基于气味检测的茶叶种类识别方法研究

提出一种利用电子鼻系统检测茶香气味辨别茶叶种类的识别方法,使用主成分分析(PCA)、K-means聚类和卷积神经网络(CNN)3种机器学习方法对10种茶叶种类进行识别。实验结果表明,基于PCA降维特征的K聚类精度为85.17%,比基于原始特征的K聚类精度78.83%更优,基于PCA降维特征的CNN算法识别率达到95%,基于茶香气味检测的茶叶种类识别方法方便快捷,具有可行性。

基于温度调制的电子鼻技术应用研究

提出一种静态温度调制方法优化气体传感器的选择性,进而提高电子鼻分类精度。该温度调制方法通过提供两种加热温度实现气体传感器选择性的优化,并利用该方法实现不同产地苹果的智能识别。首先,设计了一种基于温度调制的电子鼻系统,并给出了硬件设计电路。其次,提取两种加热温度下4种产地苹果的电子鼻检测数据。最后,基于主成分分析(PCA)、支持向量机(SVM)和卷积神经网络(CNN)算法对不同产地的苹果进行分类识别。结果表明,基于温度调制数据的PCA-SVM和PCA-CNN算法分类精度高于单一加热温度下的算法识别精度,采用温度调制方法可以有效提升电子鼻的性能。