基于电子鼻技术的茶叶贮藏时间检测方法

主要探索茶叶贮藏时间的检测方法.以黄山毛峰茶为研究对象,利用电子鼻对7个不同贮藏时间下的干茶叶进行检测.根据电子鼻传感器阵列响应特点选取了特征变量,以特征变量为自变量,以茶叶贮藏时间为因变量,建立了茶叶贮藏时间的BP神经网络预测模型.通过测试样本对模型进行实验分析,结果表明:该模型对于7个不同贮藏时间茶叶样本最大预测误差为42.1天;预测误差超过10天的最大样本数为5个,占总样本数的7.14%.验证了所建立的茶叶贮藏时间BP神经网络预测模型的可行性.     

信阳毛尖茶品质和化学成分快速检测方法

探索茶叶品质和化学成分的快速检测方法,利用电子鼻技术对3个品质等级的信阳毛尖茶的挥发性气味进行了分析.对电子鼻检测信号进行主成分分析和线形判别分析结果显示3个品质的茶叶能被很好地区分,各个类的集中性也较强.采用二次多项式逐步回归分析分别建立传感器信号和信阳毛尖茶的氨基酸、茶多酚和咖啡碱含量之间的预测模型.通过测试集对二次多项式逐步回归模型进行验证得到氨基酸、茶多酚和咖啡碱含量的预测值和测试值的相关系数分别为0.95、0.94和0.92,预测标准误差分别为0.08、0.11和0.8,平均误差分别为0.9%、2.8%和1.5%.结果表明,电子鼻技术可以用于茶叶理化成分的快速检测.     

基于混合颜色模型的茶叶多级分类技术

针对目前茶叶色泽质量判断与分级容易受人为主观因素及心理因素影响的现状,提出采用计算机视觉技术图像中的RGB和HSI混合颜色模型,并以绿色分量、色度和饱和度作为颜色特征向量,通过贝叶斯决策去除劣质茶叶,再通过K均质聚类分为第1等级、第2等级.以某干茶为实验对象,针对茶叶的色泽特征,以绿色分量判别色泽优劣等级,再以色度与饱和度相结合进行分析,构建特征向量函数并进行聚类二次分级.实验结果表明,所提出的方法对该类茶叶色泽质量分类识别的准确率达92. 5%.     

食品真实属性表征和品质识别新技术研究

在食品真实属性表征生物识别新技术研究方面,采用分子生物学技术,针对燕窝、王浆、海参等常见高附加值食品建立真伪鉴别新方法,为政府监管,企业质控提供技术保障,包括:采用免疫检测、酶活检测、毛细管电泳等技术,建立蜂王浆品质识别方法,收集不同产地和蜜源的王浆样品,初步建立了王浆属性表征数据库,进一步为王浆真伪鉴别和品质评价的应用奠定了基础;针对银耳、红藻、猪皮、蛋清等燕窝掺假物,建立燕窝真伪鉴别实时荧光PCR检测方法研究,开发燕窝真伪鉴别液相芯片检测方法,提高检测通量。采用双向电泳技术开展不同产地和级别燕窝样品的蛋白质组比较,为燕窝产品品质识别积累了基础数据。在蜂蜜蜜源品种溯源方面,建立8种蜂蜜蜜源植物的实时荧光PCR检测方法,可以灵敏检测不同蜜源蜂蜜混杂的产品。在鲑鱼和海参等海产品真伪检测方面,建立鲑鱼和海参真伪鉴别实时荧光PCR方法。在食品感官品质仿生识别技术研究与设备开发方面,开发了食品感官品质多通道识别信息融合技术与质量决策系统,采用传感器电子鼻、可视化电子鼻、电子舌等现代智能感官分析技术及气相色谱-质谱技术,针对普洱茶、绿茶、蜂蜜等食品建立品质识别新方法,为规范市场提供科学手段,包括:初步建立多种信息融合模式下的产品质量检测模型,开展了智能化电子舌传感器清洗、漂移校正、系统集成、标准操作应用方法学等产业化关键技术的研究,开发了利用4种天然植物色素作为气体敏感材料的可视化电子鼻技术,进行猪肉新鲜度检测应用研究,针对普洱茶品质和产地、绿茶产地、食用油品种等建立电子鼻品质识别方法。在食品质量属性分子识别技术及装备研究方面,重点针对组胺分子印迹技术、癸烯酸仿生免疫技术、蜂蜜红外光谱检测技术、杂胺免疫检测技术开展研究,包括:在前期组胺分子印迹聚合物合成的基础上,进一步优化构建了组胺分子印迹压电石英微天平传感器,并将其应用于实际样品的测定。建立了10-羟基-癸烯酸仿生免疫层析和高效液相色谱仪联用的检测方法来检测蜂王浆及其制品中蜂王酸的含量。采用近红外光谱技术结合化学计量学方法对掺入不同质量分数果葡糖浆的掺假蜂蜜进行定性和定量分析。在杂环胺半抗原合成、抗体制备的基础上优化建立了竞争ELISA方法,并优化建立了样品基质消除方法,对实际样品进行检测,并与仪器分析方法进行了比对。     

三维荧光光谱和主成分分析法在茶叶品质鉴别中的应用研究

提出一种综合运用三维荧光光谱、等强度指纹图谱和主成分分析技术对多种茶叶样本进行品质鉴定和种类区分的新方法。三维荧光谱可提供比常规荧光谱更加完整的特征信息，以荧光谱的多峰为变量，以其荧光强度值为样本观测值，利用主成分分析法实现了异常茶样本的检测，并利用贡献图确定影响茶性能的关键因素。通过对15种茶叶样品进行的实验，验证了该方法的可行性。     

茶汤光谱指纹图谱判别分析及相似度评价在绿茶分级中的应用

采用色差仪对茶汤汤色进行400~700nm连续波长扫描的方法,分别建立了7个等级信阳毛尖茶汤色光谱指纹图谱。基于各波长下的特征反射率与透射率比值,采用判别分析技术对不同等级信阳毛尖茶进行了很好的等级区别,判别正确率均大于90%；通过7种方法对不同等级茶汤光谱指纹图谱的相似度进行评价,发现各相似度计算方法均能不同程度反映茶叶等级间的差异大小,其中以新改良程度相似度法最佳。相似度评价方法与判别分析结果一致,且可实现对等级差异的量化分析,为绿茶品质评价和质量监控提供了一种客观可量化的方法。     

基于改进谷形检测增强和Canny边缘修正的手指静脉识别方法

手指静脉识别作为新型的生物特征识别技术,未来可广泛应用于身份识别领域。针对当前手指静脉图像质量差导致特征识别准确率较低的问题,提出一种基于改进谷形检测增强和Canny边缘修正的手指静脉识别方法。该方法首先改进用于局部静脉特征增强的方向谷形检测算子,增强静脉特征区域,然后利用Canny边缘检测算法对图像分割后的特征区域进行二次修正,在保证手指静脉特征区域完整性的同时降低伪静脉对识别率的干扰。在手指静脉数据库上进行实验,结果表明该方法对增强算法的泛用性较好,对4种不同的全局图像增强算法的识别准确率分别提升了8.66%,3.7%,1.78%,1.2%,能明显提高特征识别的准确率。     

基于支持向量机的香水识别电子鼻系统设计

针对电子鼻在化妆品领域的应用推广问题, 研制了一套用于香水识别的电子鼻系统。该系统主要包括数据采集, 信号调理, 特征提取和模式识别。硬件以微控制器dsPIC30F6014A为核心, 根据香水气味合理地选择了3个广谱型气敏传感器, 并加入温湿度传感器; 软件利用基于COM组件的VC和Matlab混合编程, 设计并实现了内嵌模式识别算法的上位机监控软件, 并发布成可执行文件。模式识别采用支持向量机（SVM: Support Vector Machine)方法, 相比PCA(Principal Component Analysis)、 神经网络等算法提高了小样本情况下的泛化性能。利用该系统对4种香水进行训练、 识别, 分类准确率达92%, 检测结果表明, 该电子鼻系统在香水识别方面具有较高的准确性和稳定性。     

基于BP神经网络的煤层硬度多等级识别方法

针对煤层硬度识别方面存在的问题,提出一种基于BP神经网络算法的煤层硬度多等级识别方法,将煤层硬度划分为6个等级进行识别.以采煤机截割电机和牵引电机的定子电流信号及调高油缸压力信号作为识别信号,利用小波包分解提取各个信号的特征量,并将其作为神经网络的输入样本进行训练和测试.经过实验,在仿真数据条件下本文提出的煤层硬度多等级识别方法对硬度等级的识别准确率为96.7%,在实机数据条件下识别准确率为93.3%,验证了该煤层硬度识别方法的有效性,为采煤机自适应截割过程煤层硬度高精度识别奠定了理论基础.     

用于白酒识别的电子鼻数据分析与参数优化

对电子鼻中数据分析(包括数据预处理、特征生成、特征降维和分类识别)问题进行研究.首先提出了将消除工频干扰、小波阈值去噪和数据归一化联用的电子鼻数据预处理新方法;然后从相对电导变化率及其微分、积分、曲率和平均数不等式的角度出发生成110维的初始特征空间;接着采用8种特征选择算法综合降维至41维,再利用核熵成分分析提取12维新特征;最后分别采用Softmax回归和改进的BP神经网络进行分类识别.在数据分析的基础上考察实验参数——气路流量和水浴蒸发温度对白酒识别的影响,同时结合主成分分析和线性判别分析得出较佳气路流量为200,sccm、水浴蒸发温度为70,℃;并应用此参数对11种浓香型白酒进行识别,经温湿度补偿后BP神经网络的识别准确率达91.36%.     

人工嗅觉系统及其在卷烟烟气中的研究

用金属氧化物半导体气敏传感器阵列组成的人工嗅觉系统 (电子鼻 )对 3种品牌卷烟烟气进行分析 详细阐述了实验过程及确定传感器的组成方法 ,并从样本中用马氏距离选取合适的样本 ,用主成分分析法和神经网络聚类分析法对样本进行分析 主成分分析结果是已较好地把各品牌的烟分开 ,神经网络对 3种品牌烟的识别率分别为玉溪 85%、白沙 90 %、红梅 95%     

基于多姿态多状态面部情绪模型的表情识别

介绍了面部表情识别的主要步骤,在此基础上提出了一种多姿态多状态的面部情绪模型．该系统利用图像质量的评价结果来决定面部检测的方法,通过中性脸的检测来实现表情边界的分割,从而把提取的表情运动特征参数作为BP神经网络的输入,进而实现面部表情的识别．实验表明,该系统具有很好的识别效果．     

基于小波包分析与BP神经网络的氧化铝熟料检测

利用小波包分析与BP(Back Propagation)神经网络相结合的算法,对氧化铝熟料检测的应用进行了研究.通过采集回转窑中氧化铝熟料下落碰撞窑壁产生的声音信号,利用小波包分析提取特征向量,根据氧化铝的烧结状况与声音信号特征向量的对应关系,提出建立BP神经网络模型.利用MATLAB对测试样本进行验证,结果表明BP神经网络模型在氧化铝熟料检测中具有可行性,而且具备一定的准确率.     

基于遗传神经网络的苹果气味识别方法研究

提出一种根据苹果气味对苹果进行无损检测的新方法，介绍一套适合苹果气味检测的电子鼻系统，阐述该系统识别苹果气味的过程．对超市所购的好坏苹果各50个进行了检测，在获得传感器阵列数据的基础上，从每个传感器曲线中提取了5个特征参数，该参数作为模式识别的输入向量．用主成分分析法和遗传神经网络对所测的样本进行分析，主成分分析的结果是能较好地区分好坏苹果，遗传神经网络对训练集的回判正确率和对测试集的测试正确率分别为100％和96，4％，试验证明该方法和电子鼻装置对苹果质量进行评定是有效的，同时也可以用于其他水果的检测，     

红外图像中的行人检测

为了有效地检测红外图像中的行人,提出了一种基于神经网络的检测方法。采用三维中值滤波来提取背景图像,用图像差分法提取目标区域(regions of interest,ROIs),提出傅里叶描述子作为目标区域形状特征;设计了BP神经网络分类器并用来对ROIs进行识别。通过大量不同种类不同形状的样本对分类器进行验证,结果表明该分类器具有较高的识别率和较低的虚警率,能够快速有效地识别ROIs,具有良好的分类能力。     

基于组合分类器的校园网入侵检测

为了增强校园网络的安全性,提出 KPCA 和 BP 神经网络相结合的组合分类器法构造入侵检测系统.先用 KPCA 对原始数据进行降维处理,而后用 BP 神经网络对新的数据进行分类检测. 结果表明,该方法能有效地缩短检测时间,提高检测效率.     

基于粒子群-蛙跳算法优化BP神经网络的滚动轴承故障诊断方法

针对滚动轴承故障诊断方法存在的局限性及缺陷,在利用小波分析提取滚动轴承故障信号特征向量基础上,提出基于粒子群 蛙跳算法优化的BP神经网络滚动轴承故障诊断方法。该方法采用粒子群 蛙跳算法优化BP神经网络结构参数,利用改进BP算法和样本数据训练BP神经网络,实现滚动轴承运行正常和4种不同故障状态的诊断。实验验证结果表明,基于粒子群 蛙跳算法的BP神经网络方法诊断误差最大值仅为005,为未优化的神经网络诊断误差的1/16;与其他算法相比,基于粒子群 蛙跳算法优化的BP神经网络方法的训练时间、训练误差和诊断精度各项指标均为最优,可实现滚动轴承故障的快速、准确、有效诊断。     

基于AR信号处理和KII模型的嗅觉识别算法

信号的特征提取和模式识别方法,在实现准确的电子鼻气体定性分析中尤为关键,本文提出了基于AR信号处理和KII模型的嗅觉识别算法．将传感器信号分为：上升期和稳定期两部分,对上升期信号提取斜率作为特征;对稳定期信号,进行AR建模来提取特征．在电子鼻的模式识别算法上,利用KII模型对气味信号进行分类．该方法充分利用了AR信号处理在信号表示方面的有效性及降维优势、KII模型在模式识别方面的优越性．仿真将该方法与BP网络、AR—BP算法及单KII网络进行了比较,结果表明,AR信号处理技术可以很好的提取特征,并与KII建立相关的数学模型,将AR信号处理技术应用到电子鼻系统中是可行的,且具有更高的识别率．     

基于BP网络与Mahalanobis距离的图像识别技术(英文)

提出基于BP人工神经网络与Mahalanobis距离的图像识别技术.在对IC芯片图像进行二维小波分析后,通过Mahalanobis距离在图像的低频小波系数矩阵上进行目标图元的区域搜索与位置标定,而后根据待定目标图元像素分布特征建立特征参数向量,建立BP网络对目标图元进行模式识别.实验证明此方法能够有效地对IC图像进行目标图元的位置标定与模式识别,获得准确的IC标定识别结果.