基于电子鼻的深度卷积神经网络茯苓产地分类方法

本文采用自研电子鼻系统,实现6个产地的茯苓气味样本的检测,根据采集得到的样本数据集,提出并优化了适用于茯苓产地分类的卷积神经网络—长短期记忆网络(CNN-LSTM)模型,同时与支持向量机(SVM)模型、CNN模型、LSTM模型进行对比,识别率提高6%以上。在实际样本检测中,适用于茯苓产地分类的CNN-LSTM模型识别准确率为81.9%,优化后的CNN-LSTM模型识别准确率达到了88.9%,且优化后的神经网络能够更快、更好地从电子鼻数据中提取特征。