[發明專利]基于細胞神經網絡和電子鼻特征提取的果汁貯藏期檢測算法

有效

• 申請號: 201811270581.5
• 申請日: 2018-10-29
• 公開（公告）號: CN109444360B
• 公開（公告）日: 2021-05-04
• 發明（設計）人: 賈鵬飛;曹懷升;徐多;喬思奇
• 申請（專利權）人: 西南大學
• 主分類號: G01N33/14
• 分類號: G01N33/14;G06N3/04;G06N3/08
• 代理公司: 重慶為信知識產權代理事務所(普通合伙) 50216
• 代理人: 龍玉洪

本發明公開了一種基于細胞神經網絡和電子鼻特征提取的果汁貯藏期檢測算法，獲取果汁氣體樣本對果汁氣體樣本進行氣味檢測，得到果汁氣體原始響應數據集；篩選傳感器，得到響應數據集和響應矩陣；選擇模板，根據響應矩陣，建立帶未知參數的果汁氣體細胞神經網絡；將標記響應數據集輸入到帶未知參數的果汁氣體細胞神經網絡中進行特征點標記，得到傳感器特征點；尋求未知參數最優值，并對所有傳感器特征點進行特征提取，得出對應的細胞神經網絡模板，以及對應的細胞神經網絡；根據傳感器特征點對果汁氣體細胞神經網絡進行驗證。有益效果：適用范圍廣，對果汁產品儲存器進行實時監控，便于監管部分檢查，對果汁品質進行鑒別。保證果汁行業質量。

技術領域

本發明涉及果汁貯藏期檢測技術領域，具體的說是一種基于細胞神經網絡和電子鼻特征提取的果汁貯藏期檢測算法。

背景技術

現代電子鼻系統通常具有包含數十個氣體傳感器的傳感器陣列，在一次氣體樣本采集中會獲得相當龐大的樣本數據，并且因為電子鼻傳感器陣列的交叉敏感性，不同傳感器對相同的氣體都會做出響應，直接將它們輸入模式識別算法得到的結果非常不理想。

特征提取是傳感器信號處理的第一步，它在隨后的模式識別中起著重要作用：從電子鼻原始響應中提取更重要的特征，有助于提升模式識別精度。最基本的特征提取方法是直接處理原始響應曲線，如取最大值，最小值，斜率，最大值最小值對應的時間坐標，積分等。將這些取值組成原始特征矩陣用于模式識別。其中最大值代表傳感器響應的最終狀態，它是最常用的用于區分氣體應的穩態特征。在這些方法的基礎上，為了得到更好的效果，一些經典的算法被用于再次處理原始特征矩陣。例如，主成分分析是一種旨在找出幾個綜合指標來代表原來眾多特征，這些綜合指標盡可能地反映原來變量的信息，而且彼此之間互不相關的方法。然而，穩態響應用于復雜的模式識別中效果不夠好，因為它往往忽略了許多重要信息。因此，特征提取也需要動態特征。

在對水果貯藏期時，水果汁的含量檢測時，由于水果一般不同的地區，而遠銷世界各地，由于各地區氣候、環境不同，水果商戶需要實時對水果的品質進行檢測和評估，從而指定存儲計劃和銷售計劃，然而在現有技術中，還沒有對水果汁進行智能化檢測的方法，還停留在人為抽檢的方式進行檢測，抽檢過程復雜，且需要長期存在個體差異，得到的結論精確度低，不能滿足需求。

發明內容

針對上述問題，本發明提供了一種基于細胞神經網絡和電子鼻特征提取的果汁貯藏期檢測算法，對水果儲藏期間的果汁進行實時檢測，一番發生質變或病變，提高水果保存可靠性。

為達到上述目的，本發明采用的具體技術方案如下：

一種基于細胞神經網絡和電子鼻特征提取的果汁貯藏期檢測算法，其關鍵在于：

S1：獲取果汁氣體樣本；

S2：構建果汁氣體電子鼻監測系統，并對果汁氣體樣本進行氣味檢測，得到果汁氣體原始響應數據集；

S3：篩選傳感器；采用X位二進制參數篩選傳感器，得到被標記的傳感器群，該傳感器群采集到的數據為標記響應數據集，并排列成響應矩陣M×N；

S4：選擇帶未知參數的細胞神經網絡模板，根據排列成響應矩陣，建立帶未知參數的果汁氣體細胞神經網絡；將步驟S3的標記響應數據集輸入到帶未知參數的果汁氣體細胞神經網絡中進行特征點標記，得到傳感器特征點；

S5：采用增強型磷蝦群優化算法，對所有未知參數尋求最優值，并對所有傳感器特征點進行特征提取，得出對應的細胞神經網絡模板，以及對應的細胞神經網絡；

S6：根據傳感器特征點得到的分類效果，對細胞神經網絡的特征提取能力進行驗證。

再進一步的，在步驟S1中獲取果汁氣體樣本設置在散發器中，該散發器包括果汁容器，該果汁容器設置有與輸氣管的一端連接的出氣孔，所述輸氣管的另一端伸入所述電子鼻監測系統的監測腔室內。