论文摘要
电子舌是一种能够对液体特征信息进行分析和鉴别的智能检测系统,它主要包括传感器阵列、信号采集模块和模式识别模块三大部分,传感器阵列用于获取液体的特征信息,然后通过信号采集模块将信息采集并存储在计算机中,最后由模式识别算法对数据进行处理。电子舌目前已经被广泛应用于食品、医学、环境等领域,前景广阔。本文自主开发了一套伏安型电子舌系统,前端传感器采用标准三电极体系,采用差分脉冲伏安法作为实验技术,并针对该电子舌系统所获得的伏安曲线给出了一种特征提取方法,结果证明该特征提取方法能够在减轻数据处理负担的同时保证识别的正确性。用所设计的伏安型电子舌系统对五种不同产地的泡制绿茶进行了检测实验,并用主成分分析、概率神经网络以及C均值聚类三种不同的模式识别算法对实验数据进行了处理,结果显示三者均能取得很好的识别效果,并且由于主成分分析和C均值聚类不需要训练,所以它们在识别速度上比概率神经网络更胜一筹。本文用电位型电子舌对五种不同品牌的橙汁进行了检测实验,并用上述三种模式识别算法对实验数据进行了处理,结果表明,采用主成分分析和概率神经网络相结合的方法,可以大大提高对该类实验对象的识别准确率,从而提高了电位型电子舌系统的性能。本文还将上述三种模式识别算法应用于电位型电子舌所获取的五种不同品牌的矿泉水数据处理中,结果表明,主成分分析采用三个主成分绘制的得分图比用两个主成分绘制的得分图能显示出更明显的识别效果,概率神经网络在训练样本超过200个时就能够使识别率达到100%,并且用C均值聚类算法也可以将五种矿泉水很好的区分开。