基于仿生嗅觉神经网络的电子鼻食品气味识别算法研究

作     者：熊忆舟 

作者单位：浙江大学 

学位级别：硕士

导师姓名：王平

授予年度：2022年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 080202[工学-机械电子工程] 081104[工学-模式识别与智能系统] 08[工学] 09[农学] 0903[农学-农业资源与环境] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：仿生电子鼻 食品气味识别算法 脉冲神经网络 卷积神经网络 仿生嗅觉神经网络 

摘      要：食品安全问题与人们的日常生活密切相关,快速、准确的检测食品质量好坏对人们的身体健康与生命安全具有重大意义。仿生电子鼻系统是一种智能气味检测仪器,能够根据食品在变质过程中挥发产生的特定气味来评估食品的新鲜度,利用仿生电子鼻可以实现对食品变质或腐败气味的实时、快速、无损的检测。气味识别算法是决定电子鼻气味识别准确性和速度的关键,然而传统气味识别算法需要人工提取特征,这使得整个检测过程变得缓慢且繁琐。随着人们对生物感知原理认识的不断加深,已提出许多仿生模型并用于多种实际场景,这为解决气味识别算法中的各种问题提供了新思路。本文对仿生电子鼻气味识别技术进行了研究,并提出了三种基于仿生嗅觉神经网络的电子鼻气味识别算法用于检测食品的新鲜度。论文的主要创新性工作如下:1.提出了一种基于格拉姆角场与深度卷积神经网络的电子鼻气味识别算法,实现了对水果腐败气味的准确、快速识别针对传统气味识别算法无法自动对传感器响应信号进行特征提取的问题,并根据仿生电子鼻传感器阵列响应信号的特点,使用改进的格拉姆角场算法将二维的传感器响应信号转换为三维,再将三维数据输入深度残差卷积神经网络进行自动的特征提取和分类。使用专门设计的仿生电子鼻系统采集的水果腐败气味数据对该算法进行了性能评估,并与其他几种经典气味识别模型进行了对比与分析。实验结果表明,该算法在测试集中所有水果腐败气味种类上均有较高的识别准确率,平均测试准确率达到89.92%,特别是对于较难分类的复杂气味成分样本,该算法仍然具有很强的分类能力。2.提出了一种基于脉冲卷积神经网络的电子鼻气味识别算法,实现了对变质食品混合气味的高效率识别针对基于深度神经网络模型参数量大、消耗的计算资源多的问题,同时为了充分利用卷积神经网络强大的特征提取能力和脉冲神经网络高效的信号传递方式,将深度残差卷积神经网络转换为脉冲神经网络的形式,建立了由带跳跃连接的脉冲卷积层和脉冲全连接层组成的深度残差脉冲卷积神经网络模型。使用专门设计的仿生电子鼻系统采集并构建了变质食品混合气味数据集,并结合水果腐败气味数据集对该算法与其他几种经典气味识别算法进行了性能评估。实验结果表明,该算法在两个数据集上分别达到了84.50%和88.57%的识别准确率,与经典深度卷积神经网络模型相当,但是本文算法在模型总参数量和计算效率等方面优于深度卷积神经网络,从而实现了利用小尺寸模型进行高精度的气味识别。3.提出了一种基于仿生嗅觉脉冲神经网络的电子鼻气味识别算法,实现了对变质食品气味信息的高效特征提取与分类针对脉冲卷积神经网络结构不具备哺乳动物嗅觉系统仿生意义的问题,并根据已知的哺乳动物嗅觉系统的组成结构和工作原理,采用由仿生嗅球模型和仿生嗅觉皮层组成的脉冲神经网络对哺乳动物的嗅觉机制进行了模拟,并将该仿生嗅觉神经网络运用于电子鼻的食品变质气味识别。采用变质食品混合气味数据集与水果腐败气味数据集对该算法以及其他几种经典算法进行了性能评估,并分析了模型的抗干扰能力。实验结果表明,该算法具有抗干扰能力强、模型参数量少、识别准确率较高等优势,且仿生嗅球模型提取到的脉冲形式的特征有助于提高传统气味识别算法的识别准确率。