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。     

基于伏安电子舌的枸杞产地快速辨识

提出一种基于希尔伯特—黄变换(HHT)—线性判别分析(LDA)的枸杞产地电子舌辨识方法。以宁夏、新疆、甘肃、青海4个产地的枸杞为试验材料,采用伏安电子舌采集不同产地枸杞的"指纹图谱"信息,利用集合经验模态分解(EEMD)对电子舌原始信号进行多尺度分解得到一组本征模态函数(IMF),分别求取其奇异谱熵和Hilbert边际谱作为特征向量。在该基础上,利用LDA建立枸杞产地非线性组合预测模型。试验结果表明,HHTLDA与分别采用特征点提取(FPE)、主成分分析(PCA)和离散小波变换(DWT)的算法相比,具有更好的分类效果。对未知产地枸杞的总体分类精度和kappa系数分别达到98%和0.973,均表明该模型具有较好的鉴别效果。     

基于主成分分析的纤维拉伸断裂声发射信号识别

针对纤维拉伸断裂声发射信号的非平稳性、信号特征间高度重叠等问题,提出一种声发射信号特征提取及纤维种类诊断的模型。该模型可用于识别拉伸断裂的纤维种类。首先,通过小波变换、增强经验模态分解方法（EEMD）对不同种纤维的拉伸断裂声发射信号进行预处理、分解;然后,结合主成分分析方法（PCA）提取频率特征;最后,运用最小二乘支持向量机（LSSVM）对纤维拉伸断裂的特征频率进行分类识别。结果表明,主成分分析方法能将信号特征降维,并降低不同纤维频率特征之间相关性,提高了对纤维拉伸断裂声发射信号的准确识别。针对芳纶1313、高性能维纶纤维拉伸断裂的声发射信号,EEMD-PCA-LSSVM模型总识别率达96%。     

基于电子舌的电子烟甜度评价模型研究

为了建立电子烟甜度定量分析的客观方法,利用电子舌对60个电子烟液样品进行测定得到60组数据,通过偏最小二乘、人工神经网络和支持向量机三种方法对电子舌测定数据与人工感官数据进行关联分析,建立了三个电子烟甜度评价模型。三个模型的比较结果显示,支持向量机法所建立的模型对未知电子烟样品甜度预测结果最为可靠,其中该模型的相关系数为0.96,预测结果的平均相对误差为7.30%,预测结果的均方根误差为0.61。由此可知,电子舌结合支持向量机法所建立的评价模型,可以实现对未知电子烟甜度的可靠预测。      

玉露香梨可溶性固形物近红外漫透射光谱在线检测

应用近红外漫透射光谱技术探索玉露香梨可溶性固形物在线无损检测的可行性。358个试验样本被分成建模集和预测集(269∶89),分别用于建立模型和验证模型的预测能力。通过对玉露香梨样品近红外漫透射光谱分析发现,样品光谱在625,725,800nm处存在3个波峰,在673,765,825nm处存在3个波谷。通过对比不同预处理方法,发现漫透射近红外光谱分别经一阶微分、移动窗口平滑和多元散射校正组合预处理后建立的模型效果最好。结合组合预处理方法建立了偏最小二乘和偏最小二乘支持向量机预测模型,经比较,偏最小二乘支持向量机模型预测能力更强,模型预测均方根误差和相关系数分别为0.316%和0.949。对比发现主成分分析和径向基函数有利于提高最小二乘支持向量机模型的预测能力。试验结果表明采用近红外漫透射光谱技术结合最小二乘支持向量机算法,实现了玉露香梨可溶性固形物在线无损检测。     

基于内在品质参数的乌龙茶等级判别模型建立

茶叶等级评价是检测茶叶品质的重要技术手段,科学建立茶叶等级评价模型具有重要意义。本文以102个乌龙茶为研究对象,采用多种特征值筛选方法结合支持向量机算法建立基于特征内在品质参数的乌龙茶等级评价模型。同时,采用高光谱技术结合化学计量学,对特征品质参数建立基于特征波长的粒子群算法优化反向误差神经网络神经网络（PSO-BP）和麻雀搜索算法优化最小二乘支持向量机（SSA-LSSVM）的定量预测模型,最后对定量预测的化学值模型验证。结果表明,当参数组合酯型儿茶素、简单儿茶素、茶多酚、水浸出物、咖啡碱、表没食子儿茶素没食子酸酯（EGCG）六种化学值时的乌龙茶等级模型判别准确率最高,训练集的准确率为97.22%,预测集准确率为93.33%。基于特征波长的麻雀搜索算法优化最小二乘支持向量机（SSA-LSSVM）定量预测模型的预测精度更高且均方根误差更低,预测集的决定系数R2均在0.93～0.99之间。随机抽取30个乌龙茶样本六种化学值的最佳预测值,其判别准确率达90%。综上所述,基于内在品质参数组合对不同等级的乌龙茶准确判别是可行的,且基于高光谱技术的预测模型可以快速精准的获得其化学值大小,预测的化学...     

电子舌对掺入果葡糖浆掺假蜂蜜的识别

采用电子舌对不同蜂蜜以及掺入果葡糖浆的蜂蜜样品进行测定,对所获得的数据进行主成分分析、判别因子分析和偏最小二乘回归分析。结果表明:电子舌能够区分不同蜂蜜样品和掺假蜂蜜样品(果葡糖浆掺入比例≥5%);对掺假蜂蜜样品建立了偏最小二乘回归分析预测模型,电子舌响应信号和果葡糖浆掺入比例之间有很好的相关性(决定系数R2为0.992 0),偏最小二乘回归分析模型预测误差均≤5%(掺入比例为10%~70%)。试验证明电子舌可用于掺入果葡糖浆的掺假蜂蜜的识别。     

基于拉曼光谱和支持向量机的黄酒品质快速分析

本研究使用拉曼光谱分析技术采集不同产地和不同酒龄的黄酒样品指纹信息,对比判别分析(DA)和最小二乘支持向量机(LS-SVM)所建黄酒品质快速模型性能,确定最优模型以实现快速准确地评价黄酒品质。本研究在全波段范围利用主成分分析对拉曼光谱数据降维,计算降维谱图间马氏距离,基于ward’s算法建立判别分析模型;将全波段范围作为最小二乘支持向量机的输入量,选择出能较好处理非线性问题的RBF为核函数,同时采用交互验证方式优化RBF核函数参数,基于优化RBF核函数,建立最小二乘支持向量机鉴别模型。研究结果表明:拉曼光谱结合最小二乘支持向量机鉴别模型对黄酒产地和酒龄的鉴别正确率均为100%;拉曼光谱结合判别分析鉴别模型对嘉善、绍兴和上海黄酒的鉴别正确率分别为100%、80%和80%,对黄酒酒龄的鉴别正确率均为100%;最小二乘支持向量机模型性能优于判别分析模型。拉曼光谱结合化学计量学方法可快速、准确评价黄酒品质。     

基于最小二乘支持向量机的白酒酒醅成分定量分析

利用近红外光谱技术实现对白酒发酵过程中酒醅主要成分的质量控制,并进行模型优化,提高性能。采用偏最小二乘法提取的潜在变量作为最小二乘支持向量机的输入变量,先后建立了白酒酒醅中酒精度、淀粉、水分、酸度的近红外定量模型,并与经无信息变量消除法波段筛选后建立的偏最小二乘模型结果进行比较。结果表明：与偏最小二乘模型相比,4 个指标的最小二乘支持向量机定量模型的相关系数（R2）、预测均方根误差以及相对分析误差3 个评价参数均有更优表现;对未知样品进行预测时,最小二乘支持向量机模型的预测准确度明显高于偏最小二乘模型。说明最小二乘支持向量机模型的准确度、稳定性及预测性能均优于偏最小二乘法模型,为白酒酒醅的品质分析方法研究提供了新的思路。     

纸浆洗涤过程的多目标进化优化研究

应用最小二乘史持向景机建立了纸浆洗涤过程中黑液残碱和波美度数学模型,利用非劣排序遗传算法对残碱和波美度进行最小二乘支持向量机模型和BP神经网络模型寻优,获得进浆浓度、进浆流量、清水用量的优化值.其结果用于某造纸厂纸浆洗涤过程的优化,发现最小二乘支持向量机模型多日标进化算法的寻优结果明显优于基于BP神经网络模型的多日标进化算法,并且最小二乘史持向最机模型的多目标进化算法更好地解决了纸浆洗涤过程多个目标的冲突问题.     

鲸鱼算法改进极限学习机的葡萄酒品质评价研究

[目的]解决近红外光谱中冗余信息过多的问题,提升葡萄酒品质评价模型的准确性,并构建一种快速无损的葡萄酒品质评价方法。[方法]运用竞争性自适应重加权采样法进行特征波长筛选,提出了鲸鱼算法改进极限学习机的葡萄酒品质评价模型。通过自适应重加权采样法等多种特征波长筛选方法,确定了最适用于葡萄酒光谱特征波长筛选的方法;针对ELM的初值权值与隐含层偏置选取问题,利用鲸鱼优化方法对初值权值与隐含层偏置进行优化,从而构建了一种基于鲸鱼优化算法改进的极限学习机葡萄酒品质评价模型。[结果]与GA-ELM、PSO-ELM和传统的ELM模型相比,WOA-ELM的准确率最高,达到了0.944 5,GA-ELM的准确率为0.929 0,PSO-ELM的准确率为0.906 1,传统的ELM方法准确率为0.817 7。[结论]通过智能算法优化ELM模型的参数,可以有效提高葡萄酒品质评价的准确性。     

基于电子鼻与LightGBM算法判别葡萄酒品种的研究

针对葡萄酒的鉴别问题,通过电子鼻采集7种葡萄酒的气味信息,应用LightGBM算法对葡萄酒的气味特征进行学习,并运用TPE超参数优化算法对LightGBM算法超参数进行自适应寻优,以5折交叉验证为指标评估模型的性能。试验结果表明LightGBM建立的判别模型对葡萄酒样本的判别准确率为96.62%,优于传统的支持向量机、随机森林、神经网络,验证了LightGBM在葡萄酒品种鉴别中的优越性。     

酚酸类物质对杨梅发酵酒贮藏期间色泽和挥发性风味物质的影响

为研究杨梅发酵酒贮藏过程中色泽及风味变化，本实验采用气相离子迁移谱仪、色差计、电子舌和感官评价方法探究酚酸类物质对杨梅发酵酒的辅色作用、挥发性风味变化和感官指标的影响。结果表明：单宁酸、阿魏酸、芥子酸均对杨梅发酵酒具有辅色作用，减缓了a*、C*值和ΔE*值的变化趋势，明显增强了杨梅发酵酒贮藏期间色泽稳定性；通过气相离子迁移谱技术分析添加酚酸类物质杨梅发酵酒与对照组挥发性风味物质的二维、三维谱图和指纹图谱，发现添加酚酸类物质杨梅发酵酒在挥发性风味物质组成和含量上与对照组差异不明显；电子舌分析能够很好地区分对照组与添加酚酸类物质的杨梅发酵酒；添加芥子酸辅色的杨梅发酵酒更接近对照组杨梅发酵酒的感官品质。因此，宜选用芥子酸作为杨梅发酵酒的辅色剂。     

基于电子舌检测的橙汁贮藏品质研究

为实现对不同储存时间的鲜榨橙汁品质进行客观、快速的评价,采用基于虚拟仪器技术的电子舌系统对6种不同储存时间下的鲜榨橙汁样本进行定性和定量分析。针对电子舌输出信号特点,分别采用主成分分析(Principal Component Analysis,PCA)和离散小波变换(Discrete Wavelet Transform,DWT)方法对输出信号进行预处理,以分类效果为依据,确定离散小波变换作为较佳特征提取方法。在此基础上,采用线性判别分析(Linear Discriminant Analysis,LDA)方法对不同储存时间鲜榨橙汁样本进行定性分析,然后采用粒子群优化最小二乘支持向量机(Particle Swarm Optimization Least Squared-Support Vector Machines,PSOLSSVM)对鲜榨橙汁的不同储存时间进行定量预测。结果表明:LDA结果中第一判别式(LD1)和第二判别式(LD2)的综合贡献率为95.7%,6种储存时间下的鲜榨橙汁样本均得到有效定性辨别;而PSO-LSSVM预测模型对鲜榨橙汁的不同储存时间具有较高的定量预测精度,其相关系数(R~2)、均方根误差、平均绝对误差分别为0.999 1,0.287 7,0.232 8。     

电子鼻和电子舌在果酒风味分析中的应用

采用电子鼻嗅觉指纹分析系统、电子舌味觉指纹分析系统及人工感官评价对不同品种樱桃酒(中樱狄墨尔干红和干白)和不同品种葡萄酒(张裕干白和长城干红)的香气和口感进行了检测,并采用主成分分析(PCA)和判别因子分析法(DFA)对传感器响应信号进行了分析。经模式识别分析得到:在香气上,樱桃干白与葡萄干白的差异最小,其次是樱桃干红和葡萄干红,干白和干红之间的差异最大;在口感上,樱桃酒(干红和干白)与葡萄酒(干红和干白)的差异较大。电子鼻和电子舌分析结果与人工感官评价结果一致。研究表明,电子鼻和电子舌结合模式识别方法可用于果酒的风味评价。     

Pedot modified electrodes in amperometric sensing for analysis of red wine samples

A poly(3,4-ethylendioxythiophene) modified electrode has been considered as a potentially useful amperometric sensor to use either alone or in the frame of a set of sensors bearing complementary information, i.e. within an electronic tongue. The sensor is proposed in blind analysis of red wines, for classification and calibration purposes. The data obtained from voltammetric measurements have been treated using partial least squares analysis. A calibration procedure has been performed to correlate results from analyses of wines, executed with traditional analytical methods, with the corresponding voltammetric responses. Moreover, classification models of the wine samples, based on quantitative parameters and qualitative information about origin and variety, have been built. The developed electrochemical sensor also allows the fast identification of samples exceeding threshold limits of meaningful parameters for quality control in the wine industry, such as SO₂, colour intensity and total polyphenols. The application of the system within a sensor array (electronic tongue) to fast pre-screening routine control procedure is proposed.     

基于抗氧化活性指标的国产红葡萄酒产地识别

目的 对比分析不同产地葡萄酒抗氧化活性的差异, 以此实现葡萄酒产地的判别。方法 以新疆吐鲁番、宁夏银川和河北秦皇岛的红葡萄酒为研究对象, 采用理化检测方法比较不同产地葡萄酒抗氧化活性的差异, 并利用主成分分析(principal component analysis, PCA)、正交偏最小二乘-判别分析(orthogonal partial least squares-discriminant analysis, OPLS-DA)和支持向量机(support vector machine, SVM)建立葡萄酒的产地识别模型。结果 在对葡萄酒酒样抗氧化活性指标测定中, 不同产地酒样表现的抗氧化能力依次为: 新疆吐鲁番>宁夏银川>河北秦皇岛。基于以上述抗氧化活性指标数据进行PCA分析发现, 不同产地葡萄酒样本大致可以各自聚集成类, 并且前两个主成分的累计方差解释率可达89.6%, 基本可以反应总体数据信息; 进一步通过OPLS-DA和SVM建立产地识别模型, 以其中8个不同产地的葡萄酒样本作为测试集进行外部验证, 结果发现两个模型的识别准确率均可达87.5%, 表现出较好的产地识别能力。结论 根据抗氧化活性的差异性可以实现国产红葡萄酒的产地识别。     

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。