电子鼻融合BP神经网络预测玉米赤霉烯酮和黄曲霉毒素B_1含量模型研究

为探究玉米赤霉烯酮和黄曲霉毒素B_1的无损快速定量测定方法,用电子鼻对7级不同霉变程度玉米样品进行检测,并用理化分析方法分别测定霉变玉米中的玉米赤霉烯酮与黄曲霉毒素B_1含量;在提取电子鼻响应信号的积分值作为特征参量的前提下,采用BP神经网络建立不同霉变程度下玉米样品中的玉米赤霉烯酮与黄曲霉毒素B_1含量的预测模型。同时,为了获得较为可靠的BP神经网络预测模型,在神经网络结构不变的条件下,对比分析了不同训练集、测试集构建的预测模型。结果发现在各预测模型的70组测试样本中,相对误差控制在5%以内的样本数量都在60个以上,最大相对误差控制在15%以内,从而证明了BP神经网络预测模型的有效性、可靠性。该研究为实施玉米霉变毒素的快速无损检测提供了一种途径。

电子鼻结合PCA-BP神经网络在烟用香料质量控制中的应用

本文通过电子鼻对于不同批次的烟用料液进行分析,应用主成分分析(PCA)和误差反向传播(BP)人工神经网络分析烟用料液,并建立了基于PCA-BP神经网络的烟用香精的质量控制模型。结果表明,PCA-BP神经网络模型经过学习后,能够准确的实现烟用香精香料的质量控制。

基于多BP子网络的电子鼻信息融合技术

针对电子鼻技术的应用中,利用常规BP(back-propagation)网络难以对复杂的混合气味进行识别这一问题,介绍了一种采用多BP网络联合进行电子鼻多传感器数据融合处理的新方法。利用这一方法并结合气体传感器阵列在不同温度条件下的响应信号,对不同品牌的葡萄酒样本进行定性识别,仿真验证结果表明该方法的识别准确率达到100%。

基于PCA-BP算法的鸡精风味质量模型研究

鸡精调味料风味质量评估主要依赖于仪器分析和人工感官评价,在生产过程中无法进行实时品质检测。以6种不同添加成分的鸡精调味料风味感官数据为研究对象,提出了主成分分析和改进的BP神经网络算法相结合的算法,并且建立了鸡精风味质量控制模型。该模型能够对鸡精进行快速、准确的分类,同时能够检测出不满足预定风味要求的产品,为提高鸡精风味质量提供一种简单、快速的检测方法。

基于独立分量分析和BP网络的电子鼻模式识别

为了提高电子鼻对混合气体的识别率,针对气体传感器阵列的交叉敏感特性,探讨了在电子鼻系统中基于独立分量分析(ICA)算法与BP神经网络相结合进行模式识别的可行性。并对4个气体传感器组成的电子鼻对4种气体混合物所测得的原始数据进行处理,结果表明:ICA算法对数据进行有效预分类,减少了样本之间的相关性,将生成的新样本作为BP网络的输入,使网络结构简化,在保证一定正确率的前提下,大大提高网络的学习速度。利用该方法可以提高电子鼻识别混合气体的准确率。

BP神经网络在电子鼻分类识别多品牌白酒中的应用研究

由于MQ3、MQ4、TGS813、TGS2620 4个金属氧化物半导体组成的气体传感器阵列对酒精气体及有机物交叉敏感,据此建立实时数据采集系统,并提出稳态特征值和动态特征值的提取方法,进而结合BP神经网络识别方法,通过所建立的电子鼻系统对3种不同品牌白酒进行了分类识别实验.结果表明:电子鼻系统对不同品牌白酒的识别率稳态特征时达90.0%,动态特征时达83.3%.

基于BP和SOM神经网络的电子鼻识别方法研究

电子鼻是一种模仿生物嗅觉的综合仿真系统,它可以用来辨别许多复杂的样本,其中用于辨别和分析气体化学成分的仿真系统应用较为广泛,而对复杂混合气体的分析判断和定性识别是电子鼻技术应用的重要方面。本文在分析研究电子鼻原理和基本构成的基础上,重点运用误差回传神经网络(BP)和自组织特征映射网络(SOM)神经网络进行电子鼻系统的定性识别,对三种气体传感器(一氧化碳CO、二氧化硫SO2、二氧化氮NO2)输出的数据进行了仿真、分析和识别,仿真结果表明这两种方法的识别准确率都能达到100%。并且自组织特征映射网络(SOM)算法的识别能力在整体上要优于误差回传神经网络(BP)算法。

基于PCA与BP混合神经网络算法的电子鼻系统

为了对食物品质进行非接触式评价,基于6种费加罗金属氧化物气体传感器阵列,通过由数据采集模块和微处理器模块组成的硬件设计方案,设计并研制了可对被测食物进行实时、无损检测的电子鼻系统。在软件设计方案上,该系统采用主成分分析(PCA)和反向传播(BP)混合神经网络模式,通过LabVIEW对气体"指纹信息"数据库进行分析。实验结果表明:该设计的电子鼻系统可以很好地区分不同种类的食醋,并提供了一种对食醋品质评价的便利方法。

龙井茶叶品质的电子鼻检测方法

针对茶叶品质感官审评的不足,采用电子鼻检测手段,对4个不同等级的龙井茶作等级判别。对传感器信号进行多因素方差分析得出:不同容器容积和不同采样时刻对传感器的响应信号有着显著的影响。通过主成分(PCA)、线性判别(LDA)和BP神经网络方法对各茶叶样品进行了分类判别。PCA对于等级差别较近的茶叶区分结果不太理想;而LDA相对于PCA有较好的区分效果;设计BP神经网络拓扑结构为30-12-4,通过对网络进行适当训练,总的测试回判率可达到90%。

电子鼻传感器阵列优化与谷物霉变程度的检测

研制一套适合对谷物霉变进行检测的电子鼻系统,对6个霉变程度的稻谷进行了检测.主成份(PCA)分析结果显示6个霉变程度的稻谷是可以区分的,对前三个主成分的载荷因子进行分析去掉冗余传感器,PCA分析结果显示去掉冗余传感器并不影响分类结果.最后用BP神经网络对所得的数据进行模式识别,30组测试样本对霉变菌落总数的预测结果平均相对误差为1.01030,最大相对误差为3.94257.实验结果表明系统对稻谷霉变程度的检测具有很高的分析精度.

基于电子鼻技术的花椒品种鉴别方法研究

针对不同花椒品种的快速鉴别方法进行研究,以花椒的气味信息检测为研究对象,利用自行研制的电子鼻系统采集了6类花椒样品气味数据,对这些数据样本进行特征提取,得到了56组训练样本和32组测试样本。利用BP神经网络、概率神经网络和支持向量机对特征数据进行鉴别,正确识别率分别为89.58%、93.23%、94.27%,相对于BP神经网络和概率神经网络识别,支持向量机具有更好的分类效果。本文研制的电子鼻系统能无损、快速、准确鉴别花椒的品种,为农产品无损检测的研究提供了一种新的思路。

茶叶中茶多酚含量电子鼻技术检测模型研究

为探索茶叶茶多酚含量的快速检测方法,利用电子鼻技术对3个品质等级信阳毛尖茶的挥发性气味进行了研究.采用多元线性回归、二次多项式逐步回归分析和BP神经网络分别建立传感器信号和信阳毛尖茶的茶多酚含量之间的预测模型,并用测试集样本对模型进行验证.试验结果表明,3种模型茶多酚含量预测值与实测值之间的相关系数分别为0.86,0.90和0.92;预测标准误差分别为0.61,0.5和0.14;平均误差分别为2.5%,1.5%和1.0%.3种建模方法对茶多酚含量的预测结果都很好,最优模型为BP神经网络.研究结果表明电子鼻技术结合有效地模式识别方法可以用于茶叶理化成分的快速检测.

电子鼻技术在茶叶品质检测中的应用研究

以电子鼻作为检测手段,对同类不同等级的茶叶、茶水和茶底挥发性成分进行检测,并对采集到的数据进行分析。首先通过主成分分析进行特征提取来压缩数据维数,减少数据计算量,进而优化特征向量。然后采用线性判别和BP神经网络的方法对茶叶的不同等级进行分类判别。结果显示,误判样本都发生在T60和T100之间,两种判别方法结果比较一致。相对于茶叶和茶底,以各等级茶水为研究对象时,两种方法对茶叶品质等级的判别及测试结果相对都比较好。

基于遗传优化神经网络的电子鼻对可乐的检测

采用遗传学习算法和误差反向传播(BP)算法相结合的混合算法来训练前馈人工神经网络,从而提高神经网络的收敛质量和收敛速度,并将此算法运用到电子鼻对可乐的检测上.与经典BP网络及附加动量项BP网络的训练与预测进行了比较,结果显示:遗传优化BP算法具有预测精度高、收敛速度快及运行时间短的优点,是一种快速、可靠的方法.

嗅觉神经网络在电子鼻识别多品牌绿茶中的应用研究

生物模式识别机理引入人工嗅觉系统将提高其仿生化程度,并被认为是有前途的传感阵列信息处理方法。本文尝试将一种嗅觉神经网络应用到电子鼻检测和识别多种品牌的绿茶气味。通过包含8个MOS型气敏传感器的自制电子鼻仪器,测量了来着不同地方的5种不同品牌的绿茶样品,在传感阵列信号稳态部分提取特征向量,并使用雷达图考察指纹图谱异同,验证传感阵列及特征提取方法的有效性。采用生物相似性学习算法训练该神经网络,考察了样本训练次数和识别率的关系,发现经过4～7次训练,该网络对这5种绿茶的识别率平均值都在97%以上。

霉变玉米中玉米赤霉烯酮和黄曲霉毒素B1含量电子鼻检测模型的构建

为建立霉变玉米中玉米赤霉烯酮和黄曲霉毒素B1的电子鼻检测方法,首先以电子鼻对7级不同霉变程度玉米响应信号的积分值作为特征参量,然后分别利用主成分回归、偏最小二乘回归、BP(back-propagation)神经网络、最小二乘支持向量机等方法建立霉变玉米中玉米赤霉烯酮与黄曲霉毒素B_1含量的预测模型,并进行了比较分析。结果表明,主成分回归预测精度最差,偏最小二乘回归较差、BP神经网络和最小二乘支持向量机法比较好。对于玉米赤霉烯酮,4种预测模型70个样本中相对误差控制在5%以内的样本数分别为23、45、63、67个。对于黄曲霉毒素B1,4种预测模型70个样本中相对误差控制在5%以内的样本数分别为19、41、62、65个。同时,变换不同的训练集和测试集以考察BP神经网络、最小二乘支持向量机建模方法的稳健性,结果表明,在BP神经网络结构和最小二乘支持向量机核函数与核函数参数均未发生改变的条件下,两种建模方法依然有较高的预测精度,这说明了两种模型具有较高的稳健性。

基于电子鼻技术的黄山毛峰茶品质检测方法

为了更加客观地评价黄山毛峰茶的品质,提出了一种利用电子鼻技术对黄山毛峰茶品质检测的方法。选择4种不同品质等级的茶叶,首先根据传感器响应选择特征变量,然后以这些特征变量作为BP神经网络的输入,建立茶叶品质等级的3层网络预测模型。实验结果表明,本文建立的模型对于训练样本识别准确率为100%,对测试样本识别准确率为89.3%,表明应用电子鼻技术检测黄山毛峰茶品质具有可行性。

自制电子鼻检测霉变大米

为对不同霉变程度的大米实现快速鉴别,研制了一套以LabVIEW为平台用于检测大米霉变的电子鼻系统。通过霉菌孢子液侵染正常大米,使用该电子鼻系统对不同天数掺入不同比例霉米的大米样品挥发物进行检测,对采集数据进行主成分分析(PCA)、线性判别分析(LDA),最后使用反向传播(back propagation,BP)神经网络建立预测模型。结果表明,得分图显示正常大米和霉变大米挥发物差异性显著,LDA分类效果优于PCA;所建立的模型预测值和实际值相关性达0.953以上,训练集和测试集平均相对误差分别为3.56%、4.18%,训练集和测试集对于正常大米样本识别率为100%。综上,电子鼻系统可以作为霉变大米无损检测的有效手段,在大米品质鉴别方面具有实际应用意义。

电子鼻传感技术在辣椒料气味等级检测中的应用

针对辣椒料气味等级快速区分的方法进行研究,以辣椒料的气味信息检测为研究对象,根据强弱将辣椒料气味分为4个等级,分别是0级(无气味)、1级(极微弱)、2级(弱)、3级(明显)。利用电子鼻系统采集4种不同辣椒料样品的气味数据,对这些数据进行特征提取。利用BP神经网络对数据进行鉴别,正确识别率为94.23%,该研究利用电子鼻技术快速、准确地判断辣椒料气味等级。

香油精电子鼻快速检测系统的设计

为实现香油精的快速检测,研制了一套能够实时、准确地进行香油精检测的系统。该系统主要由数据采集部分和数据处理部分组成。数据采集部分采用了气体传感器阵列和上位机结合的方式,数据处理部分用Matlab训练了一个3层BP神经网络。在实验过程中,配制了8个不同比例的香油精样本,用标准样本进行了神经网络的训练,测试样本进行了验证。该系统为香油精的快速检测方法的研究提供了依据,据有一定的实用价值。