基于GAN-CNN的气味识别

摘要

随着嗅觉技术的发展,电子鼻因其响应速度快、使用方便等特点被广泛的应用。然而,在实践中,很难获得足够的样本数据来训练气味识别模型。本文提出了一种将生成对抗网络(GAN)和卷积神经网络(CNN)相结合的模型GAN-CNN,首先,将电子鼻数据转换为灰度图。然后,利用GAN学习真实样本的数据分布,通过生成器和判别器的对抗训练,生成具有相似数据分布的增强数据集。最后,将增强数据集输入CNN进行特征提取,并对气味类型进行分类。结果表明,GAN-CNN利用电子鼻采集响应成功对气味进行分类,并且准确度达到94.43%,这对于小样本的气味识别具有重要意义。