阅读说明：本技术 一种基于自制电子鼻系统的酱油分类方法 (Soy sauce classification method based on self-made electronic nose system ) 是由 钮永莉 刘青 武斌 刘东旭 于 2020-06-09 设计创作，主要内容包括：本发明公开了一种基于自制电子鼻系统的酱油分类方法。将该方法运用于五种酱油电子鼻数据的聚类分析并与传统GK模糊算法和FCM算法进行对比。聚类结果表明,M_GK算法具有更少的迭代次数和更高的聚类准确率；电子鼻技术结合PCA,LDA算法和M_GK聚类可以实现酱油品种的准确分类,提供了实现酱油分类鉴别的一种有效模型。(The invention discloses a soy sauce classification method based on a self-made electronic nose system. The method is applied to the cluster analysis of the data of the electronic nose of the five soy sauce types and is compared with the traditional GK fuzzy algorithm and the FCM algorithm. The clustering result shows that the M _ GK algorithm has fewer iteration times and higher clustering accuracy; the electronic nose technology is combined with PCA, LDA algorithm and M _ GK clustering, so that accurate classification of soy sauce varieties can be realized, and an effective model for realizing soy sauce classification and identification is provided.)

一种基于自制电子鼻系统的酱油分类方法

技术领域

本发明涉及信息技术领域，具体为一种基于自制电子鼻系统的酱油分类方法。

背景技术

酱油起源于中国，具有独特的香气和各种营养成分，如氨基酸、糖类、有机酸、矿物质、酯、维生素等，同时对人的身体十分有益，在人们的日常生活中深受欢迎。酱油的味道是酱油品质和质量的重要指标，一般依赖品鉴专家的感官来判断，但其受主观因素影响较大，此时需要一种现代化的仪器来替代或辅助品评专家的工作。电子鼻技术是一种简单、快速且客观检测气味的技术，包含了传感器，模式识别，信号处理等多个学科的知识，被广泛用来分析各种含有机挥发物的气体成分。电子鼻的优点是速度快，灵敏度高，且无损检测，因此在食品分类、鉴别领域及食品安全方面得到了应用，成为研究热点。如在茶叶分类检测、肉类检测、酒类检测、果蔬检测中已得到了广泛的应用。

目前的电子鼻应用研究大部分采用的是成品电子鼻系统，如PEN3、INose等，价格比较昂贵，市场推广受限。本发明研究设计一种用于酱油检测的电子鼻系统，先使用主成分分析(PCA)和线性判别分析(LDA)进行数据降维，再使用改进的GK聚类算法来处理电子鼻信号，并与FCM算法和传统GK算法进行对比试验来实现酱油品种的检测分类。

发明内容

针对现有技术的不足，本发明提供了一种基于自制电子鼻系统的酱油分类方法。

电子鼻系统连接

数据采集卡使用NI USB 6002，美国国家仪器(NI)有限公司生产，该数据采集器可提供八个模拟输入通道，使用NI的配置管理软件NI Max与PC进行交互。将电子鼻各部分器件有序连接，传感器阵列连接数据采集卡，数据采集卡的输出端通过USB线连接到PC机，接通电源。

为了实现上述目的，本发明采用了如下技术方案：

一种基于自制电子鼻系统的酱油分类方法，包括以下步骤：

S1、打开样品瓶盖，将电子鼻通电10分钟进行预热；

S2、将15毫升的酱油样品放入样品瓶中，将样品瓶的气管与气室连接，居于气室中心，传感器静置60分钟，待气体挥发完全；

S3、利用NI LabVIEW 2018编写的上位机程序进行数据采集并记录，之后每隔5分钟采集一次，共采集三次，用这个三次采集结果的平均值作为一个酱油样本的稳定数据；

S4、完成一次酱油样本采集后，打开箱盖静待10分钟，使得各传感器恢复初始状态，然后重复采集其他酱油样本。通过LabVIEW响应曲线也可以观察到气室状态，待气室完全清空后，再收集另一份酱油样品的数据；

重复步骤S2-S4，直到所有数据采集完全。

本发明的有益效果为：

1.对GK聚类的改进(M_GK)

GK聚类是一种模糊聚类算法，该算法可以检测数据集中不同形状的聚类，实现数据集的有效分类。但该算法也存在一定缺点，如对初始聚类中心和聚类数较敏感，易陷入局部最优等。本发明使用一种基于密度函数的方法确定初始聚类中心，即充分考虑每个样本点所处的数据区域，首先选取密度指标最高的点作为第一个聚类中心，之后其他样本点的密度指标值根据与该聚类中心的距离做相应调整，使得样本中离的越近的点，其密度减小的越快，依次循环，直到找到足够多的聚类中心为止。

2.速度更快，精度更高

将该方法运用于五种酱油电子鼻数据的聚类分析并与传统GK模糊算法和FCM算法进行对比。聚类结果表明，M_GK算法具有更少的迭代次数和更高的聚类准确率；电子鼻技术结合PCA，LDA算法和M_GK聚类可以实现酱油品种的准确分类，提供了实现酱油分类鉴别的一种有效模型。

附图说明

图1为本发明的工作流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1

一种基于自制电子鼻系统的酱油分类方法

1.该酱油电子鼻系统主要包括气室(传感器阵列所安置之处)、样品瓶、气敏传感器阵列、数据采集卡、电脑等。

2.电子鼻系统连接

数据采集卡使用NI USB 6002，美国国家仪器(NI)有限公司生产，该数据采集器可提供八个模拟输入通道，使用NI的配置管理软件NI Max与PC进行交互。将电子鼻各部分器件有序连接，传感器阵列连接数据采集卡，数据采集卡的输出端通过USB线连接到PC机，接通电源；样品瓶气体进入气敏传感器阵列，气敏传感器通过感知的电信号强弱来反映气体的浓度及成分，经过数据采集卡连接电脑进行气体模式识别。电子鼻系统工作环境温度为20℃～25℃，湿度为35％～70％。

3.步骤

S1、打开样品瓶盖，将电子鼻通电10分钟进行预热；

S2、将15毫升的酱油样品放入样品瓶中，将样品瓶的气管与气室连接，居于气室中心，传感器静置60分钟，待气体挥发完全；

S3、利用NI LabVIEW 2018编写的上位机程序进行数据采集并记录，之后每隔5分钟采集一次，共采集三次，用这个三次采集结果的平均值作为一个酱油样本的稳定数据；

S4、完成一次酱油样本采集后，打开箱盖静待10分钟，使得各传感器恢复初始状态，然后重复采集其他酱油样本。通过LabVIEW响应曲线也可以观察到气室状态，待气室完全清空后，再收集另一份酱油样品的数据；

重复步骤S2-S4，直到所有数据采集完全。

4.将采集的数据处理与归类

4.1数据降维

在数据归一化处理后，使用主成分分析(PCA)方法对预处理后的数据进行第1次降维，以达到数据降维和去除冗余信息的目的，之后再用线性判别分析(LDA)方法对降维后的数据进行特征提取并实现再次降维。经过PCA+LDA运算后，数据维数降到4维。

4.2改进的GK聚类进行分类

4.2.1初始聚类中心实现步骤

1)对于样本集X＝(x₁,x₁,…,x_N)中的每一个样本点x_k，定义密度函数

其中r_a＞0，是邻域半径，该半径以外的样本点对该点的密度指标贡献甚微，选取值最大的点

作为第一个聚类中心。

2)假设第k次选出的聚类中心为其对应的密度函数为

其他的样本点的密度函数按以下公式：

进行修正，选出值最高的点作为聚类中心，r_b＝1.2r_a至1.5r_b。

3)判断条件

是否成立，如果不成立则重复步骤(2)，如果成立则退出。η为预先给定的值，一般η取0.5。

4.2.2改进后的GK聚类算法

改进后的GK聚类算法步骤如下：

确定聚类数c，模糊指数m和最终允许误差ε；

用4.2.1所述步骤确定c个初始聚类中心，设置模糊划分矩阵U初始值；

根据公式(4)更新聚类中心；

计算第i个聚类中心的协方差矩阵F_i为：

根据公式(6)计算正定对称矩阵A_i，然后根据公式(5)求解x_j到聚类中心v_i的距离范数

利用公式(7)更新模糊划分矩阵U；

对给定的ε＞0，当满足||U^(l+1)-U^(l)||＜ε时，运算终止，否则继续循环步骤3到步骤6，直到满足条件为止。

经过降维后的数据使用改进的GK聚类进行分析，取得了更快的速度和更高的精度。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。