一种高准确性茶叶香气类型和品质的模式识别检测方法技术

本发明专利技术公开了一种高准确性茶叶香气类型和品质的模式识别检测方法。通过气敏传感器采集已知、未知类型和品质的茶叶香气的香气数据，经特定处理获得样本向量；根据所有已知的不同类型和品质的茶叶香气构建模式识别模型；用模式识别模型识别未知类型和品质的茶叶香气的样本向量和已知类型和品质的茶叶香气的样本向量之间的相似性，根据相似性结果优化重复步骤重新构建模式识别模型，取相似性最高的茶叶香气的类型和品质作为识别结果。本发明专利技术适用于快速、准确、同步地得到茶叶的类型和品质，克服了相同类型不同品质的茶叶香气差异不大，难以准确识别的难点，扩大了检测适用范围，提高了检测准确性。

A high accuracy pattern recognition method for detecting aroma types and quality of tea

The invention discloses a pattern recognition and detection method for high accuracy aroma type and quality of tea. The aroma of the type and quality of gas sensor data acquisition known and unknown tea aroma, the specific process of the sample vectors; according to all known different types and qualities of tea aroma construct pattern recognition model; with the similarity between the sample vector pattern recognition model to identify the unknown type and quality of tea aroma samples and known the type and quality of the tea aroma, according to the similarity of the optimization results of repeat steps to build the model of recognition model, take the similar type and quality of tea aroma of the highest as the recognition results. The invention is suitable for rapid and accurate synchronization type and quality of tea, tea aroma of different quality overcomes the same type of small, it is difficult to accurately identify and expand the scope of detection, improve the detection accuracy.

【技术实现步骤摘要】
一种高准确性茶叶香气类型和品质的模式识别检测方法
本专利技术涉及了一种模式识别优化方法，尤其是涉及了一种高准确性茶叶香气类型和品质的模式识别检测方法。
技术介绍
模式识别的方法多种多样，常用的包括PCA、LDA、BP神经网络等。而选取的方法是否高效准确，常常取决于数据有何特点。茶叶香气被电子鼻采集形成电信号数据，由于数据是由几个气敏传感器测得的，所以该数据可以通过预处理降维至与传感器数目构成倍数关系的维数。因此茶叶香气数据具有维数不大，样本采集成本较高的特点，使用PCA或LDA法进行识别可以满足要求。然而，茶叶香气的另一特点是不同类型间差异很大，同一类型的不同品质间差异不大。如果希望同时识别出茶叶的类型和品质，则需要不同类型以及相同类型不同品质的茶叶香气数据在同一模式识别模型下有相近的分辨率，这与数据的特点相矛盾；或提高模式识别模型整体的分辨率，但这对样本数量、质量以及测量误差都有着很高的要求。
技术实现思路
为了解决
技术介绍
中存在的问题，本专利技术提出了一种高准确性检测茶叶类型和品质的模式识别优化方法，通过改变预处理方法和模式识别方法建立多个模式识别模型，并通过改变限定条件对模型进行优化，从而获得一个或多个观察样本数据在模型中分布的角度，减少与待测茶叶差异较大的样本对建模的干扰，得到更加准确的模型。本专利技术的技术方案包括如下步骤：1)通过气敏传感器采集已知类型和品质的茶叶香气的香气数据，针对每一类型的茶叶香气采集有不同品质的香气数据，每个类型下每个品质的茶叶香气的数据值均经特定处理获得样本向量，并存入数据库；2)通过气敏传感器采集未知类型和品质的茶叶香气的香气数据，经特定处理获得样本向量；3)根据所有已知的不同类型和品质的茶叶香气构建模式识别模型；4)用模式识别模型识别未知类型和品质的茶叶香气的样本向量与已知类型和品质的茶叶香气的样本向量之间的相似性，获得相似性结果；5)根据相似性结果优化重复步骤重新构建模式识别模型，直至相似性结果达到要求；6)判断数据库中是否存在与未知茶叶香气的类型和品质相匹配的已知茶叶香气：若存在，则取相似性最高的茶叶香气的类型和品质作为识别结果，作为未知茶叶香气的类型和品质；否则认为数据库中不包含未知茶叶香气所属的类型和品质。所述步骤1)和2)中经特定处理获得样本向量具体是：针对每个传感器，求取传感器采集到原始数据的均值或方差最大时刻对应的电压值，作为样本向量。均值为每个传感器在60s内电压值的均值。方差最大对应时刻的电压值具体采用以下方式获得：针对传感器的每个采集时刻，计算该时刻所有已知类型和品质的茶叶香气的香气数据电压值的方差，取方差最大所在的时刻的传感器电压值。具体解释如何求方差最大对应时刻。例如：步骤1共有5种已知类型和品质的茶叶香气，每种茶叶香气对应8个传感器，因此每秒能得到8个电压值，5种已知类型和品质的茶叶香气每秒共能得到40个电压值。假设检测时间为60秒，则计算第一秒的40个电压值的方差，第二秒的40个电压值的方差，以此类推直至第60秒。得到的60个方差取最大值，对应的时刻为方差最大对应时刻。所述步骤2)的模式识别模型是采用PCA(主成分分析)法或LDA(线性判别分析)法对数据进行分别处理获得的PCA(主成分分析)模型或LDA(线性判别分析)模型。所述步骤4)具体为：4.1)未知类型和品质的茶叶香气的一个样本向量和不同已知类型的茶叶香气的多个样本向量分别与模式识别模型相乘后获得二维坐标，再将所有获得的各个二维坐标绘制在直角坐标系上；4.2)求取每一已知类型的茶叶香气对应的多个二维坐标的均值作为该类型的茶叶香气的样本坐标中心，以未知类型和品质的茶叶香气对应的二维坐标分别和各个已知类型的茶叶香气对应的样本坐标中心之间距离中的最小值作为最小距离d；4.3)以未知类型和品质的茶叶香气对应的二维坐标作为圆心，以最小距离d的M倍为半径构建圆，样本坐标中心在所述圆范围内所对应的茶叶香气与未知类型和品质的茶叶香气相似，去除不相似的茶叶香气对应的数据，保留相似的茶叶香气对应的数据，未知类型和品质的茶叶香气对应的二维坐标分别和已知类型的茶叶香气对应的样本坐标中心之间距离越近表示相似性越高，获得相似性结果。具体实施的M为一个事先确定的定常数。所述步骤5)具体为：取相似的茶叶香气重复步骤3)和步骤4)，直至相似性结果达到要求。相似性结果达到要求是指剩余茶叶香气只有一个已知类型的茶叶香气与类型和品质的茶叶香气相似，或者剩余茶叶香气所有已知类型的茶叶香气与类型和品质的茶叶香气相似。即使得达到具有一个相似结果或者所有结果同时相似的情况。所述步骤6)具体为：取各个二维坐标到各自对应所属的样本坐标中心之间距离的最大值作为最大半径r，若未知类型的茶叶香气对应的二维坐标到各个已知类型的茶叶香气对应的样本坐标中心之间距离的最小值大于最大半径r的N倍，则数据库中不包含未知茶叶香气所属的类型和品质；否则以样本坐标中心到未知类型的茶叶香气对应的二维坐标之间距离最小所对应的茶叶香气类型作为未知茶叶香气的类型。具体实施的N为一个事先确定的定常数。由于本专利技术的样本向量可以采用两种方式获得，模式识别模型也可以采用两种方式获得，因此通过实施本专利技术可以建立不同的模型并得到识别结果，具体分别为均值-PCA法、均值-LDA法、最大方差时刻电压值-PCA法、最大方差时刻电压值-LDA法共4种方式，分别建立并迭代处理所得到的相似性最高的种类，每个模型均能够准确识别茶叶香气的种类。本专利技术在实施例利用乌龙茶、红茶、毛尖、碧螺春以及龙井特级、一级、二级共7个种类的茶作为数据库样本，另一龙井一级样本作为待测样本即假设其类别未知，检测该待测样本来验证本专利技术的合理性和准确性。本专利技术的有益效果是：本专利技术在传统模式识别方法的基础上采用缩小建模范围、投票法等创新方法，实现快速、准确、同步地检测茶叶的类型和品质，克服了相同类型不同品质的茶叶香气差异不大，难以准确识别的难点，扩大了检测适用范围，提高了检测准确性。附图说明图1为本专利技术模式识别优化方法的流程框图；图2为实施例第一次建立的模型后数据库中样本及待测样本对应的二维坐标的分布图。图3为实施例第二次重新建立的新模型后四种类样本及待测样本对应的二维坐标的分布图。图4为实施例第三次重新建立的新模型后三种类样本及待测样本对应的二维坐标的分布图。具体实施方式下面结合附图和实施例对本专利技术作进一步说明。本专利技术的实施例如下：1)采集并处理已知种类茶叶香气样本后存入数据库中已有的茶叶种类包括：乌龙茶、红茶、毛尖、碧螺春以及龙井特级、一级、二级共7种。将这7种茶叶从1至7依次编号。每个种类取5份样品，每份5g，用250ml100℃沸腾适当的纯净水冲泡。冲泡5分钟后，茶水滤出，在500ml的烧杯中将茶底密封静置45min，使烧杯顶空富集茶叶挥发性成分，同时进行冷却以减少烧杯内水蒸气。静置时室温为25±1℃，湿度为80±2％。抽取烧杯中的气体进入电子鼻腔体，以采集茶叶香气数据。电子鼻由8个传感器构成，每秒每个传感器读一次数，检测时间为60s。因此原始数据为60*8＝480维。首先采用均值法处理原始数据，求每个传感器在60s内电压值的均值，从而将数据降为8维。采集并处理共7*5＝35份样品后，将处理后的数据存入一张数本文档来自技高网...

【技术保护点】
一种高准确性茶叶香气类型和品质的模式识别检测方法，其特征在于包括如下步骤：1)通过气敏传感器采集已知类型和品质的茶叶香气的香气数据，针对每一类型的茶叶香气采集有不同品质的香气数据，每个类型下每个品质的茶叶香气的数据值均经特定处理获得样本向量，并存入数据库；2)通过气敏传感器采集未知类型和品质的茶叶香气的香气数据，经特定处理获得样本向量；3)根据所有已知的不同类型和品质的茶叶香气构建模式识别模型；4)用模式识别模型识别未知类型和品质的茶叶香气的样本向量与已知类型和品质的茶叶香气的样本向量之间的相似性，获得相似性结果；5)根据相似性结果优化重复步骤重新构建模式识别模型，直至相似性结果达到要求；6)判断数据库中是否存在与未知茶叶香气的类型和品质相匹配的已知茶叶香气：若存在，则取相似性最高的茶叶香气的类型和品质作为识别结果，作为未知茶叶香气的类型和品质；否则认为数据库中不包含未知茶叶香气所属的类型和品质。

【技术特征摘要】
1.一种高准确性茶叶香气类型和品质的模式识别检测方法，其特征在于包括如下步骤：1)通过气敏传感器采集已知类型和品质的茶叶香气的香气数据，针对每一类型的茶叶香气采集有不同品质的香气数据，每个类型下每个品质的茶叶香气的数据值均经特定处理获得样本向量，并存入数据库；2)通过气敏传感器采集未知类型和品质的茶叶香气的香气数据，经特定处理获得样本向量；3)根据所有已知的不同类型和品质的茶叶香气构建模式识别模型；4)用模式识别模型识别未知类型和品质的茶叶香气的样本向量与已知类型和品质的茶叶香气的样本向量之间的相似性，获得相似性结果；5)根据相似性结果优化重复步骤重新构建模式识别模型，直至相似性结果达到要求；6)判断数据库中是否存在与未知茶叶香气的类型和品质相匹配的已知茶叶香气：若存在，则取相似性最高的茶叶香气的类型和品质作为识别结果，作为未知茶叶香气的类型和品质；否则认为数据库中不包含未知茶叶香气所属的类型和品质。2.根据权利要求1所述的一种高准确性检测茶叶类型和品质的模式识别优化方法，其特征在于：所述步骤1)和2)中经特定处理获得样本向量具体是：针对每个传感器，求取传感器采集到原始数据的均值或方差最大时刻对应的电压值，作为样本向量。3.根据权利要求1所述的一种高准确性检测茶叶类型和品质的模式识别优化方法，其特征在于：所述步骤2)的模式识别模型是采用PCA(主成分分析)法或LDA(线性判别分析)法对数据进行分别处理获得的PCA(主成分分析)模型或LDA(线性判别分析)模型。4.根据权利要求1所述的一种高准确性检测茶叶类型和品质的模式识别优化方法，其特征在于：所...

【专利技术属性】
技术研发人员：王进，于润泽，费少梅，常美茁，林海裕，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江,33