[发明专利]基于细胞神经网络和电子鼻特征提取的果汁贮藏期检测算法

说明书

本发明公开了一种基于细胞神经网络和电子鼻特征提取的果汁贮藏期检测算法，获取果汁气体样本对果汁气体样本进行气味检测，得到果汁气体原始响应数据集；筛选传感器，得到响应数据集和响应矩阵；选择模板，根据响应矩阵，建立带未知参数的果汁气体细胞神经网络；将标记响应数据集输入到带未知参数的果汁气体细胞神经网络中进行特征点标记，得到传感器特征点；寻求未知参数最优值，并对所有传感器特征点进行特征提取，得出对应的细胞神经网络模板，以及对应的细胞神经网络；根据传感器特征点对果汁气体细胞神经网络进行验证。有益效果：适用范围广，对果汁产品储存器进行实时监控，便于监管部分检查，对果汁品质进行鉴别。保证果汁行业质量。

技术领域

本发明涉及果汁贮藏期检测技术领域，具体的说是一种基于细胞神经网络和电子鼻特征提取的果汁贮藏期检测算法。

背景技术

现代电子鼻系统通常具有包含数十个气体传感器的传感器阵列，在一次气体样本采集中会获得相当庞大的样本数据，并且因为电子鼻传感器阵列的交叉敏感性，不同传感器对相同的气体都会做出响应，直接将它们输入模式识别算法得到的结果非常不理想。

特征提取是传感器信号处理的第一步，它在随后的模式识别中起着重要作用：从电子鼻原始响应中提取更重要的特征，有助于提升模式识别精度。最基本的特征提取方法是直接处理原始响应曲线，如取最大值，最小值，斜率，最大值最小值对应的时间坐标，积分等。将这些取值组成原始特征矩阵用于模式识别。其中最大值代表传感器响应的最终状态，它是最常用的用于区分气体应的稳态特征。在这些方法的基础上，为了得到更好的效果，一些经典的算法被用于再次处理原始特征矩阵。例如，主成分分析是一种旨在找出几个综合指标来代表原来众多特征，这些综合指标尽可能地反映原来变量的信息，而且彼此之间互不相关的方法。然而，稳态响应用于复杂的模式识别中效果不够好，因为它往往忽略了许多重要信息。因此，特征提取也需要动态特征。

在对水果贮藏期时，水果汁的含量检测时，由于水果一般不同的地区，而远销世界各地，由于各地区气候、环境不同，水果商户需要实时对水果的品质进行检测和评估，从而指定存储计划和销售计划，然而在现有技术中，还没有对水果汁进行智能化检测的方法，还停留在人为抽检的方式进行检测，抽检过程复杂，且需要长期存在个体差异，得到的结论精确度低，不能满足需求。

发明内容

针对上述问题，本发明提供了一种基于细胞神经网络和电子鼻特征提取的果汁贮藏期检测算法，对水果储藏期间的果汁进行实时检测，一番发生质变或病变，提高水果保存可靠性。

为达到上述目的，本发明采用的具体技术方案如下：

一种基于细胞神经网络和电子鼻特征提取的果汁贮藏期检测算法，其关键在于：

S1：获取果汁气体样本；

S2：构建果汁气体电子鼻监测系统，并对果汁气体样本进行气味检测，得到果汁气体原始响应数据集；

S3：筛选传感器；采用X位二进制参数筛选传感器，得到被标记的传感器群，该传感器群采集到的数据为标记响应数据集，并排列成响应矩阵M×N；

S4：选择带未知参数的细胞神经网络模板，根据排列成响应矩阵，建立带未知参数的果汁气体细胞神经网络；将步骤S3的标记响应数据集输入到带未知参数的果汁气体细胞神经网络中进行特征点标记，得到传感器特征点；

S5：采用增强型磷虾群优化算法，对所有未知参数寻求最优值，并对所有传感器特征点进行特征提取，得出对应的细胞神经网络模板，以及对应的细胞神经网络；

S6：根据传感器特征点得到的分类效果，对细胞神经网络的特征提取能力进行验证。

再进一步的，在步骤S1中获取果汁气体样本设置在散发器中，该散发器包括果汁容器，该果汁容器设置有与输气管的一端连接的出气孔，所述输气管的另一端伸入所述电子鼻监测系统的监测腔室内。