模式识别的theUniversalElectronicTongueSystem通用电子舌系统的研究
作者:周建辉,王磊学校:同济大学专业:电子与信息工程
摘要:在食品检测中化学味道是不可缺少的信息.电子舌系统是该技术的研究方向之I.,辨别不同的味道.本文的重点是模式识别方法学习矢量量化(LVQ)神经网络.电子舌系统设计能识别所有的样本包括啤酒,果汁和牛奶.结果表明,LVQ神经网络是适用于模式识别电子舌系统,信息是由多传感器阵列收集的.通用模式识别电子舌系统在这篇文章中陈述了,通用电子舌系统拥有很多的优势,尤其在简单的模式识别和分类中,快速培训方法和更广泛的应用领域.
关键字:LVQ神经网络;模式识别;通用电子舌系统;味道识别
I..引言
味道是食物,饮料,葡萄酒最重要质量指标,传统意义上上,味觉鉴定依赖于感官评价专家提出.这些专家应具备的特殊能力来区分不同的口味,他们可以给通过品尝准确的产品质量水平.但选择和培养上述专业人士,将需要很多钱和时间.此外,人的味蕾是容易产生疲劳,这将响应检测的结果是否正确.
可以识别化学味道的电子舌系统已经成为当前的研究热点.电子舌是I.种可以模仿人类味觉和区分不同的液体的设备.它由味觉传感器,信号采集器和构成模式识别工具.电子舌系统的输出信号表明,它可以识别不同化学元素的味道.我们知道,人的味觉系统是最具代表性的通用智能系统,它是能够识别许多不同类别的味道.然而,大多数电子舌头只能识别特定样品,这个问题已经阻碍其在使用中更广泛的商业应用.所以,有必要研究简单的模式识别和广泛应用电子舌系统.本文使用通用模式识别的电子舌对不同样本的啤酒,果汁,牛奶进行采样分析研究.
II.模式识别口味
电子舌作为在食品工业领域中对啤酒,果汁,牛奶进行分类的共同检测项目.LVQ神经网络应用于识别啤酒, *景先生毕设|www.jxszl.com +Q: *351916072*
果汁和牛奶的样本的实验中.这是I.个由VII种口味传感器阵列组成的电子舌系统.
A.味道传感器
电子舌味觉传感器是VII个工作电极和I.个参考电极相结合.这些金属材料为锡(Sn),铌(Nb),钯(Pd),钛(Ti),铁铁),钨(W),铂(Pt)和钼(莫).这些材料可以挑选出味觉信号并将其转换成电信号.
B.LVQ神经网络
LVQ神经网络是I.种混合型网络,它包含的竞争层和线性层,竞争层是可以学习的第I.层包括输入向量的分类.线性层是第II层作为传输竞争层的分类信息与用户定义的类别.从类别有竞争层的学习被命名为子类别和从该直线的类获得层命名为目标类别.在LVQ网络中,第I.层的每个神经元被分配给I.些类.以这种方式,数神经元总是被分配到同I.个类中.然后每I.个类被分配给下I.个神经元层.
第II层的神经元,但通常较大.就像在竞争激烈神经网络,在LVQ神经网络,每I.个学习神经元的原型向量在第I.层可以在输入空间中的区域进行分类.LVQ神经网络的结构图如下:
图I..LVQ神经网络的结构
在LVQ网络,因为学习要把无监督学习(竞争层)和监督学习(线性层)相结合,它需要I.组正确的网络行为的样本.这意味着它需要I.组输入的向量和目标向量来调整参数.这些都是在实现通过不断调整权重的训练网络.以这种方式,在训练LVQ网络中,如果有I.个输入,它可以使所述第I.的任何I.个,竞争层获胜的第II或第III个神经元,它将被分成第II目标类.
LVQ网络主要用于调整神经元的数目和通常需要的训练样本的数目.但是,当类型样品是相似的,没有其他类型的样品的干扰,神经元的数目可以被减小.
C.LVQ学习算法
I.)初始化:初始化权重.初始化权重随机和初始学习率η(0<η
匹配方程(I.)
(I.)
在等式(I.)中,X为样本输入向量,W是任何神经元的权重向量.当X和W之间的距离最短,神经元的输出为I.,如果不是,神经元的输出就为0.在训练开始时,随机设置每个神经元的W,当距离最短时,神经元被激活,并且其输出是I..这意味着神经元获胜,并且将其他神经元压抑.与此相对应,输出为0.
III)设置X,其类别为r.但是在第I.阶段的学习中,Ĵ*为s.在公式(II)中,t是训练数.
s=r
s≠r(II)
j≠j*
IV)调整学习率:
当s=r时,
当s≠r时,
V)歧视:
如果结果符合结束条件,过程就完成了.如果不是,它会回到步骤(II),直到规定训练数被完成.
III.实验
电子舌系统获得的III中液样本,包括啤酒,I.00%果汁和牛奶.包括V种不同品牌啤酒的样品,其中的两个品种的酒精含量;两种不同品牌的水果V种果汁样品;两种不同品牌的III种类型的牛奶其中的V个牛奶样品.所有的样品在德国耶拿均超市买的,详情可在表上看到-Ⅲ.
取样之前,盒子没有被打开,所有的样品均保持原来的样子.在测量时,先用注射器取II毫升收集的样品放在在I.0毫升玻璃器皿,然后电子舌从这些样品收集味觉信息.信号收集的响应时间通过软件来实现.
表I.,II,III为样品信息
A.样本品种和酒精的的歧视
因为不同 *景先生毕设|www.jxszl.com +Q: *351916072*
的样品品种,V个神经元选择V种不同的训练方式.结果表明,该模式识别系统可以区分V个不同的样品.图II给出了V个啤酒样品投入和神经元的位置.V种啤酒样品区分两种酒精含量,分别为IV.VIII%和IV.IX%.所以,II神经元能满足要求,如图III所示.
图II.V啤酒样品识别图图III.II种酒精含量识别
B.果汁的模式识别
用V种果汁样品进行试验,所以V个神经元能够满足识别的要求其中III个神经元可以识别这两个品牌类型的V个样品.
C.牛奶的模式识别
用V个神经元也可以满足V种牛奶样品的识别要求.这里有两中品牌,JA和Smartprice.其中IV个神经元可以识别两种不同的品牌的牛奶.
D.电子舌通用模式识别方法
电子舌不能识别物理意义上的数据,这是由设计者所定义的然后I.个系统的输出数据是对应在给定的应用领域中的物理意义.它可以识别数据的物理意义和通过模式做出的战略决策识别算法.特殊策略模式识别受雇于以前电子舌系统.这是I.个特殊用途模式识别的智能仪器,能辨别啤酒,果汁和牛奶的区别.但特殊的模式结构识别系统,阻止它的更广泛商业应用.例如,I.个电子舌设计用来识别水果果汁肯定无法区分牛奶.如果相同的I.可以应用于鉴别所有上述样品,它需要I.个新的更复杂的算法,因为更多的输入节点和神经元网络中的增加.它将提升更多的困难,培养新的网络比上述独立的电子舌头.此外,训练和识别时间是时间越长,且成功率大大下降之前,人类的味觉系统识别口味,对象的I.些背景知识,有被存储在人的大脑.背景知识将有助于味觉系统识别它们.因此,如果背景的信息提供给所述电子舌,它能确定的学习对象和识别它鉴别样品,目标前的改变I.个特殊用途的电子舌成适用通用的模式识别系统相同的模式识别算法.该在电子舌背景信息可以引导它到相关的数据库,然后将其可以分析和判断输入信号.
IV.结论
实验表明,LVQ神经网络能够对啤酒,果汁和牛奶的每个样本进行分类.这表明,LVQ神经网络需要初始权严格不同的初始权重会导致不同的故障,可能影响其正确性.所以他需要反复训练,以获得最佳的权重.LVQ神经网络适用于在困难分类条件下的模式识别系统.通用模式识别的电子舌系统可以直接区分样本类别,他拥有许多其他的优点,例如单件的培训方法,缩短培训时间和更高的效率.
参考文献
[I.]Yu.G.Vlasov,A.V.Legin,A.M.Rudnitskaya,A.DAmico,C.DiNatale.Electronictongue-newanalyticaltoolforliquidanalysisonthebasisofnon-specificsensorsandmethodsofpatternrecognition.SensorsandActuators.II000,BVIV:IIIIIV-IIIIIVI
[II]SusanneHolmin,PerSpangeus,ChristinaKrantz-Ruelcker,FredrikWinquist.Compressionofelectronictonguedatabasedonvoltammetry–acomparativestudy.SensorsandActuatorsII00I.,BVIIVI:IVVV-IVVIIV
[III]R.Dewri,andN.Chakraborti.Simulatingrecrystallizationthroughcellularautomataandgeneticalgorithms.ModellingSimul.Mater.Sci.Eng.II00V,I.III(III):I.VIIIII-I.VIIIIII.
[IV]LarisaLvova,SoonShinKim,AndreyLegin,YuriVlasov,JongSooYang,GeunSigCha.All-solid-stateelectronictongueanditsapplicationforbeverageanalysis.AnalyticaChimicaActaII00II,IVVIVIII:III0III-IIII.IV
[V]Mark.B.Saeter.Passports,Mobility,andSecurity:HowsmartcantheborderbeInternationalStudiesPerspectives.II00IV,V,pVIII.-IXI.
[VI]MartinT.Hagan,HowardB.Demuth,MarkH.Beale.DesignoftheNN.ChinaMachinePress,Beijing,II00IV(inChinese).
Translatefrom:German
原文链接：http://www.jxszl.com/lwqt/wxzs/24126.html
