一种便携式智能电子鼻系统及气味识别方法技术方案

本发明专利技术提供一种便携式智能电子鼻系统及气味识别方法，实现自动检测、智能识别及其可视化。一种便携式智能电子鼻系统，包括气敏传感阵列、气室、采样泵、排废泵、数据采集系统、智能识别系统和人机界面系统；气敏传感阵列由多个气敏传感器构成；采样泵和排废泵均与气室连通；气敏传感阵列、数据采集系统、智能识别系统、人机界面系统依次电连接；采样泵和排废泵与数据采集系统电连接。一种便携式智能电子鼻系统的气味识别方法，在所述的智能识别系统中进行气味识别，方法采用雷达图分析、主成分PCA算法分析、多重判别MDA算法分析。

【技术实现步骤摘要】
一种便携式智能电子鼻系统及气味识别方法
本专利技术涉及一种便携式智能电子鼻系统及气味识别方法。
技术介绍
与现代分析仪器和嗅辨员相比，电子鼻因其快速、简单、客观和廉价等优点备受重视。经过三十多年研究积累，众多商用电子鼻系统开始涌现，并在环境、食品和医疗等领域得到广泛的探索性应用。尽管如此，电子鼻要走出实验室真正进入生产生活，还有许多问题亟待解决，例如广谱稳定的气敏元件，鲁棒通用的模式识别算法，以及低功耗、小型化、自动化等技术问题。电子鼻的小型化受技术、成本和功能等因素相互牵制，平衡结果是其通用性的降低。目前实验研究使用的便携式电子鼻原型或产品大都采用低端单片机，数据分析功能简单，通常需要借助计算机完成模式识别，体积较大，限制了其应用场合。而嵌入式技术的发展允许电子鼻仪器内嵌操作系统，进而解决了复杂计算及结果可视化等问题，实现了不同程度的小型化。白福铭等在2009年第40期的《农业机械学报》公开了一种基于ARM9和WinCE操作系统的电子鼻，采集的数据传入计算机端的BP神经网络进行训练和识别，并测试了不同品牌纯牛奶和不同生产日期干酪的识别。张延军等在2010年第4期《电子器件》第33卷中公开了一种基于ARM7和μC/OS-II操作系统的电子鼻，数据传入计算机端先完成BP神经网络训练，再将网络模型植回嵌入式系统用于识别，并测试了猪肉贮藏过程中的品质变化。李江勇等在2012年《计算机技术与发展》中公开了一种基于ARM9和嵌入式Linux操作系统的电子鼻用于数据采集，再利用计算机端MATLAB软件分析数据实现多种气味识别。这些系统都采用了高端处理器和操作系统来实现更复杂的功能，但仍需依赖计算机完成模式识别。
技术实现思路
本专利技术的目的在于克服现有技术中存在的上述不足，而提供一种设计合理的便携式智能电子鼻系统及气味识别方法，实现自动检测、智能识别及其可视化。本专利技术解决上述问题所采用的技术方案是：一种便携式智能电子鼻系统，其特征在于：包括气敏传感阵列、气室、采样泵、排废泵、数据采集系统、智能识别系统和人机界面系统；气敏传感阵列由多个气敏传感器构成；采样泵和排废泵均与气室连通；气敏传感阵列、数据采集系统、智能识别系统、人机界面系统依次电连接；采样泵和排废泵与数据采集系统电连接。本专利技术所述的数据采集系统由MSP430芯片构成。本专利技术所述的智能识别系统由ARM9芯片构成。本专利技术还包括计算机，计算机与智能识别系统电连接。一种便携式智能电子鼻系统的气味识别方法，其特征在于：在所述的智能识别系统中进行气味识别，方法采用雷达图分析、主成分PCA算法分析、多重判别MDA算法分析；雷达图通过一系列射线和同心圆构建对象的多变量分布结构图，特别适合初步分析所用气敏传感器是否冗余或特征提取方法是否合适；为了减小传感器漂移影响，采用式1的差分法提取特征，即对各传感器气味响应稳态部分500个数据求平均值减去各自初始基线响应50个数据的平均值构成8维特征向量x(i)；在极坐标系将其绘制成封闭折线，便得到雷达图；上述式1为：主成分PCA算法分析和多重判别MDA算法分析是在最小均方意义下寻找最优投影矩阵W，通过线性变换Y＝WTX将样本从高维特征空间Ω投影到较低维的分类或特征空间Ψ；对于主成分PCA算法分析，通过最小化平方误差准则函数J(ei)来求解ei，这组正交基构成了最优投影矩阵W；通过式2：可以证明ei可取自样本协方差矩阵前k个较大特征值所对应的特征向量(d≥k)；主成分PCA算法分析流程如下：(1)、样本矩阵X的每列减去它们的行向均值向量，得到(2)、计算样本协方差矩阵(3)、采用Jacobi法计算C的特征值λi和特征向量ei；(4)、选出最大的k个特征值所对应的特征向量，构造d×k的投影矩阵W；(5)、通过Y＝WTX将样本矩阵投影到上述k维子空间Ψ，取k＝2作二维PCA散点图；对于多重判别MDA算法分析，通过让投影后类间离散度与类内离散度的比值最大，即最大化Fisher线性可分准则函数J(W)来求解W：式中SB和SW分别为投影前的类间和类内散布矩阵；如果d≥c，那么W即由的前c-1个较大特征值对应的特征向量所构成；多重判别MDA算法分析流程如下：(1)、计算总类内散布矩阵式中为某个类别的中心；(2)、采用Gauss-Jordan消元法计算(3)、计算总类间散布矩阵式中为所有样本的中心；(4)、采用Jacobi法计算的特征值λi和特征向量ei；(5)、由前c-1个较大特征值对应的特征向量构造d×(c-1)的投影矩阵W；(6)、通过Y＝WTX将样本矩阵投影到上述c-1维子空间Ψ，取c＝3作二维MDA散点图。因为在采用式1的差分法特征提取时已经对某个样本进行了类别标记，可以求出这些模式类别在PCA或MDA投影空间Ψ中的模式中心，故可以在投影空间中计算未知样本yx与这些模式中心的欧式距离D来判定气味类别归属，欧式距离D计算公式为：其中本专利技术与现有技术相比，具有以下优点和效果：本专利技术内置了雷达图分析、主成分分析和多重线性分析等方法，有利于多角度解析样本数据，得到可靠的识别结果。系统结构灵活、功能通用、操作简便，可满足不同场景的现场检测要求，可以实现对流控装置的自动或手动控制、传感阵列数据采集、在线或离线智能识别及相关结果的可视化。附图说明图1为本专利技术实施例便携式智能电子鼻系统的结构示意图。图2为本专利技术嵌入式应用软件的主界面图。图3a和图3b为本专利技术实施例雷达图上同一货架期和不同货架期葡萄挥发气体的指纹图谱。图4为本专利技术实施例六组葡萄样品在D1～D10不同货架期的二维PCA散点图。图5为本专利技术实施例六组葡萄样品在D1～D10不同货架期的二维MDA散点图。图6为本专利技术实施例采用留一法考察PCA对E组葡萄样品D8货架期的识别结果。具体实施方式下面结合附图并通过实施例对本专利技术作进一步的详细说明，以下实施例是对本专利技术的解释而本专利技术并不局限于以下实施例。参见图1，一种便携式智能电子鼻系统，包括气敏传感阵列1、气室2、采样泵3、排废泵4、数据采集系统5、智能识别系统6、人机界面系统7和计算机8。气敏传感阵列1由多个气敏传感器构成，本专利技术中，用8种金属氧化物半导体(MOS型)气敏传感器构建成气敏传感阵列1。气敏传感阵列1的所有传感器及其接口电路集成于PCB板，且固定在气室内两侧，并可以根据需要自由更换。采样泵3和排废泵4均与气室2连通。气敏传感阵列1、数据采集系统5、智能识别系统6、人机界面系统7依次电连接。采样泵3和排废泵4与数据采集系统5电连接。计算机8与智能识别系统6电连接。计算机8只用于系统调试和高级分析，并非必需，整机尺寸为20cm×18cm×14cm。数据采集系统5由MSP430芯片构成，用于实时数据采集和控制，负责气敏传感器加热控制、气味响应信号获取、采样泵3和排废泵4的定时控制等。智能识别系统6由ARM9芯片构成，负责模式识别和显示，包括对数据采集系统5的控制、数据预处理、响应曲线显示、模式识别及其可视化等，从而解除了普通电子鼻系统对计算机的依赖，满足了现场检测中便携式、智能化和低成本要求。被分析气味通过采样泵3进入气室2，静止反应一段时间后，同时开启采样泵3和排废泵4，用清洁空气清洗气室2，让气敏传感器响应回复基线。传感信号经过调理后，由M本文档来自技高网...

【技术保护点】
一种便携式智能电子鼻系统，其特征在于：包括气敏传感阵列、气室、采样泵、排废泵、数据采集系统、智能识别系统和人机界面系统；气敏传感阵列由多个气敏传感器构成；采样泵和排废泵均与气室连通；气敏传感阵列、数据采集系统、智能识别系统、人机界面系统依次电连接；采样泵和排废泵与数据采集系统电连接。

【技术特征摘要】
1.一种便携式智能电子鼻系统，其特征在于：包括气敏传感阵列、气室、采样泵、排废泵、数据采集系统、智能识别系统和人机界面系统；气敏传感阵列由多个气敏传感器构成；采样泵和排废泵均与气室连通；气敏传感阵列、数据采集系统、智能识别系统、人机界面系统依次电连接；采样泵和排废泵与数据采集系统电连接。2.根据权利要求1所述的便携式智能电子鼻系统，其特征在于：所述的数据采集系统由MSP430芯片构成。3.根据权利要求1所述的便携式智能电子鼻系统，其特征在于：所述的智能识别系统由ARM9芯片构成。4.根据权利要求1所述的便携式智能电子鼻系统，其特征在于：还包括计算机，计算机与智能识别系统电连接。5.一种权利要求1-4任一权利要求所述的便携式智能电子鼻系统的气味识别方法，其特征在于：在所述的智能识别系统中进行气味识别，方法采用雷达图分析、主成分PCA算法分析、多重判别MDA算法分析；雷达图通过一系列射线和同心圆构建对象的多变量分布结构图，适合初步分析所用气敏传感器是否冗余或特征提取方法是否合适；为了减小传感器漂移影响，采用式1的差分法提取特征，即对各传感器气味响应稳态部分500个数据求平均值减去各自初始基线响应50个数据的平均值构成8维特征向量x(i)；在极坐标系将其绘制成封闭折线，便得到雷达图；上述式1为：i＝1,2,...,8；主成分PCA算法分析和多重判别MDA算法分析是在最小均方意义下寻找最优投影矩阵W，通过线性变换Y＝WTX将样本从高维特征空间Ω投影到较低维的分类或特征空间Ψ；对于主成分PCA算法分析，通过最小化平方误差准...

【专利技术属性】
技术研发人员：傅均，黄灿钦，
申请(专利权)人：浙江工商大学，
类型：发明
国别省市：浙江,33