法律状态公告日
法律状态信息
法律状态
2018-07-31
授权
授权
2016-07-13
实质审查的生效 IPC(主分类):G01N27/00 申请日:20160111
实质审查的生效
2016-06-15
公开
公开
技术领域
本发明涉及农作物病虫害检测领域,特别涉及一种基于吸附动力学的电子 鼻数据特征提取方法。
背景技术
到目前为止,电子鼻中气味信号的特征提取方法主要可以分为三种:1、提 取曲线的几何特征;2、提取样本数据的频率信息作为特征;3、对信号曲线进 行拟合,提取拟合模型的参数作为特征。
第一类有可分为两小类:提取原始曲线的几何特征和提取曲线一阶或一阶 以上的导数曲线的几何特征。在原始曲线中提取样本曲线的几何特征是一种传 统的曲线特征提取方法,提取的特征包括曲线的峰值、峰值的位置、曲线下的 面积等。提取曲线一阶或一阶以上的导数曲线的几何特征包括一阶导数最大值、 一阶导数最大值出现时刻、二阶导数最大值、二阶导数出现时刻和曲线下面积 等等。但是这类方法很大程度上依赖于曲线的峰值或某个特定时刻的取值,这 有明显的局限性,因为传感器的响应不仅与气体类型有关,还受温度、湿度、 气体浓度等外界因素的影响。所以几何特征不能准确的反映气味样本的类别信 息。
提取样本数据的频率信息作为特征这种方法主要是用从时域到频域的转化 方法,如傅里叶变换和小波变换,然后抽取那些最能反映样本数据频率特征信 息的参数作为特征。这种特征提取方法有较深的理论基础,可以作为一种有效 的特征提取方法来进行深入研究,但是同时这个方法所提取的特征不够直观, 难以理解。
基于曲线拟合的特征提取方法用一个模型对样本曲线进行拟合,然后提取 模型的参数作为特征。现有常用的曲线拟合模型包括多项式模型、指数模型和 高斯模型,但是这些模型未反应气体和传感器之间的实际关系,效果较差,导 致最后的模型欠准确。
发明内容
本发明的目的在于提供一种基于吸附动力学的农作物病虫害检测用电子鼻 数据特征提取方法,以解决现有特征提取方法不能反映整个响应曲线稳态响应 和瞬态响应信息,变化域特征丢失时域信息,不能完整反映整个响应过程特征, 以及不能反映检测气体与电子鼻阵列信号实际反应模型的技术问题。
本发明解决上述技术问题所采用的技术方案是:一种基于吸附动力学的电子 鼻数据特征提取方法,将电子鼻传感器响应过程认为是传感器对气体的吸附过 程,吸附的量越大,其响应值越大,包括以下步骤:
步骤一、使用电子鼻对一个样品进行检测,获得电子鼻的响应曲线;
步骤二、使用吸附动力学方程对步骤一得到的电子鼻的响应曲线进行拟合, 将拟合后获得的吸附动力学方程中的待定系数作为特征值;将电子鼻中各个传 感器获得的响应曲线使用吸附动力学方程进行拟合处理,获得各个传感器的特 征值,将各个传感器的特征值组合构成电子鼻的特征向量;
步骤三、选取不同样品组,对同一样品组内的样品进行相同处理,对处理后 的样品经过步骤一和步骤二得到该样品的特征向量,将同一个组内样品的特征 向量组合成特征矩阵;
进一步的,所述吸附动力学方程为准一级吸附动力学方程、准二级吸附动力 学方程、修正伪一级动力学方程、二级动力学方程或颗粒内扩散方程。
进一步的,所述曲线拟合算法为最小二乘法、拉格朗日插值法、牛顿插值法、 牛顿迭代法、区间二分法、弦截法、雅克比迭代法或牛顿科特斯数值积分法。
进一步的,所述电子鼻中的传感器均为金属氧化物半导体传感器。
本发明具有的有益效果是:使用吸附动力学方程来分析吸附时间和吸附量之 间的关系,揭示电子鼻传感器的吸附机理,能够全面、准确的提取出电子鼻响 应曲线的特征,并最大限度代表响应曲线的整体特征。解决了基于曲线拟合的 特征提取方法所用的模型不能准确的反应气体和传感器之间的实际关系,导致 拟合效果较差,最后的模型欠准确的问题。
附图说明
图1是电子鼻样品顶空收集装置;
图2是电子鼻检测传感器响应信号图。
具体实施方式
本发明实施例在于通过一种基于吸附动力学的农作物病虫害检测用电子鼻 数据特征提取方法,以解决现有特征提取方法不能反映整个响应曲线稳态响应 和瞬态响应信息,变化域特征丢失时域信息,不能完整反映整个响应过程特征, 以及不能反映检测气体与电子鼻阵列信号实际反应模型的技术问题。
为更好的理解上述技术方案,下面结合说明书附图及具体实施方式对上述 技术方案进行详细说明。
一种基于吸附动力学的植物病虫害检测用电子鼻数据特征提取方法,将电 子鼻传感器响应过程认为是传感器对气体的吸附过程,吸附的量越大,其响应 值越大,包括以下步骤:
步骤一、使用电子鼻对一个样品进行检测,获得电子鼻的响应曲线;
步骤二、使用吸附动力学方程对步骤一得到的电子鼻的响应曲线进行拟合, 将拟合后获得的吸附动力学方程中的待定系数作为特征值;将电子鼻中各个传 感器获得的响应曲线使用吸附动力学方程进行拟合处理,获得各个传感器的特 征值,将各个传感器的特征值组合构成电子鼻的特征向量;
步骤三、选取不同样品组,对同一样品组内的样品进行相同处理,对处理后 的样品经过步骤一和步骤二得到该样品的特征向量,将同一个组内样品的特征 向量组合成特征矩阵;
步骤四、利用多层感知机神经网络对步骤三获得的特征矩阵进行处理,获得 不同组的样品的分类正确率,将分类正确率作为评价特征提取方法的依据。
上述的基于吸附动力学的电子鼻数据特征提取方法,其特征在于,所述吸附 动力学方程为准一级吸附动力学方程、准二级吸附动力学方程、修正伪一级动 力学方程、二级动力学方程或颗粒内扩散方程。
上述的基于吸附动力学的电子鼻数据特征提取方法,其特征在于,所述曲线 拟合算法为最小二乘法、拉格朗日插值法、牛顿插值法、牛顿迭代法、区间二 分法、弦截法、雅克比迭代法或牛顿科特斯数值积分法。
上述的基于吸附动力学的电子鼻数据特征提取方法,其特征在于,所述电 子鼻中的传感器均为金属氧化物半导体传感器。
实施例:
本发明适用于金属氧化物半导体传感器电子鼻检测数据特征提取。以下的 实施例便于更好的理解本发明,但并不限定本发明。一种基于电子鼻检测茶树 受害虫取食时间的方法,其具体步骤如下:
以两年生龙井43茶树作为实验对象,挑选健康无损伤的茶树作为检测对象, 并将茶树叶片洗净,去除灰尘,选取4组待测茶树样品,对其中3组茶树样品 移植10只三龄茶尺蠖幼虫,对不同组经过不同的取食时间处理,分别是8小时、 16小时和24小时,另外使用健康无损伤的茶树作为对照组,将茶树放入电子鼻 样品顶空收集装置中,该电子鼻样品顶空收集装置如图1所示,包括空气泵1、 活性炭管2、流量计3、特氟隆管4、密封板5、支架台6、茶树7、玻璃罩8; 其中,所述空气泵1、活性炭管2、流量计3和玻璃罩8通过特氟隆管4依次相 连,密封板位于玻璃罩8的下方,夹于支架台6和玻璃罩8之间,将茶树放于 玻璃罩8之内,茶树挥发物填充在玻璃罩8之内,空气泵1向玻璃罩8泵空气, 使玻璃罩8内填充经活性炭管净化后的空气。保证该电子鼻样品顶空装置内茶 树的叶片为20-25片,然后在室温下(25摄氏度)放置40min,使该顶空装置 内挥发物浓度达到稳定,每组茶树做20次重复,即每组可获得20个样本数据; 对电子鼻顶空装置内的挥发物使用电子鼻进行检测,设置检测时间为70s、清洗 时间为60s和气流速度为200ml/min;结束一个样本检测后需对电子鼻传感器进 行清洗,然后检测第二个样本。
本案例中应用的是德国AIRSENSE公司的PEN2型电子鼻为检测仪器,该电 子鼻系统由10个金属氧化物传感器,其型号与相应特性如表1所示:
表1PEN2型电子鼻各传感器的响应特征
上述传感器属于金属氧化物传感器,与周围气体吸附反应以物理和化学相 结合的方式进行,因此使用准二级吸附动力学方程对电子鼻响应曲线进行拟合, 其表达式为:
t/q=1/(k2·(qe)^2)+t/qe
式中qe、q分别为吸附平衡及t时刻的吸附量(mg·g-1);t为吸附时间(min); k2为准二级吸附速率常数(g·mg-1·min-1);以上式中的t对应电子鼻检测时间,q 对应电子鼻各个传感器响应值对电子鼻响应曲线进行拟合。
由上述公式可知,拟合后每个传感器对应两个参数,因本次检测使用的电 子鼻具有10个传感器,因此共可得到20个参数作为特征值,但是其中吸附平 衡时吸附量qe与电子鼻响应曲线稳定值相对应,而真正反映吸附性能的参数为 准二级吸附速率常数k2,因此为提高后续处理效率,单单选用拟合后得到的k2作为特征值对茶树受害虫取食时间进行区分预测,使用多层感知机神经网络验 证该特征值效果,对每个处理组选用14个样本进行训练,6个样本作为测试集。 结果显示,无论是训练集还是测试集,多层感知机神经网络均取得了100%的分 类正确率,说明使用准二级吸附动力学方程对电子鼻响应曲线进行拟合,以准 二级吸附速率常数k2作为特征值的特征提取方法具有较高的推广应用价值。
机译: 基于差分吸附剂净化的锯式电子鼻微型空气采样器
机译: 基于激光的吸附剂和吸附剂对吸附动力学的系统
机译: 一种基于聚合物纳米纤维的电子鼻