[发明专利]一种二手电子产品质量判断方法与系统

权利要求书

1.一种二手电子产品质量判断方法，其特征在于，所述方法包括：

构建电子鼻传感器阵列；电子产品气味的数据采集；

电子鼻背景干扰去除；气味数据特征提取；

电子产品气味数据训练；

电子产品质量分类；

对电子产品的已使用年限进行预测，

或/和，

进行价格预测。

2.根据权利要求1所述的方法，其中，所述构建电子鼻传感器阵列，主要包括：

采用多个传感器阵列融合的方法，组成气敏传感器阵列，其中所述传感器阵列包括能检测挥发气体、化合物或者因为电热而与空气混合而产生的气体。

3.根据权利要求1所述的方法，其中，所述电子产品气味的数据采集，主要包括：

记录数据采集卡采集的传感器信号，同时对电子鼻的气敏传感器进行温度调节，让不同温度下的气敏反应也发生变化，以产生更多的数据特征；

并用处理过的空气对整个系统进行冲洗。

4.根据权利要求1所述的方法，其中，所述电子鼻背景干扰去除，主要包括：

采用基于相关信息去除干扰抑制的方法，对电子鼻背景干扰进行去除。

5.根据权利要求1所述的方法，其中，所述气味数据特征提取，主要包括：

把不同时刻，不同温度下的气味数值，作为当前电子产品器件的特征。

6.根据权利要求1所述的方法，其中，所述电子产品气味数据训练，主要包括：

将经过元器件改装的冒牌二手产品，与正版的二手电子产品，分别作为目标类别。将这两种电子产品，经过数据特征提取的气味数值特征，作为训练数据，输入到神经网络系统里面，进行机器学习训练。采用卷积神经网络或循环神经网络，进行训练，获得第一模型；

将不同使用年限的二手产品，作为目标类别。将经过数据特征提取的气味数值特征，作为训练数据，输入到神经网络系统里面，进行机器学习训练。采用卷积神经网络或循环神经网络，进行训练，获得第二模型。

7.根据权利要求1所述的方法，其中，所述电子产品质量分类与价格预测，主要包括：

通过所述模型一，对该电子器件进行分类；

所述分类包括正品与冒牌分类，获得该元器件是正品还是冒牌的分类判断。

8.根据权利要求1所述的方法，其中，所述对电子产品的使用年限进行预测，并进行价格预测，主要包括：

通过所述模型二，对该电子产品进行分类；

所述分类包括使用年限预测，获得该电子产品已经使用了多长的时间；

根据使用时间，给出根据使用时长的价格分布区间，作为该产品的价格预测值。

9.一种二手电子产品质量判断系统，其特征在于，所述系统包括：

数据采集模块，用于构建传感器阵列并采集气味数据；

背景干扰去除与特征提取模块，用于气味背景干扰进行除去，并通过不同时间不同温度来抽取数据特征；

模型训练模块，用户采用深度学习算法训练气味数据模型；

电子产品质量分类模块，用于对电子产品及其元件是否为正版还是冒牌产品进行分类预测；

已使用年限预测与价格预测模块，用于对二手电子产品的使用年限进行判断，还可以根据已使用年限预测其价格。