一種便攜式智能電子鼻系統及氣味識別方法技術方案

本發明專利技術提供一種便攜式智能電子鼻系統及氣味識別方法，實現自動檢測、智能識別及其可視化。一種便攜式智能電子鼻系統，包括氣敏傳感陣列、氣室、采樣泵、排廢泵、數據采集系統、智能識別系統和人機界面系統；氣敏傳感陣列由多個氣敏傳感器構成；采樣泵和排廢泵均與氣室連通；氣敏傳感陣列、數據采集系統、智能識別系統、人機界面系統依次電連接；采樣泵和排廢泵與數據采集系統電連接。一種便攜式智能電子鼻系統的氣味識別方法，在所述的智能識別系統中進行氣味識別，方法采用雷達圖分析、主成分PCA算法分析、多重判別MDA算法分析。

【技術實現步驟摘要】
一種便攜式智能電子鼻系統及氣味識別方法
本專利技術涉及一種便攜式智能電子鼻系統及氣味識別方法。
技術介紹
與現代分析儀器和嗅辨員相比，電子鼻因其快速、簡單、客觀和廉價等優點備受重視。經過三十多年研究積累，眾多商用電子鼻系統開始涌現，并在環境、食品和醫療等領域得到廣泛的探索性應用。盡管如此，電子鼻要走出實驗室真正進入生產生活，還有許多問題亟待解決，例如廣譜穩定的氣敏元件，魯棒通用的模式識別算法，以及低功耗、小型化、自動化等技術問題。電子鼻的小型化受技術、成本和功能等因素相互牽制，平衡結果是其通用性的降低。目前實驗研究使用的便攜式電子鼻原型或產品大都采用低端單片機，數據分析功能簡單，通常需要借助計算機完成模式識別，體積較大，限制了其應用場合。而嵌入式技術的發展允許電子鼻儀器內嵌操作系統，進而解決了復雜計算及結果可視化等問題，實現了不同程度的小型化。白福銘等在2009年第40期的《農業機械學報》公開了一種基于ARM9和WinCE操作系統的電子鼻，采集的數據傳入計算機端的BP神經網絡進行訓練和識別，并測試了不同品牌純牛奶和不同生產日期干酪的識別。張延軍等在2010年第4期《電子器件》第33卷中公開了一種基于ARM7和μC/OS-II操作系統的電子鼻，數據傳入計算機端先完成BP神經網絡訓練，再將網絡模型植回嵌入式系統用于識別，并測試了豬肉貯藏過程中的品質變化。李江勇等在2012年《計算機技術與發展》中公開了一種基于ARM9和嵌入式Linux操作系統的電子鼻用于數據采集，再利用計算機端MATLAB軟件分析數據實現多種氣味識別。這些系統都采用了高端處理器和操作系統來實現更復雜的功能，但仍需依賴計算機完成模式識別。
技術實現思路
本專利技術的目的在于克服現有技術中存在的上述不足，而提供一種設計合理的便攜式智能電子鼻系統及氣味識別方法，實現自動檢測、智能識別及其可視化。本專利技術解決上述問題所采用的技術方案是：一種便攜式智能電子鼻系統，其特征在于：包括氣敏傳感陣列、氣室、采樣泵、排廢泵、數據采集系統、智能識別系統和人機界面系統；氣敏傳感陣列由多個氣敏傳感器構成；采樣泵和排廢泵均與氣室連通；氣敏傳感陣列、數據采集系統、智能識別系統、人機界面系統依次電連接；采樣泵和排廢泵與數據采集系統電連接。本專利技術所述的數據采集系統由MSP430芯片構成。本專利技術所述的智能識別系統由ARM9芯片構成。本專利技術還包括計算機，計算機與智能識別系統電連接。一種便攜式智能電子鼻系統的氣味識別方法，其特征在于：在所述的智能識別系統中進行氣味識別，方法采用雷達圖分析、主成分PCA算法分析、多重判別MDA算法分析；雷達圖通過一系列射線和同心圓構建對象的多變量分布結構圖，特別適合初步分析所用氣敏傳感器是否冗余或特征提取方法是否合適；為了減小傳感器漂移影響，采用式1的差分法提取特征，即對各傳感器氣味響應穩態部分500個數據求平均值減去各自初始基線響應50個數據的平均值構成8維特征向量x(i)；在極坐標系將其繪制成封閉折線，便得到雷達圖；上述式1為：主成分PCA算法分析和多重判別MDA算法分析是在最小均方意義下尋找最優投影矩陣W，通過線性變換Y＝WTX將樣本從高維特征空間Ω投影到較低維的分類或特征空間Ψ；對于主成分PCA算法分析，通過最小化平方誤差準則函數J(ei)來求解ei，這組正交基構成了最優投影矩陣W；通過式2：可以證明ei可取自樣本協方差矩陣前k個較大特征值所對應的特征向量(d≥k)；主成分PCA算法分析流程如下：(1)、樣本矩陣X的每列減去它們的行向均值向量，得到(2)、計算樣本協方差矩陣(3)、采用Jacobi法計算C的特征值λi和特征向量ei；(4)、選出最大的k個特征值所對應的特征向量，構造d×k的投影矩陣W；(5)、通過Y＝WTX將樣本矩陣投影到上述k維子空間Ψ，取k＝2作二維PCA散點圖；對于多重判別MDA算法分析，通過讓投影后類間離散度與類內離散度的比值最大，即最大化Fisher線性可分準則函數J(W)來求解W：式中SB和SW分別為投影前的類間和類內散布矩陣；如果d≥c，那么W即由的前c-1個較大特征值對應的特征向量所構成；多重判別MDA算法分析流程如下：(1)、計算總類內散布矩陣式中為某個類別的中心；(2)、采用Gauss-Jordan消元法計算(3)、計算總類間散布矩陣式中為所有樣本的中心；(4)、采用Jacobi法計算的特征值λi和特征向量ei；(5)、由前c-1個較大特征值對應的特征向量構造d×(c-1)的投影矩陣W；(6)、通過Y＝WTX將樣本矩陣投影到上述c-1維子空間Ψ，取c＝3作二維MDA散點圖。因為在采用式1的差分法特征提取時已經對某個樣本進行了類別標記，可以求出這些模式類別在PCA或MDA投影空間Ψ中的模式中心，故可以在投影空間中計算未知樣本yx與這些模式中心的歐式距離D來判定氣味類別歸屬，歐式距離D計算公式為：其中本專利技術與現有技術相比，具有以下優點和效果：本專利技術內置了雷達圖分析、主成分分析和多重線性分析等方法，有利于多角度解析樣本數據，得到可靠的識別結果。系統結構靈活、功能通用、操作簡便，可滿足不同場景的現場檢測要求，可以實現對流控裝置的自動或手動控制、傳感陣列數據采集、在線或離線智能識別及相關結果的可視化。附圖說明圖1為本專利技術實施例便攜式智能電子鼻系統的結構示意圖。圖2為本專利技術嵌入式應用軟件的主界面圖。圖3a和圖3b為本專利技術實施例雷達圖上同一貨架期和不同貨架期葡萄揮發氣體的指紋圖譜。圖4為本專利技術實施例六組葡萄樣品在D1～D10不同貨架期的二維PCA散點圖。圖5為本專利技術實施例六組葡萄樣品在D1～D10不同貨架期的二維MDA散點圖。圖6為本專利技術實施例采用留一法考察PCA對E組葡萄樣品D8貨架期的識別結果。具體實施方式下面結合附圖并通過實施例對本專利技術作進一步的詳細說明，以下實施例是對本專利技術的解釋而本專利技術并不局限于以下實施例。參見圖1，一種便攜式智能電子鼻系統，包括氣敏傳感陣列1、氣室2、采樣泵3、排廢泵4、數據采集系統5、智能識別系統6、人機界面系統7和計算機8。氣敏傳感陣列1由多個氣敏傳感器構成，本專利技術中，用8種金屬氧化物半導體(MOS型)氣敏傳感器構建成氣敏傳感陣列1。氣敏傳感陣列1的所有傳感器及其接口電路集成于PCB板，且固定在氣室內兩側，并可以根據需要自由更換。采樣泵3和排廢泵4均與氣室2連通。氣敏傳感陣列1、數據采集系統5、智能識別系統6、人機界面系統7依次電連接。采樣泵3和排廢泵4與數據采集系統5電連接。計算機8與智能識別系統6電連接。計算機8只用于系統調試和高級分析，并非必需，整機尺寸為20cm×18cm×14cm。數據采集系統5由MSP430芯片構成，用于實時數據采集和控制，負責氣敏傳感器加熱控制、氣味響應信號獲取、采樣泵3和排廢泵4的定時控制等。智能識別系統6由ARM9芯片構成，負責模式識別和顯示，包括對數據采集系統5的控制、數據預處理、響應曲線顯示、模式識別及其可視化等，從而解除了普通電子鼻系統對計算機的依賴，滿足了現場檢測中便攜式、智能化和低成本要求。被分析氣味通過采樣泵3進入氣室2，靜止反應一段時間后，同時開啟采樣泵3和排廢泵4，用清潔空氣清洗氣室2，讓氣敏傳感器響應回復基線。傳感信號經過調理后，由M本文檔來自技高網...

【技術保護點】
一種便攜式智能電子鼻系統，其特征在于：包括氣敏傳感陣列、氣室、采樣泵、排廢泵、數據采集系統、智能識別系統和人機界面系統；氣敏傳感陣列由多個氣敏傳感器構成；采樣泵和排廢泵均與氣室連通；氣敏傳感陣列、數據采集系統、智能識別系統、人機界面系統依次電連接；采樣泵和排廢泵與數據采集系統電連接。

【技術特征摘要】
1.一種便攜式智能電子鼻系統，其特征在于：包括氣敏傳感陣列、氣室、采樣泵、排廢泵、數據采集系統、智能識別系統和人機界面系統；氣敏傳感陣列由多個氣敏傳感器構成；采樣泵和排廢泵均與氣室連通；氣敏傳感陣列、數據采集系統、智能識別系統、人機界面系統依次電連接；采樣泵和排廢泵與數據采集系統電連接。2.根據權利要求1所述的便攜式智能電子鼻系統，其特征在于：所述的數據采集系統由MSP430芯片構成。3.根據權利要求1所述的便攜式智能電子鼻系統，其特征在于：所述的智能識別系統由ARM9芯片構成。4.根據權利要求1所述的便攜式智能電子鼻系統，其特征在于：還包括計算機，計算機與智能識別系統電連接。5.一種權利要求1-4任一權利要求所述的便攜式智能電子鼻系統的氣味識別方法，其特征在于：在所述的智能識別系統中進行氣味識別，方法采用雷達圖分析、主成分PCA算法分析、多重判別MDA算法分析；雷達圖通過一系列射線和同心圓構建對象的多變量分布結構圖，適合初步分析所用氣敏傳感器是否冗余或特征提取方法是否合適；為了減小傳感器漂移影響，采用式1的差分法提取特征，即對各傳感器氣味響應穩態部分500個數據求平均值減去各自初始基線響應50個數據的平均值構成8維特征向量x(i)；在極坐標系將其繪制成封閉折線，便得到雷達圖；上述式1為：i＝1,2,...,8；主成分PCA算法分析和多重判別MDA算法分析是在最小均方意義下尋找最優投影矩陣W，通過線性變換Y＝WTX將樣本從高維特征空間Ω投影到較低維的分類或特征空間Ψ；對于主成分PCA算法分析，通過最小化平方誤差準...

【專利技術屬性】
技術研發人員：傅均，黃燦欽，
申請(專利權)人：浙江工商大學，
類型：發明
國別省市：浙江,33