基于卷积神经网络的气体传感器阵列识别算法研究及应用

为解决混合气氛中气体浓度识别问题,常利用气体传感器阵列配合模式识别算法进行检测。设计了基于嵌入式处理器的传感器阵列,并利用识别算法对设备采集的混合气体进行分类识别及浓度预测。建立了以氨气、丙酮、甲醇气体为目标的混合气体数据集。使用最邻近分类算法(KNN)、三层全连接反向神经网络(BPNN)和三层卷积神经网络(CNN)分别对混合气体中的氨气、丙酮、甲醇气体进行识别分析。测试结果表明:改进的BPNN和CNN对测试数据集的分类识别率最高均可达100%,对混合气体的浓度预测均方差最低可达3.89和2.47,三层卷积层的CNN算法相对于BPNN和KNN在识别精度上提高明显。通过迁移学习思想,将该算法移植到树莓派中,并进行实际测试,实现了电子鼻应用。