[發明專利]基于空間外差拉曼光譜的機器嗅覺可視化傳感數據分析方法

有效

• 申請號: 202110381702.9
• 申請日: 2021-04-09
• 公開（公告）號: CN113077002B
• 公開（公告）日: 2023-07-21
• 發明（設計）人: 張文理;孫要偉;鄭晶月;劉兆瑜;王毅;陳宇;梁坤;趙貞貞;王恒
• 申請（專利權）人: 鄭州航空工業管理學院
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/30;G06V10/40;G06V10/82;G06N3/0464;G06N3/084
• 代理公司: 重慶天成卓越專利代理事務所(普通合伙) 50240
• 代理人: 路寧

本發明提供了一種基于空間外差拉曼光譜的機器嗅覺可視化傳感數據分析方法，包括如下步驟：S1，通過氣敏傳感器獲取氣體分類數據信息，采集氣體分類的圖像數據，對圖像數據進行灰度處理和降噪過程；S2，根據圖像數據進行卷積化處理，定義氣體分類圖像的目標函數；根據目標函數對圖像誤差進行卷積神經網絡期望值計算；S3，對卷積神經網絡期望值進行訓練，不斷優化氣體分類圖像權值參數，對氣體分類篩選形成集成分類器。

技術領域

本發明涉及機器嗅覺智能分析領域，尤其涉及一種基于空間外差拉曼光譜的機器嗅覺可視化傳感數據分析方法。

背景技術

機器嗅覺又稱電子鼻，是基于仿生學原理而衍生出來的技術，由多個性能彼此重疊的氣敏傳感器模擬人類嗅覺細胞，并用“模式識別”方法模擬人類對嗅覺信息的認知和判斷過程，實現其對氣體的智能感知。

造成“應用場景、檢測環境穩定性、檢測時間集中性”問題的原因之一是現有機器嗅覺系統的“氣體傳感技術”仍不完善，現有機器嗅覺的數據處理算法比較單一，表現在現有機器嗅覺數據處理算法在解決小樣本、一維傳感數據時有良好的分析結果，但對大樣本、可視化傳感數據進行處理時存在著計算復雜度高、分析效率低等問題，對于海量可視化數據無法分類，這就亟需本領域技術人員解決相應的技術問題。

發明內容

本發明旨在至少解決現有技術中存在的技術問題，特別創新地提出了一種基于空間外差拉曼光譜的機器嗅覺可視化傳感數據分析方法。

為了實現本發明的上述目的，本發明提供了一種基于空間外差拉曼光譜的機器嗅覺可視化傳感數據分析方法，包括如下步驟：

S1，通過氣敏傳感器獲取氣體分類數據信息，采集氣體分類的圖像數據，對圖像數據進行灰度處理和降噪過程；

S2，根據圖像數據進行卷積化處理，定義氣體分類圖像的目標函數；根據目標函數對圖像誤差進行卷積神經網絡期望值計算；

S3，對卷積神經網絡期望值進行訓練，不斷優化氣體分類圖像權值參數，對氣體分類篩選形成集成分類器。

進一步地，所述S1包括：

S1-1，收集氣體數據后，對氣體進行分類操作，劃分不同顏色種類的氣體圖像，對圖像的L、a和b通道圖像I_L(n)，I_a(n)和I_b(n)；

計算

其中I_L(n)，I_a(n)和I_b(n)分別表示通道L、a和b的圖像；I_i(n)表示灰度圖像；獲取氣體分類篩選特征描述直方圖M_feature＝N(I_i(n))，N()為任一氣體分類中用于灰度圖像I_i(n)的篩選特征。

進一步地，所述S1還包括：

S1-2，通過設定灰度圖像I_i(n)中的高斯白噪聲p＝{p(i)·λ(i)|i∈I}，任一氣體分類圖像i中帶噪聲的灰度估計值p(i)乘以濾波參數λ(i)，獲得圖像的加權平均值為δ(i,j)為圖像灰度處理的權值，I為灰度圖像的像素集合，j為噪聲氣體分類圖像；

在灰度圖像中去噪過程由于氣體分類篩選特征分布不同，異常氣體具有特征相似度，對圖像灰度處理的權值δ(i,j)加入特征因子和紋理因子，對異常氣體相似度進行重新度量，完成降噪過程，

其中，δ₁(i,j)為圖像灰度處理的特征因子，δ₂(i,j)為圖像灰度處理的紋理因子，在氣體分類圖像i中的圖像特征P_i和噪聲氣體分類圖像j中的圖像特征P_j絕對差值的平方，e的取值為噪聲氣體圖像相似度數量。