基于电子鼻的山核桃陈化时间检测

选取人工陈化山核桃(0 d、2 d、4 d和6 d)和自然陈化山核桃(0 y、1 y和2 y)作为研究对象,采用德国PEN2便携式电子鼻进行检测,在主成分分析(PCA)的基础上,采用概率神经网络(PNN)模式识别方法建立山核桃陈化时间鉴别模型,模型参数Spread和主成分数通过交互验证的方法优化。结果标明,PCA基本可...     

基于电子鼻技术的山核桃陈化指标预测模型研究

通过分析电子鼻采集的多传感器信号与自然陈化指标间的关联特征,建立基于电子鼻检测的山核桃陈化指标预测模型,实现对其陈化指标的预测,快速区分辨别山核桃贮藏年限,采用电子鼻系统对4个贮藏年限的山核桃进行了检测,PCA分析可以将不同贮藏年限的山核桃完全区分开,且效果较好,进而利用主成分回归方法建立了基于气敏传感器阵列数据的山核桃陈化指标预测模型,并用预测集对模型进行验证。结果表明碘价、过氧化值、酸价和茴香胺含量预测值与实测值之间的相关系数较高,预测标准误差和平均误差百分比较小,它们分别为 0.88％、6.79％和6.8％、0.78％、1.23％和2.3％、0.82％、0.127％和1.58％、0.81％、0.61％和0.76％、其预测值能够精确地反映不同贮藏年限山核桃的陈化指标。因此,电子鼻技术可以 用于不同贮藏年限的山核桃陈化指标含量检测。     

百草油鉴别分类的电子鼻实现方法研究

采用便携式电子鼻PEN3对4组不同生产批次的中成药(百草油)进行检测,并对采样得到的数据进行分析.结合主成分分析(PCA)和线性判别分析(LDA)算法的特点,采用了PCA+LDA分析方法.该方法首先通过PCA分析来压缩特征数据的维数,减少数据计算量,进而优化特征向量,继而采用LDA分析实现对不同批次百草油产品的鉴别分类.结果表明:对4组样本的最终判别结果达到了87.5%的正确判别率,误判的待测样本只发生在p0705和p0801之间.     

电子鼻技术在茶叶品质检测中的应用研究

以电子鼻作为检测手段,对同类不同等级的茶叶、茶水和茶底挥发性成分进行检测,并对采集到的数据进行分析。首先通过主成分分析进行特征提取来压缩数据维数,减少数据计算量,进而优化特征向量。然后采用线性判别和BP神经网络的方法对茶叶的不同等级进行分类判别。结果显示,误判样本都发生在T60和T100之间,两种判别方法结果比较一致。相对于茶叶和茶底,以各等级茶水为研究对象时,两种方法对茶叶品质等级的判别及测试结果相对都比较好。     

电子鼻牛奶质量检测的研究

利用自主研制的CN e-Nose I型电子鼻气体分析仪对多种品牌、不同新鲜程度的牛奶进行检测,并通过模式识别方法分析和识别数据.牛奶各组分经由金属氧化传感器阵列采集信号,其数据及响应曲线记录在PC端.运用主元分析和人工神经网络方法识别曲线特征,通过与新鲜高质量样本的标准数据进行比较,判断出牛奶变质程度.实验结果表明,电子鼻技术对牛奶品质的识别率较高,且具有便捷、安全等特点,是一种发展前景良好的实用技术.     

电子鼻在气体检测中的应用研究

优选对甲烷、丙烷及氢气交叉敏感的5只半导体传感器组成气体传感器阵列,建立实时数据采集系统,结合特征提取和模式识别算法,研制出了一种对3种可燃性气体进行实时检测的电子鼻系统。提出了双重神经网络定量分析多种未知气体的方法,即先利用第一重网络对气体进行定性识别,再应用第二重网络对识别出的气体进行定量分析。通过BP神经网络分析表明:该系统对3种气体的识别率达到了100%,定量分析的最大相对误差不超过9.4%。     

用于食醋品质预评价的电子鼻研究

设计了面向食用醋品质预评价的电子鼻系统,它包括:由5种TGS系列和1种MQ系列半导体氧化物气体传感器构建的传感器阵列、以LPC2138微处理器为核心的采集电路等硬件部分。通过USB接口将所采集的数据上传至计算机,利用上位机LabVIEW软件进行数据采集的实时显示,并利用主成分分析(PCA)法和线性判别式分析(LDA)法对数据进行分析。使用该设计的电子鼻对生活中常见的5种食醋进行测量,并对食醋种类、配料关系进行了分析。结果表明,电子鼻技术在食醋品质预评价中是可行的。     

检测掺假牛奶的电子鼻传感器阵列的优化

目前电子鼻在食品领域已有广泛的应用,由于气味组成成分复杂,仅用单个气体传感器是无法评定气体质量的,因此气体传感器阵列应运而生.在对不同的食品进行检测时,电子鼻的传感器阵列的构成是不同的.运用PEN2便携式电子鼻对掺假牛奶进行检测,用方差分析、主成分分析和聚类分析对信号进行分析,得到由8个传感器组成的用于检测掺假牛奶的最佳传感器阵列.用这8个传感器组成的传感器阵列对掺假牛奶进行检测区分,结果用LDA方法(线性判别式分析)进行分析,在LDA分析图上,不同比例掺假的牛奶能被明显地区分.新的传感器阵列具有较少的传感器和与原传感器阵列相同的检测区分能力.     

电子鼻在棉织物异味检测中的应用研究

基于电子鼻传感器检测技术,对棉织物中5种异味整体性质的人工智能评价进行探究,根据传感器检测数据曲线和数据主成分分析(PCA)分析,结果表明:各传感器对不同异味成分的响应性不同,PCA分析法处理数据能够有效区分布样中不同的异味组分,为纺织品异味的快速、有效、客观检测评定奠定了一定的基础.     

电子鼻用于检测掺假牛奶时其传感器阵列的优化

目前电子鼻在食品领域已有广泛的应用，由于气味组成成分复杂，仅用单个气体传感器是无法评定气体质量，因此气体传感器阵列应运而生。在对不同的食品进行检测时，电子鼻的传感器阵列的构成是不同的。本文运用PEN2便携式电子鼻对掺假牛奶进行检测，用方差分析、主成分分析和聚类分析对信号进行分析，得到由8个传感器组成的用于检测掺假牛奶的最佳传感器阵列。用这8个传感器组成的传感器阵列对掺假牛奶进行检测区分，结果用LDA方法 (线性判别式分析) 进行分析，在LDA分析图上，不同比例掺假的牛奶能被明显地区分。新的传感器阵列具有较少的传感器和与原传感器阵列相同的检测区分能力。     

基于逐步判别分析和BP神经网络的电子鼻猪肉储藏时间预测

旨在探讨一种快速检测猪肉储藏时间的电子鼻方法.本研究采用德国Airsense公司的PEN 2型便携式电子鼻对不同储藏时间(0～7 d)的猪肉样品进行检测,每天检测42个样品,每个样品质量为10 g,密封时间为5 min.提取第60 s数据进行线性判别分析,结果显示电子鼻能较好的区分不同储藏天数的猪肉样品.同时用逐步判别分析和BP神经网络对猪肉储藏时间进行预测,训练集的准确率,前者为100%,后者为94.17%,而预测集的准确率,前者为97.92%,后者为93.75%.研究表明电子鼻技术有望在猪肉新鲜度快速检测上得到广泛的应用.     

使用电子鼻检测低温贮藏罗非鱼储存时间

本文采用电子鼻结合理化检验方法探索了一种低温贮藏罗非鱼储存时间预测方法。按照国家标准检验了罗非鱼样品的挥发性盐基氮（TVBN）,同时测量了电子鼻传感器阵列响应,以TVBN检验结果标定罗非鱼的新鲜度。在随机共振理论模型研究的基础之上,对电子鼻检测数据进行主成分和随机共振分析。相对于主成分分析结果,随机共振输出信噪比可以完全区分罗非鱼样品。依据TVBN国家标准计算得到罗非鱼电子鼻检测信噪比新鲜度阈值为-61.1688。选取信噪比曲线特征值经线性拟合回归建立了罗非鱼储存时间预测模型,该模型的预测系数R2=0.910,结果表明可以准确预测罗非鱼的储存时间。该方法具有快速、易操作、准确等优势,有望于在水产品品质快速分析中得到广泛应用。     

基于电子鼻的香蕉储存时间鉴别方法研究

研究了一种基于电子鼻系统的香蕉储存时间鉴别方法.实验检测了不同储存时间的香蕉样品,主成分分析方法可以较好地区分不同储存时间的香蕉样品,同时检验了样品的微生物指标以探讨电子鼻响应与微生物指标之间的关系.随机共振信噪比谱不但可以区分香蕉样品,同时基于信噪比特征值建立的香蕉储存时间鉴别模型具有较高的预测准确率.该方法具有较好的实际应用价值.     

霉变小麦的电子鼻区分及其传感器阵列选择优化

采用电子鼻区分不同霉变程度的扬麦23号样品,连续检测不同霉变程度小麦样品,并记录检测数据。将检测数据耦合到双稳态随机共振系统,调解系统参数诱发产生共振,依据系统输出信噪比特征值建立小麦霉变程度预测模型。为了提高电子鼻对霉变小麦样品区分效果,进行了电子鼻传感器负荷加载分析,对电子鼻传感器阵列进行了优化研究,结果表明传感器阵列优化可有效提高电子鼻检测小麦霉变程度的准确度。采用华麦6号样品构建验证实验,结果证明所建立的方法具有较好的应用意义,并具有普遍意义上的适用性。     

基于PCA和PNN的发动机故障诊断研究

本文提出了一种基于主成分分析（PCA）和概率神经网络（PNN）的故障诊断方法。该方法首先利用PCA分析建模消除变量之间的非线性关联,降低噪声的影响,在保证数据信息丢失最少的情况下,大大降低了原始数据空间的维数,然后利用概率神经网络对降维后的数据进行模式分类,最后结合某汽车发动机的故障诊断进行仿真研究。仿真结果表明,该方法是有效可行的。     

嗅觉神经网络在电子鼻识别多品牌绿茶中的应用研究

生物模式识别机理引入人工嗅觉系统将提高其仿生化程度,并被认为是有前途的传感阵列信息处理方法.本文尝试将一种嗅觉神经网络应用到电子鼻检测和识别多种品牌的绿茶气味.通过包含8个MOS型气敏传感器的自制电子鼻仪器,测量了来着不同地方的5种不同品牌的绿茶样品,在传感阵列信号稳态部分提取特征向量,并使用雷达图考察指纹图谱异同,验证传感阵列及特征提取方法的有效性.采用生物相似性学习算法训练该神经网络,考察了样本训练次数和识别率的关系,发现经过4～7次训练,该网络对这5种绿茶的识别率平均值都在97％以上.     

基于人体轮廓宽度特征的步态识别

基于人体轮廓宽度特征提出了一种步态识别算法。首先对每个序列进行运动轮廓抽取,将这些时变的二维轮廓形状转换为对应的一维横向宽度信号,通过主元分析法(PCA)来提取低维步态特征,在此基础上采用线性判决分析(LDA),以获取最佳投影方向,达到提高数据分类能力的目的。在NLPR、CMU和UMF步态数据库中进行实验,结果表明算法具备快速、稳健特征,在实际应用中具备较大的价值。     

一种基于PCA-BP神经网络的示例优选方法

在音频示例检索的研究中,针对示例数据量大而导致计算代价大、检索时间长和噪声鲁棒性差等问题,提出了一种基于主成分分析（PCA）和BP神经网络（BPNN）的示例优选方法。以信号鲁棒性评分为依据构建数据集合,使用主成分分析得到段级特征,消除数据冗余,减少输入变量,最后利用BPNN对保留成分进行建模预测。用PCA-BPNN模型对实验数据进行了验证性测试和分析,结果表明,该方法可以准确而高效地从一段音频中选取鲁棒性好的示例。     

融合时空信息的运动目标检测算法

传统运动目标检测算法在处理诸如树叶晃动、水面波纹等动态场景时效果不理想。为此,针对动态场景下所存在的背景扰动问题,提出一种融合时间和空间信息的运动目标检测算法。该算法通过增量式主成分分析提取空间上图像的背景信息,结合三帧差分法所提取的时域信息进行融合决策以提取运动目标。实验结果表明,该算法能够在动态场景中有效提取运动目标,且检测结果优于混合高斯模型算法。