论文部分内容阅读
花椒是我国重要的经济作物,在我国西部地区如四川、陕西、甘肃、青海等地都有大面积的种植,业已成为当地经济的支柱产业[1]。市面上花椒品种众多,外形、色泽、风味各不相同,且不同品种的花椒价格差异很大。随着对花椒的深度开发和利用越来越重视,市场需求快速增长,但市场上以劣充优、以陈冒新、掺假掺杂等现象也随之而来,这给市场监管及消费者的合法权益带来了严重影响。现有花椒品种鉴别方法主要是感官分析,但是非专业人员品评辨识正确率很低。为解决上述问题,实现花椒品种的鉴别,本文结合仿生嗅觉技术提出一种机器鉴别花椒品种的方案,即仿生嗅觉装置。本文利用SolidWorks、AltiumDesigner等软件设计了仿生嗅觉装置,并进行了试验研究。主要研究内容和结论如下:(1)使用AltiumDesigner软件完成了系统电路的设计。系统由过载保护模块、控温模块、风扇控制模块、气敏感测器阵列(由7个气敏感测器组成)、数据储存模块、显示模块和控制芯片组成。本系统具有在恒温密闭条件下实现花椒气味数据的采集、分析和储存,并在显示屏上显示分析结果等功能。(2)使用SolidWorks软件完成了仿生嗅觉装置机械部分的设计。机械部分的设计主要是密闭气室的结构设计,即气敏感测器阵列、样品槽、加热栅格、风扇等的结构和布局设计。设计的密闭恒温气室,保证了花椒气味不会逸散,同时还实现了气室的恒温控制,尽可能减少了外部环境对检测的干扰。通过对气室内的环形传感器阵列和定向导气通道的设计和布局,使传感器阵列中的各传感器在气室内所处的空间位置一致,保证了传感器阵列采集到的数据的可靠性。(3)利用制作出来的仿生嗅觉装置进行了前期试验,采集到了157组花椒样本的气味数据。并分别利用主成分分析(PCA)和Wilks(?)统计量将21维的原始数据集降到了6维,以期剔除掉原始数据集中对花椒品种鉴别无用的信息,同时也为后续模型的建立做好准备。(4)为训练分类器和验证两种数据降维方式的效果,本文分别用原始数据集、PCA降维后的数据集和Wilks(?)统计量降维后的数据集建立了数学模型,并对3种数学模型分别进行了交叉验证。交叉验证结果表明,基于原始数据集的原始模型的鉴别正确率为94.9%,基于PCA降维后的数据集的A模型的鉴别正确率为96.8%,基于Wilks(?)统计量降维后的数据集的B模型的鉴别正确率同样为96.8%,因此可认为两种降维方式都提高了模型的可靠性。虽然A模型和B模型的正确率相同,但是依据B模型训练出的分类器具有能够直接使用传感器采集到的原始数据(不需要标准化)的优点,此优点不仅提高了分类器的工作效率,还降低了分类器程序的编写难度。因此本文依据B模型训练了分类器,并将分类器移植到了仿生嗅觉装置的控制芯片中,使本装置具有了鉴别花椒品种的能力。(5)为试验仿生嗅觉装置性能,本文选取30组花椒样本进行了实际的上机试验。通过试验发现,完成1组样本检验,本装置需耗时约25min(清洗约15min,检测分析约10min)。最终试验结果表明30组样本全部鉴别正确,正确率达到了100%。本文设计的仿生嗅觉装置基本达到了设计要求,能够实现花椒品种的鉴别。