基于人工神经网络的苹果气体识别方法研究

论文摘要

近年来，电子鼻技术的研究受到了广泛的关注，发展迅速，基于电子鼻技术开发的产品也越来越多地应用到各个领域。本文介绍了气体传感器阵列原理和构成，研究了对苹果气味敏感的气体传感器阵列的组成和气体传感器的特点，并重点研究了BP网络和RBF网络等模式识别技术在电子鼻中的应用。本课题在大量的实验基础上，建立了一个较完善的电子鼻实验装置，可以依据气味对苹果进行分类和分级。主要研究内容及方法如下：1、气体传感器阵列组成的基本形式，设计了电子鼻实验装置，它由四个基本单元组成：气体产生室、测量室、A／D转换模块和一台负责数据采集和处理的计算机。2、利用MATLAB软件，对所采集的红富士苹果气体的实验数据进行主成分分析，分析结果表明每个传感器对苹果气体反应程度以及传感器阵列间的相互关系，用两个主成分代替原来的八个传感器为区分不同成熟度的苹果提供了快速准确的辨识方法。3、用Visual C++6.0设计出了友好的视窗界面，调用Windows API函数实现了计算机的串口与气体传感器阵列电路板之间通信，可以在线调整串口的通讯参数、采样周期、总的采样时间。4、建立了BP神经网络和RBF神经网络的模式识别模型，在VC平台上实现对不同成熟度的苹果（好苹果、碰伤苹果、坏苹果）和两种不同状态的苹果（好苹果、坏苹果）进行了分类辨识。首先对采样数据进行了预处理，提出了改进的BP算法和最近邻-k均值聚类算法，实验结果证实了两种算法都能较好的识别了不同状态的苹果气体。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 引言
• 1.2 电子鼻的研究现状
• 1.2.1 国外研究现状
• 1.2.2 国内研究现状
• 1.3 电子鼻的结构和概念
• 1.3.1 气敏材料
• 1.3.2 气体传感器
• 1.3.3 气体传感器阵列
• 1.3.4 模式识别信息处理方法
• 1.4 研究方向
• 1.5 论文主要内容
• 2 气体测量系统实验装置
• 2气体传感器的特点及其工作原理'>2.1 SnO₂气体传感器的特点及其工作原理
• 2.2 实验硬件部分
• 2.3 实验方案设计
• 2.3.1 品种的选择和样本的采集
• 2.3.2 实验步骤
• 2.4 软件部分
• 3 模式识别技术
• 3.1 模式识别技术概述
• 3.2 模式识别方法
• 3.2.1 人工神经网络概述
• 3.2.2 前馈神经网络
• 3.2.3 径向基神经网络
• 3.2.4 主成分分析
• 4 两种不同成熟度苹果的实验数据分析
• 4.1 数据预处理算法及数据样本
• 4.2 主成分分析结果
• 4.3 人工神经网络的辨识结果
• 4.3.1 BP网络设计原则
• 4.3.2 BP网络辨识结果
• 4.3.3 RBF网络辨识结果
• 4.3.4 主成分分析结合人工神经网络的辨识结果
• 5 三类不同成熟度苹果的实验数据分析
• 5.1 实验数据及样本选择
• 5.2 主成分分析的结果
• 5.3 人工神经网络的辨识
• 5.3.1 BP网络的辨识结果
• 5.3.2 RBF网络的辨识结果
• 5.3.3 主成分分析结合人工神经网络的辨识结果
• 6 总结与展望
• 6.1 论文的主要工作
• 6.2 不足与展望
• 致谢
• 参考文献
• 作者在攻读硕士期间所发表的论文
• 附录A
• 附录B