt the classifier to new device locations quickly and obtain good recognition performance.     

基于LabVIEW和深度视觉传感器的课堂智能管理系统

为解决现有课堂过程管理手段比较落后, 系统功能比较单一的问题, 本文设计了一种集课堂考勤、课堂行为识别和管理、自主学习管理于一体的智能课堂管理系统. 该系统以深度视觉传感器Kinect V2为数据采集设备, 以LabVIEW为软件开发平台, 实现了基于人脸识别和移动设备定位相结合的课堂考勤功能, 基于骨架特征提取和SVM分类器的课堂行为识别和分析功能, 基于MyEclipse和MySQL数据库的学生自主学习管理功能. 实验表明, 该系统人脸识别签到的识别准确率达到97%; 课堂行为识别精度达到95%以上; 数据库设计合理完善, 自主学习功能灵活可靠.     

智能设备网络虚假信息行为识别与控制技术研究

传统智能设备网络虚假信息行为识别技术识别范围小,准确性低,在识别后不能快速地采取控制手段进行控制,导致事态进一步恶化。针对上述问题,研究了一种新的智能设备网络虚假信息行为识别与控制技术,设定虚假信息模型,由神经网络和BP网络构成,通过互联网控制,通过检测触发词、信息分类、虚假信息识别完成精确识别工作,控制模型由演示平台、网络中心组成,能够针对不同类型的虚假信息给出不同的控制手段。与传统技术进行实验研究,结果表明,给出的智能设备网络虚假信息行为识别技术能够完成更大范围的识别,提高识别准确率,在识别后对应的控制技术会快速采取有效手段控制虚假信息的散布。     

基于RBF神经网络的润滑油自动识别系统设计

目前通过油料常规质量指标和成分结构信息进行油料种类识别的方法因所需仪器设备多,分析测试过程复杂而缺乏实用性和推广价值;在分析油品理化性能指标与其类别间的相关关系及神经网络的特点后,以最简单方式提取尽可能多的特征参数为原则,通过表观特征参数的途径,设计了一种简单小巧的装置,可同时提取油料密度、粘度、吸光度、电导率和介电常数等参数的特征向量,提出了用RBF神经网络进行油料种类识别的方法,并给出了实现算法;实验结果及应用情况表明,该方法识别效果比较理想,为当前油料种类识别问题给出了一种新的解决途径。     

基于表面肌电和组织阻抗信息融合的手势识别研究

手势识别中的一种常见方式是通过表面肌电信号来实现。为提高手势识别的稳定性和精度, 通常需要采集多个通道的肌电信号,但这会增加电极传感器的数量以及识别系统的复杂度。因此,如 何利用较少量的通道采集信号并确保手势识别的性能一直是肌电信号应用到意图识别的研究方向之 一。该研究设计了一款便携式四通道肌电和阻抗双模信号采集器,在不增加额外传感器和通道数的情 况下,能同时采集肌电信号和差分电极对之间的组织阻抗信号。初步实验结果表明,通过该系统采集 的四通道融合信息可以提升手势识别的准确率和稳定性。与仅采集肌电信息相比,该研究采用的肌电 与阻抗信息融合方法可以将手势识别性能提升 3% 以上,达到 96.2% 的识别率。     

USB身份锁的强化识别

USB设备通过主机的识别之后，与主机之间建立起一条USB传输信道，这是设备实现功能的基础。USB身份锁是网络身份认证系统中常用的信息载体，相比较常规USB设备，身份锁具有更高的安全性要求。文章给出一个基于厂商认证协议的身份锁强化识别方案，在实现USB设备标准配置的基础上，通过增加设备和驱动之间的可信身份认证，加强设备的识别处理。     

Position-aware activity recognition with wearable devices

Reliable human activity recognition with wearable devices enables the development of human-centric pervasive applications. We aim to develop a robust wearable-based activity recognition system for real life situations where the device position is up to the user or where a user is unable to collect initial training data. Consequently, in this work we focus on the problem of recognizing the on-body position of the wearable device ensued by comprehensive experiments concerning subject-specific and cross-subjects activity recognition approaches that rely on acceleration data. We introduce a device localization method that predicts the on-body position with an F-measure of 89% and a cross-subjects activity recognition approach that considers common physical characteristics. In this context, we present a real world data set that has been collected from 15 participants for 8 common activities where they carried 7 wearable devices in different on-body positions. Our results show that the detection of the device position consistently improves the result of activity recognition for common activities. Regarding cross-subjects models, we identified the waist as the most suitable device location at which the acceleration patterns for the same activity across several people are most similar. In this context, our results provide evidence for the reliability of physical characteristics based cross-subjects models.     

基于神经棒的电力变压器离线图像识别研究与应用

为解决智能移动设备在电力变压器等设备的巡检、运维工作的图像识别中难以适用于无网络的离线环境问题,本文综合考虑电力设备巡检、运维工作的实际需求和真实情况,设计一种基于神经棒的电力变压器离线图像识别系统。首先,引入卷积神经网络算法,构建深度学习图像识别模型,并利用真实图片数据集对模型进行训练调优;然后,创新地将模型集成到神经计算加速棒中,搭建电力变压器离线图像识别系统,进一步解决网络对系统的束缚;最后将本文的基于神经棒的电力变压器离线图像识别系统与现有的4G网环境下移动设备识别系统、离线环境下移动设备识别系统在贵州电网贵阳局城北分局提供的真实图片数据集上进行对比验证,结果表明本文提出的基于神经棒的电力变压器离线图像识别系统具有较高的识别准确率和稳定性。     

高可信度加权的多分类器融合行为识别模型

为了提高基于智能移动设备的人体日常行为识别准确率,提出一种高可信度加权的多分类器融合行为识别模型（MCFM）。针对不同智能设备内置加速度传感器获取的三轴加速度信息,优选出与人体行为相关度高的特征集作为该模型的输入,将决策树、支持向量机以及反向传播（BP）神经网络三个基分类器通过高可信度加权投票算（HRWV）法训练出一个新的融合分类器。实验结果表明,所提出的分类器融合模型能有效提高行为识别的准确率,对静止、散步、跑步、上楼及下楼五种日常行为的平均识别准确率达到94.88%。