电子鼻技术在苹果质量评定中的应用

提出了一种根据苹果气味对苹果进行无损检测的新方法，研制了一套适合苹果气味检测的电子鼻系统。对超市所购得的好坏苹果各50个进行了检测，在获得传感器阵列数据的基础上，从每个传感器曲线中提取了5个特征参数，将其作为模式识别的输入向量。由主成分分析对所测的数据处理结果看出，好坏苹果足可以区分的，但有一点重迭的地方。用遗传算法优化RBF神经网络．发挥各自的优点，使所建立的遗传RBF网络不但收敛速度快，而且识别精度高。网络对训练集的回判正确率和对测试集的测试正确率分别为100％和96．4％。试验证明该分类方法和电子鼻装置都是有效的，也适用于其他的水果。     

电子鼻技术及其在小麦霉变检测中的应用

研制了一套能够快速对小麦霉变进行识别的电子鼻检测系统,该系统通过分析小麦的气味,从而判断所测小麦是否霉变.该电子鼻检测系统由5只TGS2600系列的气敏传感器组成,通过从每个传感器的响应曲线中提取4个特征值,采用RBF神经网络进行模式识别处理.该系统能够快速准确评判小麦的霉变情况,网络正确识别率为93.3%.实验表明,该系统对小麦霉变与否的检测是可行的、有效的.     

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。     

电子鼻技术及其在小麦活性检测中的应用

研制了一套能快速对小麦活性进行识别的电子鼻检测系统。系统通过分析小麦的气味,对所测小麦的活性程度进行5个等级评判。该电子鼻检测系统由5只TGS2600系列的气敏传感器组成,从每个传感器的响应曲线中提取2个特征值,采用PNN神经网络来进行模式识别处理。系统能快速、准确评判小麦的霉变情况,网络正确识别率为91%。实验表明,该系统对小麦活性程度的检测是可行的、有效的。     

基于CycleGAN-IA方法和M-ConvNext网络的苹果叶片病害图像识别

针对苹果叶片病害图像识别存在数据集获取困难、样本不足、识别准确率低等问题,提出基于多尺度特征提取的病害识别网络(Multi-scale feature extraction ConvNext, M-ConvNext)模型。采用一种结合改进的循环一致性生成对抗网络与仿射变换的数据增强方法(Improved CycleGAN and affine transformation, CycleGAN-IA),首先,使用较小感受野的卷积核和残差注意力模块优化CycleGAN网络结构,使用二值交叉熵损失函数代替CycleGAN网络的均方差损失函数,以此生成高质量样本图像,提高样本特征复杂度;然后,对生成图像进行仿射变换,提高数据样本的空间复杂度,该方法解决了数据样本不足的问题,用于辅助后续的病害识别模型。其次,构建M-ConvNext网络,该网络设计G-RFB模块获取并融合各个尺度的特征信息,GELU激活函数增强网络的特征表达能力,提高苹果叶片病害图像识别准确率。最后,实验结果表明,CycleGAN-IA数据增强方法可以对数据集起到良好的扩充作用,在常用网络上验证,增强后的数据集可以有效提高苹果叶片病害图像识别准确率;通过消融实验可得,M-ConvNex识别准确率可达9918%,较原ConvNext网络准确率提高0.41个百分点,较ResNet50、MobileNetV3和EfficientNetV2网络分别提高3.78、7.35、4.07个百分点,为后续农作物病害识别提供了新思路。     

基于PSA-YOLO网络的苹果叶片病斑检测

为提高YOLOv4目标检测算法对苹果叶片小型病斑的检测性能,提出了一种PSA（金字塔压缩注意力）-YOLO算法。在CSPDarknet53的基础上融合了Focus结构和PSA机制,并采用网络深度减小策略,构建了参数量小、精确度高的PSA-CSPDarknet-1轻量化主干网络。其次在网络颈部,搭建了空间金字塔卷积池化模块,用极小的计算代价增强了对深层特征图的空间信息提取能力,并采用α-CIoU损失函数作为边界框损失函数,提高网络对高IoU阈值下目标的检测精度。根据实验结果,PSA-YOLO网络在苹果叶片病斑识别任务中的AP50达到88.2%。COCO AP@[0.5∶0.05∶0.95]达到49.8%,比YOLOv4提升3.5个百分点。网络对于小型病斑的特征提取能力提升幅度更大,小型病斑检测AP比YOLOv4提升3.9个百分点。在单张NVIDIA GTX TITAN V显卡上的实时检测速度达到69帧/s,相较于YOLOv4网络提升13帧/s。     

基于机器视觉的苹果识别和形状特征提取

提出了利用色差R-G和色差比(R-G)/(G-B)相结合的苹果识别方法.在顺光、逆光等不同情况下对拍摄的苹果图像进行了识别,并对识别后的图像进行消除噪声、区域填充等预处理,获得苹果的轮廓图像.针对轮廓图像,采用遗传算法进行形状特征提取.采取多次运行遗传算法,并依次转换目标轮廓点为背景点的方法,处理果实图像邻接、重叠问题.实验结果表明:苹果识别方法在一定程度上消除了阴影、逆光、土壤等影响,识别率达97%.基于遗传算法的形状特征提取方法,可对邻接、重叠图像进行有效分割,快速、准确地实现苹果图像圆心坐标和半径的提取.     

电子鼻技术在食品检测中的应用

随着嗅觉传感器技术的不断发展,电子鼻技术得到了广泛的研究与应用。电子鼻由气敏传感器阵列、信号处理子系统和模式识别子系统等3种功能器件组成。为此,阐述了电子鼻技术的结构组成,介绍了其在食品新鲜度检测、果蔬成熟度评价及饮料与酒类识别等轻工业中的应用现状与发展趋势,并指出了这些新技术实现过程中所需要解决的问题。     

基于KFDA的食醋电子鼻鉴别方法

为了提高6种食醋的鉴别正确率,引入了基于核变换的Fisher判别分析(KFDA)方法,以及基于矩阵相似性的核参数确定方法。在选取径向基函数(RBF)为核函数,并提取食醋样本电子鼻检测信号的积分值和相对稳态平均值2种特征参量的基础上,优化确定了对应于2种特征参量的RBF核参数值,分别为5.770 0和5.387 8。对比分析了Fisher判别分析(FDA)与KFDA的鉴别结果,积分值与相对稳态平均值2种特征参量的鉴别结果分别由FDA的93.3%、90.6%提高到KFDA的98.3%、98.3%,说明合适的KFDA方法可有效提高6种食醋样品的鉴别结果。     

基于ARM9的电子鼻系统设计与应用

提出了一种基于嵌入式电子鼻的设计方案,主要包括传感器阵列、模数转换和微处理器3大模块.采用Figaro公司TGS813、TGS825、TGS880 3个气敏传感器组成的传感器阵列采集样品信号;利用MAXIM公司的MAX1270芯片进行模数转换;CPU采用SAMSUNG公司的S3C2410微处理器,并在其上移植了WINCE操作系统.软件设计对采集信号进行对数拟合,采用引进BP神经网络对拟合后的曲线参数进行训练,建立模型并对样本进行识别.利用该系统对4种不同生产日期的意大利巴马臣干酪和3家公司的纯牛奶进行了测试,识别准确率均达到100%.结果表明该系统具有体积小、重量轻、使用方便灵活且识别准确率高等优点.     

无封装条件下牛奶存放质量电子鼻分

选用气敏传感器阵列动态响应中不同时刻的响应值来表征无封装牛奶测试样本,借助于主成分分析(PCA)、Fisher判别分析(FDA)研究了牛奶开封后不同存放天数的质量变化情况,并给出了最优表征区间.以最优表征区间响应值的平均值为样本的表征值,进行了牛奶质量的PCA、FDA分析.结果表明:无论是利用不同时刻的响应值或是平均值来表征样本,PCA、FDA均能鉴别出牛奶开封后的质量变化情况.因此,用电子鼻分析无封装条件下牛奶质量的变化是一种有效手段.     

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％。     

牛肉新鲜度的电子鼻检测技

为了简单、快捷、准确地检测牛肉新鲜度,建立了电子鼻检测系统.根据牛肉产生的气味和传感器实验,合理地选用了气敏传感器阵列.为提高电子鼻传感器灵敏度,对购置的传感器进行了改进.利用生物嗅觉的研究成果,开发出仿生嗅觉鼻道结构.为了提高电子鼻系统小样本训练的识别率,提出了用支持向量机(SVM)算法识别牛肉新鲜度的方法.应用电子鼻系统对储藏7 d不同新鲜度的牛肉进行了识别实验,识别率达到99.25%.结果表明电子鼻检测牛肉新鲜度是可行的.     

电子鼻数据的预处理技术与应用

针对电子鼻的数据特点,提出用一个3维数组保存电子鼻的数据;采用6点平滑方法去除传感器的噪声;在基线校正中,首先通过二阶导数大于零和连续一阶导数大于零的方法找到样本反应起始点,然后减去环境响应值并提取相同长度的数据段,以提高电子鼻的精度和可重复性。对预处理前后的电子鼻数据中提出的特征进行主成分分析发现,预处理后的主成分结果所含的有用信息更多,而且可以很好地区分红富士和姬娜两种不同香味的苹果。     

基于高光谱与电子鼻融合的番石榴机械损伤识别方法

提出了一种基于高光谱与电子鼻融合的水果机械损伤识别方法。分别采用高光谱仪与电子鼻对无损伤、轻度机械损伤和重度机械损伤的番石榴进行采样,提取特征信息后,运用主成分分析(PCA)、线性判别分析(LDA)、欧氏距离分析(ED)和模糊C均值聚类(FCM)对高光谱仪、电子鼻以及高光谱与电子鼻融合3种识别方法的识别效果进行了对比。PCA和LDA的分析结果表明,高光谱与电子鼻识别番石榴机械损伤是可行的,但单独采用这两种识别方法均无法对番石榴机械损伤程度进行分级。采用高光谱与电子鼻融合方法,结合LDA分析可以较好地识别番石榴机械损伤程度,比单一识别方法具有更好的识别效果。此外,LDA比PCA对番石榴机械损伤识别效果更佳。根据PCA、LDA和ED分析结果可以推测多源信息融合的分类识别方法既可获取更多的样本信息,提高相同样本之间的聚类性,又可较多地保持单一分类识别方法得到的不同样本之间的最大距离。根据FCM分析结果,高光谱识别、电子鼻识别和高光谱与电子鼻融合识别3种方法对番石榴机械损伤识别的正确率分别为89.74%、82.05%和97.44%,验证了多源信息融合方法对提高水果机械损伤识别效果的可行性。     

不同处理工艺杨梅果汁风味成分的电子鼻检测

为评价不同处理方法对杨梅果汁风味的影响,利用电子鼻PEN3系统对杨梅原汁、原汁离心澄清处理以及自制的共混改性聚砜膜（孔径小于100nm）除菌澄清处理的3种不同杨梅果汁芳香成分进行检测分析。通过电子鼻系统动态采集杨梅果汁芳香成分并得到其响应值,再利用主成分分析法、线性判别法进行数据分析,结果表明利用电子鼻能够无损检测不同处理工艺的杨梅果汁风味成分。     

电子鼻检测鲢鱼新鲜度的试验参数优

以虚拟仪器和仿生嗅觉技术为基础,用储藏在4℃的鲢鱼为样品,用自行研制的四气体传感阵列的电子鼻测量系统研究了采样方式、采样时间和样品质量对新鲜度测量的影响,采用PCA(主成分)对试验结果进行分析.试验结果表明,改进的自由扩散法可以代替传统顶空生成法的采样方式,简化了测量系统;确定最佳测量条件为样品质量60g、自由扩散法采样和连续采集5min.     

牛肉品质检测中电子鼻参数的优化

以牛肉为研究对象,采用电子鼻技术考察实验参数——顶空空间、样品质量和顶空生成时间对电子鼻传感器响应信号的影响。选取传感器信号峰值和稳定值进行分析,通过方差分析观察单个传感器以及整个传感器阵列对不同参数的响应情况,同时结合主成分分析、线性判别分析得出较佳顶空空间为500mL、样品质量为25g、顶空生成时间为5min,并应用此参数进行电子鼻对储藏0、3、5、7、10、12、14d牛肉样品的检测,逐步判别分析正确率为98.57%。