导读:本文包含了电子鼻系统论文开题报告文献综述及选题提纲参考文献，主要关键词:电子鼻,腐败检测,仓储水果,PCA
电子鼻系统论文文献综述
丁庆行,赵东杰,刘军,于子红[1]（2019）在《一种仓储环境水果腐烂监测的电子鼻系统》一文中研究指出针对仓储果品腐烂监测中存在仓储环境复杂,果品腐败监测困难以及腐败源定位困难等问题,搭建了一种用于仓储环境水果腐烂无损检测的电子鼻系统。利用系统中的8种气敏传感器,对水果挥发气体进行检测,通过数据采集卡将数据传输至上位机进行分析。实现了对4种核果类水果(火龙果、雪花梨、猕猴桃和苹果)的检测。在常温仓库模拟环境中,检测到4种水果在腐败过程中释放的主要气体成分为酒精、氨类气体、硫化氢和芳香物质。采用PCA对原始数据进行降维、聚类,可将4种水果按腐败程度分为轻微腐败和严重腐败两种等级。(本文来源于《电子器件》期刊2019年03期）
聂启新,杨佳,白月,赵航,关凯凯[2]（2019）在《基于NB-IoT的电子鼻系统设计》一文中研究指出随着经济的迅猛发展,人们的生活水平迅速提高,这也使得人们对食品的新鲜度提出了更高的要求。在冷链运输过程中,为了能实时获得食品新鲜度的信息,本文设计了一款基于NB-IoT无线传输技术的电子鼻系统,通过气敏传感器阵列来检测食品释放出的特征气体含量,从而为判断食品新鲜程度提供了可靠的数据支撑。(本文来源于《中外企业家》期刊2019年08期）
常美茁[3]（2019）在《茶香气电子鼻系统中气敏传感器阵列筛选方法研究》一文中研究指出电子鼻是当前较为先进的气味检测仪器,通过气敏传感器可以对一种或多种气体进行综合判断。目前,电子鼻技术在食品药品的加工过程监测以及品质鉴定等方面得到了广泛的应用。由于茶香气的组成成分较为复杂,尽管很多人在算法层面进行了多种尝试,但检测效果依然不尽人意。明确检测过程中的实验参数,筛选更具针对性的气敏传感器阵列是解决该问题的关键所在。本文确定了基于相关系数及区分性能值的气敏传感器剔除方法,在此基础上根据聚类分析及区分性能值的气敏传感器阵列筛选方法,分别筛选出了针对绿茶(炒青绿茶、烘青绿茶)、红茶、乌龙茶叁大茶类的气敏传感器阵列。构建以STM32为核心的电子鼻硬件系统,并在软件中集成了基于均值和最大方差时刻响应值的PCA、LDA模式识别算法。采用中位值平均滤波法对采集的数据进行滤波处理。除此之外,通过实验对比确定了茶香气检测过程中的最佳实验参数。基于茶香气的组成成分,筛选了 15种金属氧化物气敏传感器,通过相关性分析找到其中存在的冗余传感器组合。在此基础上结合区分性能值,剔除冗余传感器组合中区分性能值差的一个,完成对冗余气敏传感器的剔除。基于聚类分析及区分性能值的气敏传感器阵列筛选方法,通过聚类分析明确各传感器的独立性,筛选时从区分性能值最大的传感器开始,逐步选取独立性大的气敏传感器,最终筛选得到最佳的气敏传感器阵列。基于相关系数及区分性能值的冗余气敏传感器剔除方法和基于聚类分析及区分性能值的气敏传感器阵列的筛选方法,筛选出了针对红茶(Lb)、乌龙茶(Lo)、炒青绿茶(Lf)以及烘青绿茶(Lh)的气敏传感器阵列。在随机森林及四种基本模式识别方法下,使用气敏传感器阵列检测其对应的茶香气,区分准确率可达到98%以上。通过交叉实验进一步验证了当传感器阵列的针对性越强时,传感器的检测效果越好。(本文来源于《浙江大学》期刊2019-01-01）
钱曙[4]（2019）在《基于内在激励学习机制的电子鼻系统》一文中研究指出电子鼻技术发展至今已有几十年的历史,在环境监测、食品安全、医疗诊断等方面得到了广泛的应用。嗅觉和其他人类知觉类似,是一种主动感知(Active Perception)过程,可以用马尔可夫决策过程(MDP)来描述,强化学习是解决MDP问题的重要的方法。近年来,结合了深度学习的强化学习算法(如DQN、A3C等)取得了很大的突破,受到了越来越多的重视。传统的强化学习算法依赖外部奖励信号,但在外部奖励稀疏或者缺乏时强化学习算法便无法适用。而生物体可以在只有稀疏外部奖励信号或者没有外部奖励信号的情况下进行学习。本文在生物学习的仿生基础上提出了一种基于内在激励学习机制的强化学习框架,模拟生物在学习过程中产生内部奖励信号(如好奇心和赋能),通过内部奖励信号和外部奖励信号共同作用,以弥补强化学习的缺陷。针对目前电子鼻存在的不足,本文应用基于内在激励学习机制的强化学习框架来提高电子鼻性能。主要进行了以下研究:(1)硬件传感器由于其电子特性、数量等原因决定了电子鼻无法与生物嗅觉相媲美,本文尝试在改善进气气道设计、传感器布置以及动态调制采样速度基础上,将传统的静态分类算法,转换为动态马尔可夫决策过程,以充分利用信号的动态特性,来弥补传感器数量、特异性等方面的不足;(2)运用结合了深度学习的强化学习算法进行在线的分类学习,可以有效地解决特征提取以及状态空间维数灾难等问题。为解决强化学习依赖外部奖励的缺陷,本文提出一种基于内在激励学习机制的强化学习框架,通过内部奖励和外部奖励的结合,可以有效解决学习中的探索和利用问题;(3)提出了两种内在激励信号的设计,一种是基于预测误差的好奇心或新颖性,一种是基于信息论的最大信道容量。其中基于预测误差的激励信号是鼓励探索内部模型预测出错的状态空间;而基于信息论的最大信道容量则是鼓励探索输出动作(action)能影响观测(输入)的状态空间,使Agent具有较高的赋能(Empowerment);(4)在上述研究基础上,设计了黄酒分类和VOC气体分类实验来验证本文提出的基于内在激励学习机制的强化学习框架,实验结果表明,相比较传统的强化学习,本文提出的框架不需要显示设计外部强化信号;与传统的基于稳态信号的分类算法相比,在保持分类准确性的同时,可以充分利用动态信号的丰富结构,缩短了检测时间。(本文来源于《浙江工商大学》期刊2019-01-01）
马泽亮,国婷婷,殷廷家,王志强,杨方旭[5]（2019）在《基于电子鼻系统的白酒掺假检测方法》一文中研究指出采用自行研制的便携式电子鼻检测系统,建立了一种能够快速辨别白酒掺假的新方法。系统检测时:首先利用传感器阵列获得白酒"指纹数据",随后通过离散小波变换(discrete wavelet transform,DWT)提取反馈信息里的特征信息,然后采用主成分分析(principal component analysis,PCA)实现对不同纯度掺假白酒样品的定性判别、采用人工蜂群优化最小二乘支持向量机(artificial bee colony least squared support vector machines,ABC-LSSVM)实现对不同纯度掺假白酒样品的定量预测。结果表明,PCA对掺假白酒区分效果较好,区分正确率高达100%; ABC-LSSVM预测模型对白酒纯度具有较高的定量预测性能,其验证集中相关系数R~2为0. 933 2,平均绝对误差MRE为6. 564 3%,均方根误差RMSE为0. 023 4。该研究可为掺假白酒的定性辨别及定量预测提供技术支持。(本文来源于《食品与发酵工业》期刊2019年02期）
何爱香[6]（2018）在《电子鼻系统的高效气体识别技术研究》一文中研究指出金属氧化物半导体气体传感器因其具有结构简单、响应速度快、使用寿命长、价格低廉以及对可燃性气体和有机挥发性气体具有较高的灵敏度等优点而成为电子鼻的首选气体传感器。但是由于该种气体传感器响应机理复杂,难以得到先验的响应函数和精确的数学模型,研究人员在选用信号处理和模式识别算法时仍然借助于经验,这些问题都影响了电子鼻的使用和发展。所以,如何高效率识别气体在电子鼻领域仍然是一个需要探索和研究的问题。本文将最优方向法(Method of Optimal Directions,MOD)和K-奇异值分解(K-singular Value Decomposition,K-SVD)两种字典学习算法分别与稀疏表示分类(Sparse Representation Classification,SRC)算法相结合,提出了两种更先进的字典学习稀疏表示分类算法,并将他们定义为MOD-SRC和KSVD-SRC算法。训练样本集根据类别被分成若干个子集,每次迭代时,仅仅选择其中的一个子集参与计算,这样由于需要求解的系数变少,计算所需要的时间也会大大减少。稀疏系数的求解不再使用非常耗时的l1范数而是改用了字典学习的方法,解决了 SRC因为求解最小化l1范数而带来的高计算复杂度问题。并且引入的分析字典将SRC算法中的训练阶段和测试阶段分开进行,缩短了测试时间。将这叁种算法同时识别8种不同浓度的气体,发现当气体样本的维数从10到180变化时,SRC的平均测试时间为2.24 s,KSVD-SRC和MOD-SRC算法的平均测试时间分别为5.3 ms和4 ms,测试速度提高了大约400倍,而叁种算法的识别率都达到了 98%以上。所以本文提出的这两种算法不仅保持了原有SRC算法高的识别准确率,还具有了更短的测试时间。本文首次提出了一种新的联合字典学习(Joint Dictionary Learning,JDL)算法模型来抑制气体传感器的漂移和噪声。利用最小二乘法(Least Square,LS)和交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)对 JDL 模型中的分析;字典和综合字典进行了推导求解。该算法是一种迭代算法,通过稀疏系数、分析字典和综合字典之间的不断迭代更新得到预测模型。然后再通过JDL预测模型的自我在线学习来抑制传感器的漂移,并通过遗忘因子来平衡旧模型和新样本之间的关系。该算法使用了一个叁年的样本集进行验证,设定遗忘因子为0.5,首先利用前叁个月的训练样本建立JDL预测模型。在测试期间,当发现预测模型开始失效时,就通过学习新月份的样本修正预测模型。经过不断的在线学习,平均识别率从开始的59.63%逐渐提升到了 87.43%,有效的抑制了传感器的漂移和噪声。本文对矩形波、叁角波、锯齿波和正弦波4种周期温度调制模式下的一氧化碳、甲烷和乙醇进行了识别研究。利用短时傅里叶变换提取低于基波频率f0的11个特征向量,选择不同的窗函数进行气体识别,发现当选择不同的窗函数、不同的频率特征向量时,识别率明显不同。比如对于锯齿波,当选择Taylor窗,特征向量的频率范围在3.88到4.85 mHz之间变化时,识别准确率100%;而叁角波的识别准确率相比较于其他叁种调制波形要低的多,最高识别准确率只有96.88%。最后采用遗传算法对不同窗函数下的11个特征向量的组合进行了优化处理,选取了最优的特征子集进行气体识别,发现气体识别率得到了明显的提升,甚至有些特征子集达到了 100%的识别效果。本文通过将金属氧化物气体传感器和脉冲波形产生电路相结合,设计了一种新型的自适应温度调制电路,为电子鼻系统提供加热电压。脉冲波形产生电路的主要部分为一个555定时器构成的多谐振荡器,将金属氧化物半导体气体传感器的敏感电阻加入到电容C的充放电回路中,使产生的脉冲波形受到了敏感电阻的影响,从而实现输出脉冲波形的频率会随着敏感电阻的变换而变化的目的。数据处理部分采用了 Gabor变换来提取传感器信号的特征向量,与傅里叶变换和小波变换相比较,该算法具有明显的优势,并取得了接近99%的识别准确率。(本文来源于《大连理工大学》期刊2018-06-11）
高竟[7]（2018）在《模块化电子鼻系统平台构建及其优化设计》一文中研究指出电子鼻,是模拟人类对气味的识别机制而设计的一种智能电子仿生仪器系统。它是近几年发展起来的新兴检测技术,电子鼻技术可以弥补传统感官的主观性缺点,而且电子鼻相比其他传统的气体检测方法,具备高效、方便以及准确度高等优点,在食品科学、农业、医疗以及环境等领域已经得到了广泛的应用。目前,电子鼻主要分为商品化电子鼻和对某些特定物质进行嗅觉辨识分类研究的电子鼻系统,虽然这些电子鼻针对特定物质具有一定的检测能力,但是由于受到传感器阵列无法更换的局限,一旦面对不同检测样品就会导致电子鼻的检测结果不够准确,由此造成电子鼻的检测对象受到局限,检测能力单一化。因此,本文旨在开发一套模块化多机理电子鼻系统平台,配备传感器阵列更换模块,根据不同样品选择相应的传感器阵列模块,并且对气室和传感器阵列进行优化,来弥补现有电子鼻检测存在局限性的弊端,针对不同的检测对象可以设计形成具有高度针对性的电子鼻系统,使电子鼻系统平台化以满足不同检测对象的需求。本电子鼻系统平台开发分为气室流体仿真、硬件电路设计和软件系统开发叁部分,本文采用Airpak软件对电子鼻气室进行气体流体仿真分析,根据仿真结果对传感器阵列及气室优化设计。并设计插拔式传感器模块,根据不同待测对象选取相应的传感器阵列响应模块,使其检测范围更宽。电子鼻系统硬件电路部分采用以32位单片机stm32f103为控制核心进行相应的电路设计,主要包括电源电路,传感器驱动电路,单片机电路,模数转换电路,串口通信电路和气路控制电路。软件系统设计,采用keil5软件进行单片机程序设计,上位机是基于LabVIEW开发平台构建智能分析系统,通过串口向微控制器发送指令,实现对系统进样、清洗等过程控制。构建模式识别算法库模块,智能分析系统集成多种模式识别算法,针对多传感器输出数据特征,优化筛选最优算法以及嵌入数据库管理系统,实现多样本的分类和识别以及良好的人机交互。将设计好的各软、硬件模块进行组装及调试以完成最终平台的构建和基本性能测试。本论文以3组不同口味咖啡为研究对象,进行嗅味信息采集实验和采用模式识别技术对样本进行分类研究,研究结果表明,采用基于PLS特征数据集构建的支持向量机定性分析模型,可以很好地区分不同口味咖啡。同时证明了本电子鼻系统平台具有较高的准确性及实用性,且基于优化后的传感器阵列识别正确率为95%相比不优化的传感器阵列可以获得更高的识别准确度。(本文来源于《东北电力大学》期刊2018-05-01）
刘香敏[8]（2018）在《医用智能电子鼻系统软件设计与实现》一文中研究指出当前,国内大多数医院对病人感染细菌的检测主要是依靠传统的检测方法(如医学细菌培养、血清检测等),然而这些检测方法存在持续周期长、操作繁琐、需要专业的操作人员等缺点,有时还需要依赖医生长期的临床经验。这些缺点不可避免地会对病人的诊断产生影响,甚至可能使得病人错过最佳的治疗时期。在医学方面,已经知道了某些疾病会有特定的代谢气体产生,而电子鼻通过其核心部件——传感器阵列,可以实现对气体的检测。同时,凭借操作简便、方便携带、实时检测等特点,电子鼻技术已经引起了人们的广泛关注。本文依托于自主设计并研发的电子鼻硬件系统,并参考其他电子鼻软件的功能界面研发出医用智能电子鼻系统软件,用来检测患者的伤口感染类型,并解决了当前已有电子鼻系统软件中存在的功能单一、界面使用不方便等问题。本文主要完成的工作如下:首先对电子鼻技术的概念、课题的研究背景及意义等进行了概述;然后,论文对医用智能电子鼻系统硬件平台及其工作原理进行了简要介绍,并且指出了医用智能电子鼻系统软件所涉及到的关键技术;最后是本文的核心部分,也即详细介绍该软件的需求分析、设计与实现,具体分为以下几部分:(1)界面设计。根据需求分析获得了该软件所要实现的具体功能,以及医用智能电子鼻系统软件设计的原则和目标,并最终确定了该软件的界面设计方案。(2)流程控制与硬件控制。本文使用模块化设计对控制硬件模块的代码进行划分;根据硬件平台的实际使用情况,采用多线程技术来控制整个实验流程。(3)功能模块的设计。医用智能电子鼻系统软件的功能模块主要包含通信模块、数据库模块、算法嵌入模块等。通信模块是通过串口通信技术实现该软件和硬件系统的正常通信;数据库模块实现了数据字典的设计,并使用SQLite数据库和XML等技术完成了对数据的保存等;算法嵌入模块是嵌入到上位机软件中,使用多线程以及事件与委托等技术实现对待测样本的分析,并给出预测结果。(4)软件测试。通过黑盒测试测试了系统软件,结果表明该系统软件达到了预期的目标,不仅能够准确控制硬件平台,还可以准确采集数据。(本文来源于《重庆大学》期刊2018-04-01）
王雨[9]（2018）在《基于DQN-LSTM的电子鼻系统及应用》一文中研究指出电子鼻技术是通过模拟生物嗅觉来实现对不同气体进行分类的目的,主要由气体传感器阵列、数据采集处理单元、模式识别单元等组成。与色谱仪等分析仪表相比,电子鼻结构简单,识别速度快,结果直观,在许多领域得到了广泛的应用。然而与生物嗅觉系统相比,现有电子鼻还存在较大差距,主要体现在:(1)受传感器结构、体积等因素影响,阵列中气体传感器的数量远小于生物;(2)生物通常采用主动感知(Active Perception)方式,可以根据识别任务来动态改变采样数据(即所谓sniff行为),能够快速完成识别。而大部分电子鼻技术主要采用以传统模式识别算法为主的单向、被动方式,识别速度和精度都受限。针对此,本文拟解决如下问题:(1)如何在不显着增加传感器数量的基础上增强其选择性;(2)探究基于生物嗅觉主动性机制的算法。本文从现阶段的电子鼻技术存在的问题出发,结合生物嗅觉的嗅探行为、鼻粘膜色谱效应和强化学习、递归神经网络等算法,提出了一种DQN-LSTM模型来模拟生物嗅觉的主动性。本文的主要贡献包括:(1)设计和实现了一种可以动态调节进气速度的电子鼻硬件装置和测试平台;(2)通过设计实验探究了不同类型气体的进气流速与传感器响应值的映射关系;(3)提出了一种基于LSTM(Long Short-Term Memory)递归神经网络的 DQN(Deep Q Network)强化学习算法,实现了进气流速的在线优化。主要工作如下:1、查阅国内外相关资料,详细说明电子鼻近些年来的研究近况,并且阐述选题的研究背景和意义。最后简单介绍电子鼻现阶段所存在的不足之处和解决方法。2、从生物嗅觉的主动性机理入手,详细介绍使用流速调制的独到之处。通过介绍鼻粘膜色谱效应和嗅探行为可以为论文的研究打下坚实的理论基础。3、基于实验室的项目,通过对硬件的改进,包括重新制版、设计气腔结构、改进流速选择单元等操作,并使用STM32F407ZGT6芯片作为数据采集的主控芯片,实现基于流速调制的电子鼻硬件系统和软件系统。最后使用啤酒分类数据验证流速调制的有效性。4、基于流速调制和鼻粘膜色谱效应,提出一种优化的DQN模型和算法,即结合LSTM用以实现电子鼻主动性的目的。DQN可以根据当前的状态和奖励,选择最佳的输出动作,而LSTM可以根据输出的动作和当前状态,输出预测分类,并给出相应的奖励。5、最后,使用VOC气体和黄酒酒龄的实验数据对DQN-LSTM模型进行验证,并且与PCA和SVM等常用的离线、被动的算法进行对比。实验结果证明,该算法可以有效减少训练和测试成本,提高电子鼻识别速度,实现电子鼻主动性的目的。(本文来源于《浙江工商大学》期刊2018-01-01）
钱曙,邢建国,王雨,程辉[10]（2018）在《基于流速调制的电子鼻系统开发及其在黄酒酒龄分类中的应用》一文中研究指出一种基于流速调制的电子鼻系统,在流速可变的情况下,通过改变进气流速来扩大传感器对不同气体的响应范围,以此来提高识别正确率,缩短检测时间。应用改进的自适应主成分分析算法(Adaptive Principal Component Analysis,AD-PCA)对黄酒酒龄进行分类来验证此电子鼻系统,并将该算法的结果与支持向量机算法(Support Vector Machine,SVM)和误差反向传播神经网络算法(Back-Propagation Neural Network,BPNN)的结果进行对比,实验结果表明:对于5种不同酒龄的黄酒,AD-PCA得到的平均正确分类率为93.6%,SVM得到的平均正确分类率为92%,BPNN得到的平均正确分类率为100%,与固定流速相比,可以在保证较高准确率的基础上做到快速分类,并且有效缩短检测时间。(本文来源于《食品与发酵工业》期刊2018年03期）
电子鼻系统论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着经济的迅猛发展,人们的生活水平迅速提高,这也使得人们对食品的新鲜度提出了更高的要求。在冷链运输过程中,为了能实时获得食品新鲜度的信息,本文设计了一款基于NB-IoT无线传输技术的电子鼻系统,通过气敏传感器阵列来检测食品释放出的特征气体含量,从而为判断食品新鲜程度提供了可靠的数据支撑。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
电子鼻系统论文参考文献
[1].丁庆行,赵东杰,刘军,于子红.一种仓储环境水果腐烂监测的电子鼻系统[J].电子器件.2019
[2].聂启新,杨佳,白月,赵航,关凯凯.基于NB-IoT的电子鼻系统设计[J].中外企业家.2019
[3].常美茁.茶香气电子鼻系统中气敏传感器阵列筛选方法研究[D].浙江大学.2019
[4].钱曙.基于内在激励学习机制的电子鼻系统[D].浙江工商大学.2019
[5].马泽亮,国婷婷,殷廷家,王志强,杨方旭.基于电子鼻系统的白酒掺假检测方法[J].食品与发酵工业.2019
[6].何爱香.电子鼻系统的高效气体识别技术研究[D].大连理工大学.2018
[7].高竟.模块化电子鼻系统平台构建及其优化设计[D].东北电力大学.2018
[8].刘香敏.医用智能电子鼻系统软件设计与实现[D].重庆大学.2018
[9].王雨.基于DQN-LSTM的电子鼻系统及应用[D].浙江工商大学.2018
[10].钱曙,邢建国,王雨,程辉.基于流速调制的电子鼻系统开发及其在黄酒酒龄分类中的应用[J].食品与发酵工业.2018