基于电子鼻的气味识别方法、装置和电子鼻系统制造方法及图纸

本发明专利技术涉及一种基于电子鼻的气味识别方法、装置和电子鼻系统，其中方法包括：获取电子鼻系统采集的多个气味样品的检测数据；对各个气味样品的检测数据进行分解，得到各个气味样品的吸附质量矩阵、各个气味样品中气味分子在电子鼻系统中的各个传感器上的吸附量缩放矩阵和气味分子特征矩阵；根据各个气味样品的吸附质量矩阵、吸附量缩放矩阵和气味分子特征矩阵，分别构建各个气味样品的抽象气味因子图；计算两两气味样品的抽象气味因子图之间的相似度；根据两两气味样品的所述相似度，识别两两气味样品是否为相同气味的样品。上述方法具有预处理简单、检测周期短、检测成本低的优点，能够实现对相似度和复杂度高的不同气味样品的高精准度地识别。

【技术实现步骤摘要】
基于电子鼻的气味识别方法、装置和电子鼻系统
本专利技术涉及电子鼻
，特别是涉及一种基于电子鼻的气味识别方法、装置和电子鼻系统。
技术介绍
气味的识别与人类的生活息息相关。在食物品质判别、工业生产、环境监测、安全监控、疾病诊断等方面都会涉及气味识别。目前，应用于复杂气味样品识别的方法主要是依靠气相色谱分析方法和气质联用分析技术。但是，这些方法，在分析复杂气味样品时常常需要复杂的前处理步骤，而且样品的分析周期较长，仪器的运行和维护成本较高。因此，这些方法存在是分析效率低而且分析成本高的缺点。电子鼻系统是自1982年起快速发展起来的一种新型的气味分析设备。相对气相色谱等气味样品分析设备，电子鼻系统具有样品前处理简单、响应灵敏，分析速度快、分析成本低等优点，因而在多个领域应用于气味识别。现有的电子鼻系统，在进行气味识别时，通常采用的气味识别方法例如主成分分析法(PrincipalComponentAnalysis，PCA)、判别因子分析法(DiscriminantFactorAnalysis，DFA)、簇类独立软模式分类法(SoftIndependentModelingofClassAnalogy，SIMCA)、统计质量控制分析法(StatisticalQualityControl，SQC)等，存在不符合电子鼻系统的响应机理，对不同气味的识别的精确度低的缺陷，一般只能识别一些简单的气味样品，或是差异性较大的气味样品。
技术实现思路
基于此，有必要针对现有的电子鼻系统在气味识别时精准度低的技术问题，提供一种基于电子鼻的气味识别方法、装置和电子鼻系统。一种基于电子鼻的气味识别方法，包括以下步骤：获取电子鼻系统采集的多个气味样品的检测数据；对各个气味样品的检测数据进行分解，得到各个气味样品的吸附质量矩阵、各个气味样品中气味分子在电子鼻系统中的各个传感器上的吸附量缩放矩阵和气味分子特征矩阵；根据各个气味样品的所述吸附质量矩阵、吸附量缩放矩阵和气味分子特征矩阵，分别构建各个气味样品的抽象气味因子图；计算两两气味样品的抽象气味因子图之间的相似度；根据两两气味样品的所述相似度，识别两两气味样品是否为相同气味的样品。上述基于电子鼻的气味识别方法，从电子鼻系统的检测数据中分解出吸附质量矩阵、吸附量缩放矩阵和气味分子特征矩阵作为提取的特征数据，并基于这些特征数据，生成抽象气味因子图，抽象气味因子图中即包含了气味的特征信息，将抽象气味因子图作为特征谱图，识别两个气味的特征谱图之间的相似度，根据相似度识别两种气味样品是否为相同气味的样品，具有预处理简单、检测周期短、检测成本低的优点，能够实现对相似度和复杂度高的不同气味样品的高精准度地识别。在一个实施例中，所述获取电子鼻系统采集的多个气味样品的检测数据包括：获取电子鼻系统采集的多个气味样品的检测数据；其中，所述电子鼻系统中含有k个传感器，在采集检测数据时，采集t个时间的数据，每个样品采集n个平行样，每个样品的检测数据组成一个t×k×n的三维数组。上述实施例的技术方案，将电子鼻系统中k个传感器在t个时刻采集的n个平行样的数据，生成一个t×k×n的三维数组，从而可以满足后续数据处理需求。在一个实施例中，所述获取电子鼻系统采集的多个气味样品的检测数据之后，还包括对各个气味样品的所述检测数据进行预处理的步骤；所述对各个气味样品的所述检测数据进行预处理的步骤包括：对采集的各个气味样品的检测数据组成的三维数组中的各个数据分别依照下式进行预处理：上式中，r为预处理得到的数据，St是时间t时电子鼻系统的传感器采集的瞬时响应值；S0是电子鼻系统的传感器采集的初始响应值；所述对各个气味样品的检测数据进行分解的步骤包括：对各个气味样品预处理后的检测数据进行分解。上述实施例的技术方案，通过选用合适的数据预处理方法，能够降低数据的复杂程度以及减少识别误差，从而得到更好的识别效果。在本专利技术的实施例中，除了通过上述技术方案对数据进行预处理之外，在分析电子鼻数据时需要对采集到的信号进行扣除基线、降低噪声、漂移补偿和压缩信息等预处理方法以获得较好的数据分析结果，有效提升数据处理的准确性。在一个实施例中，所述对各个气味样品的检测数据进行分解，得到各个气味样品的吸附质量矩阵、各个气味样品中气味分子在电子鼻系统中的各个传感器上的吸附量缩放矩阵和气味分子特征矩阵包括：根据电子鼻信号模型，对各个气味样品的所述三维数组依照下式进行分解，得到各个气味样品的吸附质量矩阵、各个气味样品中气味分子在电子鼻系统中的各个传感器上的吸附量缩放矩阵和气味分子特征矩阵：上式中，是三维数组的第i个切片，t是记录的时间点数，k是电子鼻的传感器数目，c是抽象分子种类数，p是抽象因子数；Ct×p是吸附质量矩阵；是吸附量缩放矩阵，表示第i个样品中每组抽象因子在各个传感器上的吸附比率；Γ(ck)×k是气味分子特征矩阵，其非零元素呈带状-对角化分布。上述实施例的技术方案，所述的电子鼻信号模型是根据MOS传感器响应原理推导而来的，通过电子鼻信号模型对各个气味样品的检测数据分解，更适用于分析基于MOS传感器阵列的电子鼻系统，能更有效地提取数据中的特征信息。在一个实施例中，所述根据各个气味样品的所述吸附质量矩阵、吸附量缩放矩阵和气味分子特征矩阵，分别构建各个气味样品的抽象气味因子图包括步骤：根据各个气味样品的所述吸附质量矩阵、吸附量缩放矩阵和气味分子特征矩阵，分别依照下式构建各个气味样品中的各个抽象因子的子气味因子图：上式中，气味样品的第j个抽象因子的子气味因子图，p为该气味样品中抽象因子的总数，cj是吸附质量矩阵的第j列，是吸附量缩放矩阵的第j行；将各个气味样品中的各个抽象因子的子气味因子图组装起来，得到各个气味样品的抽象气味因子图如下式所示：上式中，AOFM为气味样品的抽象气味因子图。在一个实施例中，所述计算两两气味样品的抽象气味因子图之间的相似度包括：计算每两个气味样品的抽象气味因子图之间的差异度矩阵如下式所示：ΔR*＝AOFMA-AOFMB上式中，AOFMA为其中一个气味样品A的抽象气味因子图，AOFMB为另一个气味样品B的抽象气味因子图，ΔR*为差异度矩阵；计算所述差异度矩阵中各个差异度数据的平均值如下式所示：上式中，m和n分别是差异度矩阵的总行数和总列数，ΔR*(i,j)为差异度矩阵中第i行第j列的差异度数据；根据每两个气味样品的所述平均值，计算该两个气味样品的抽象气味因子图之间的相似度如下式所示：POR＝α×LR其中，上式中，POR为两个气味样品的抽象气味因子图之间的相似度，H0为两个气味样品的抽象气味因子图之间的差异度为零的零假设，H1为两个气味样品的抽象气味因子图之间的差异度不为零的备择假设。通过上述实施例的技术方案，生成的各个样品的抽象气味因子图包含了该样品的气味的特征信息，因此可以作为特征谱图，用于气味识别。在一个实施例中，所述根据两两气味样品的所述相似度，识别两两气味样品是否为相同气味的样品包括：针对任意两个气味样品，分别判断该两个气味样品之间的相似度是否达到设定的阈值；若达到，则识别该两个气味样品为相同气味的样品；若未达到，则识别该两个气味样品为不同气味的样品。上述实施例的技术方案，通过设置合适的阈值，并通过计算的相似度与阈值比本文档来自技高网...

【技术保护点】
1.一种基于电子鼻的气味识别方法，其特征在于，包括：获取电子鼻系统采集的多个气味样品的检测数据；对各个气味样品的检测数据进行分解，得到各个气味样品的吸附质量矩阵、各个气味样品中气味分子在电子鼻系统中的各个传感器上的吸附量缩放矩阵和气味分子特征矩阵；根据各个气味样品的所述吸附质量矩阵、吸附量缩放矩阵和气味分子特征矩阵，分别构建各个气味样品的抽象气味因子图；计算两两气味样品的抽象气味因子图之间的相似度；根据两两气味样品的所述相似度，识别两两气味样品是否为相同气味的样品。

【技术特征摘要】
1.一种基于电子鼻的气味识别方法，其特征在于，包括：获取电子鼻系统采集的多个气味样品的检测数据；对各个气味样品的检测数据进行分解，得到各个气味样品的吸附质量矩阵、各个气味样品中气味分子在电子鼻系统中的各个传感器上的吸附量缩放矩阵和气味分子特征矩阵；根据各个气味样品的所述吸附质量矩阵、吸附量缩放矩阵和气味分子特征矩阵，分别构建各个气味样品的抽象气味因子图；计算两两气味样品的抽象气味因子图之间的相似度；根据两两气味样品的所述相似度，识别两两气味样品是否为相同气味的样品。2.根据权利要求1所述的基于电子鼻的气味识别方法，其特征在于，所述获取电子鼻系统采集的多个气味样品的检测数据包括：获取电子鼻系统采集的多个气味样品的检测数据；其中，所述电子鼻系统中含有k个传感器，在采集检测数据时，采集t个时间的数据，每个样品采集n个平行样，每个样品的检测数据组成一个t×k×n的三维数组。3.根据权利要求2所述的基于电子鼻的气味识别方法，其特征在于，所述获取电子鼻系统采集的多个气味样品的检测数据之后，还包括对各个气味样品的所述检测数据进行预处理的步骤；所述对各个气味样品的所述检测数据进行预处理的步骤包括：对采集的各个气味样品的检测数据组成的三维数组中的各个数据分别依照下式进行预处理：上式中，r为预处理得到的数据，St是时间t时电子鼻系统的传感器采集的瞬时响应值；S0是电子鼻系统的传感器采集的初始响应值；所述对各个气味样品的检测数据进行分解的步骤包括：对各个气味样品预处理后的检测数据进行分解。4.根据权利要求2或3所述的基于电子鼻的气味识别方法，其特征在于，所述对各个气味样品的检测数据进行分解，得到各个气味样品的吸附质量矩阵、各个气味样品中气味分子在电子鼻系统中的各个传感器上的吸附量缩放矩阵和气味分子特征矩阵包括：根据电子鼻信号模型，对各个气味样品的所述三维数组依照下式进行分解，得到各个气味样品的吸附质量矩阵、各个气味样品中气味分子在电子鼻系统中的各个传感器上的吸附量缩放矩阵和气味分子特征矩阵：上式中，是三维数组的第i个切片，t是记录的时间点数，k是电子鼻的传感器数目，c是分子种类数，p是抽象因子数；Ct×p是吸附质量矩阵；是吸附量缩放矩阵，表示第i个样品中每组抽象因子在各个传感器上的吸附比率；Γ(ck)×k是气味分子特征矩阵，其非零元素呈带状-对角化分布。5.根据权利要求2或3所述的基于电子鼻的气味识别方法，其特征在于，所述根据各个气味样品的所述吸附质量矩阵、吸附量缩放矩阵和气味分子特征矩阵，分别构建各个气味样品的抽象气味因子图包括步骤：根据各个气味样品的所述吸附质量矩阵、吸附量缩放矩阵和气味分子特征矩阵，分别依照下式构建各个气味样品中的各个抽象因子的子气味因...

【专利技术属性】
技术研发人员：甘峰，郭伟清，
申请(专利权)人：中山大学，
类型：发明
国别省市：广东,44