基于MOS气敏传感器阵列的仿生电子鼻的气味识别方法技术

本发明专利技术公开了一种基于MOS气敏传感器阵列的仿生电子鼻的气味识别方法，通过利用各个浓度的气体样本的气味指纹样本和各个浓度的气体样本的气味类型，训练得到用于鉴别气体类型的循环神经网络模型；接着获取MOS气敏传感器阵列对待测气体采集得到的气味指纹，并与气味指纹标准库中的各个标准气味指纹进行相似度比较；若相似度结果中有大于预设阈值的相似度结果，表明待测气体是需要进行气味识别的目标气体，此时将待测气体的气味指纹输入至训练好的所述循环神经网络模型中，得到待测气体的气味类型。本发明专利技术能提高对待测气体的气味的识别的准确性。的准确性。的准确性。

【技术实现步骤摘要】
基于MOS气敏传感器阵列的仿生电子鼻的气味识别方法


[0001]本专利技术涉及气味识别
，尤其涉及一种基于MOS气敏传感器阵列的仿生电子鼻的气味识别方法。

技术介绍

[0002]电子鼻是模拟生物嗅觉原理构建的智能仪器，电子鼻通常由交叉敏感的气敏传感阵列和合适的模式识别算法组成，自动完成对气味的定性或定量辨识。目前，通用电子鼻为了达到分辨不同复杂气味细微差别的目标，希望像生物嗅觉中嗅神经元那样，有大量且不同类型的气敏传感器构成混合阵列，以获取丰富的气味信息。但目前的气敏传感器的电子鼻技术，在面对待测气体的浓度差异性较大，环境空气中混杂的其他气味时，容易受到干扰而无法准确识别待测气体的气味。

技术实现思路

[0003]本专利技术实施例提供一种基于MOS气敏传感器阵列的仿生电子鼻的气味识别方法，能够提高对待测气体的气味的识别的准确性。
[0004]本专利技术一实施例提供一种基于MOS气敏传感器阵列的仿生电子鼻的气味识别方法，包括：
[0005]获取m维阵列的MOS气敏传感器阵列对不同浓度的气体样本检测得到的m维响应值数据，形成不同浓度的气体样本的气味指纹样本；
[0006]根据各个浓度的气体样本的气味指纹样本和各个浓度的气体样本的气味类型，训练得到用于鉴别气体类型的循环神经网络模型；
[0007]获取m维阵列的MOS气敏传感器阵列对待测气体检测得到的m维响应值数据，形成待测气体的气味指纹；
[0008]计算待测气体的气味指纹与预设的气味指纹标准库中的各个标准气味指纹的相似度；
[0009]若计算得到相似度结果中有大于预设阈值的相似度结果，将待测气体的气味指纹输入至训练好的所述循环神经网络模型中，得到待测气体的气味类型。
[0010]作为上述方案的改进，所述循环神经网络包括输入层、隐藏层和输出层；输入层有n个神经元,对应于n种气体样本；输出层数为气体类型数n。
[0011]作为上述方案的改进，所述根据各个浓度的气体样本的气味指纹样本和各个浓度的气体样本的气味类型，训练得到用于鉴别气体类型的循环神经网络模型，包括：
[0012]将各个浓度的气体样本的气味指纹样本输入到所述循环神经网络，得到各个气体样本的预测气味分类结果；
[0013]根据各个气体样本的预测气味分类结果和各个气体样本的气味类型确定所述循环神经网络的损失值；
[0014]根据所述损失值通过反向传播算法更新所述循环神经网络的参数；
[0015]当损失值达到预设的第一阈值或迭代次数达到预设的第二阈值，停止训练，得到训练好的用于鉴别气体类型的循环神经网络模型。
[0016]作为上述方案的改进，所述计算待测气体的气味指纹与预设的气味指纹标准库中的各个标准气味指纹的相似度，包括：
[0017]利用余弦相似度算法计算待测气体的气味指纹与预设的气味指纹标准库中的各个标准气味指纹的相似度。
[0018]作为上述方案的改进，在得到待测气体的气味类型之后，所述方法还包括：
[0019]控制显示器显示待测气体的气味类型。
[0020]本专利技术另一实施例对应提供了一种基于MOS气敏传感器阵列的仿生电子鼻的气味识别装置，包括：
[0021]样本获取模块，用于获取m维阵列的MOS气敏传感器阵列对不同浓度的气体样本检测得到的m维响应值数据，形成不同浓度的气体样本的气味指纹样本；
[0022]训练模块，用于根据各个浓度的气体样本的气味指纹样本和各个浓度的气体样本的气味类型，训练得到用于鉴别气体类型的循环神经网络模型；
[0023]数据获取模块，用于获取m维阵列的MOS气敏传感器阵列对待测气体检测得到的m维响应值数据，形成待测气体的气味指纹；
[0024]相似度计算模块，用于计算待测气体的气味指纹与预设的气味指纹标准库中的各个标准气味指纹的相似度；
[0025]识别模块，用于若计算得到相似度结果中有大于预设阈值的相似度结果，将待测气体的气味指纹输入至训练好的所述循环神经网络模型中，得到待测气体的气味类型。
[0026]作为上述方案的改进，所述训练模块具体用于：
[0027]将各个浓度的气体样本的气味指纹样本输入到所述循环神经网络，得到各个气体样本的预测气味分类结果；
[0028]根据各个气体样本的预测气味分类结果和各个气体样本的气味类型确定所述循环神经网络的损失值；
[0029]根据所述损失值通过反向传播算法更新所述循环神经网络的参数；
[0030]当损失值达到预设的第一阈值或迭代次数达到预设的第二阈值，停止训练，得到训练好的用于鉴别气体类型的循环神经网络模型。
[0031]作为上述方案的改进，所述相似度计算模块具体用于：
[0032]利用余弦相似度算法计算待测气体的气味指纹与预设的气味指纹标准库中的各个标准气味指纹的相似度。
[0033]本专利技术另一实施例提供了一种基于MOS气敏传感器阵列的仿生电子鼻的气味识别设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现上述专利技术实施例所述的基于MOS气敏传感器阵列的仿生电子鼻的气味识别方法。
[0034]本专利技术另一实施例提供了一种存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述专利技术实施例所述的基于MOS气敏传感器阵列的仿生电子鼻的气味识别方法。
[0035]相比于现有技术，上述技术方案中的一个技术方案具有如下优点：
[0036]通过利用各个浓度的气体样本的气味指纹样本和各个浓度的气体样本的气味类型，训练得到用于鉴别气体类型的循环神经网络模型；接着获取MOS气敏传感器阵列对待测气体采集得到的气味指纹，并与气味指纹标准库中的各个标准气味指纹进行相似度比较；若相似度结果中有大于预设阈值的相似度结果，表明待测气体是需要进行气味识别的目标气体，此时将待测气体的气味指纹输入至训练好的所述循环神经网络模型中，得到待测气体的气味类型。由此可见，本专利技术实施例通过利用不同浓度的目标气体的样本进行循环神经网络模型训练，然后再基于待测气体与标准气体的气味指纹的相似度比较，来确定待测气体是否含有目标气体，若是则利用训练好的循环神经网络模型对待测气体的气味进行识别，从而提高对待测气体的气味的识别的准确性。
附图说明
[0037]图1是本专利技术一实施例提供的一种基于MOS气敏传感器阵列的仿生电子鼻的气味识别方法的流程示意图；
[0038]图2是本专利技术一实施例提供的一种基于MOS气敏传感器阵列的仿生电子鼻的气味识别装置的结构示意图。
具体实施方式
[0039]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于MOS气敏传感器阵列的仿生电子鼻的气味识别方法，其特征在于，包括：获取m维阵列的MOS气敏传感器阵列对不同浓度的气体样本检测得到的m维响应值数据，形成不同浓度的气体样本的气味指纹样本；根据各个浓度的气体样本的气味指纹样本和各个浓度的气体样本的气味类型，训练得到用于鉴别气体类型的循环神经网络模型；获取m维阵列的MOS气敏传感器阵列对待测气体检测得到的m维响应值数据，形成待测气体的气味指纹；计算待测气体的气味指纹与预设的气味指纹标准库中的各个标准气味指纹的相似度；若计算得到相似度结果中有大于预设阈值的相似度结果，将待测气体的气味指纹输入至训练好的所述循环神经网络模型中，得到待测气体的气味类型。2.如权利要求1所述的基于MOS气敏传感器阵列的仿生电子鼻的气味识别方法，其特征在于，所述循环神经网络包括输入层、隐藏层和输出层；输入层有n个神经元,对应于n种气体样本；输出层数为气体类型数n。3.如权利要求1所述的基于MOS气敏传感器阵列的仿生电子鼻的气味识别方法，其特征在于，所述根据各个浓度的气体样本的气味指纹样本和各个浓度的气体样本的气味类型，训练得到用于鉴别气体类型的循环神经网络模型，包括：将各个浓度的气体样本的气味指纹样本输入到所述循环神经网络，得到各个气体样本的预测气味分类结果；根据各个气体样本的预测气味分类结果和各个气体样本的气味类型确定所述循环神经网络的损失值；根据所述损失值通过反向传播算法更新所述循环神经网络的参数；当损失值达到预设的第一阈值或迭代次数达到预设的第二阈值，停止训练，得到训练好的用于鉴别气体类型的循环神经网络模型。4.如权利要求1所述的基于MOS气敏传感器阵列的仿生电子鼻的气味识别方法，其特征在于，所述计算待测气体的气味指纹与预设的气味指纹标准库中的各个标准气味指纹的相似度，包括：利用余弦相似度算法计算待测气体的气味指纹与预设的气味指纹标准库中的各个标准气味指纹的相似度。5.如权利要求1所述的基于MOS气敏传感器阵列的仿生电子鼻的气味识别方法，其特征在于，在得到待测气体的气味类型之后，所述方法还包括：控制显示器显示待测气体的气味类型。6.一种基于MOS气敏传感器阵列的仿生电子鼻的气味...

【专利技术属性】
技术研发人员：黄树杰，陆小博，
申请(专利权)人：广州市中耕信息技术有限公司，
类型：发明
国别省市：