[发明专利]一种高准确性茶叶香气类型和品质的模式识别检测方法

说明书

本发明公开了一种高准确性茶叶香气类型和品质的模式识别检测方法。通过气敏传感器采集已知、未知类型和品质的茶叶香气的香气数据，经特定处理获得样本向量；根据所有已知的不同类型和品质的茶叶香气构建模式识别模型；用模式识别模型识别未知类型和品质的茶叶香气的样本向量和已知类型和品质的茶叶香气的样本向量之间的相似性，根据相似性结果优化重复步骤重新构建模式识别模型，取相似性最高的茶叶香气的类型和品质作为识别结果。本发明适用于快速、准确、同步地得到茶叶的类型和品质，克服了相同类型不同品质的茶叶香气差异不大，难以准确识别的难点，扩大了检测适用范围，提高了检测准确性。

技术领域

本发明涉及了一种模式识别优化方法，尤其是涉及了一种高准确性茶叶香气类型和品质的模式识别检测方法。

背景技术

模式识别的方法多种多样，常用的包括PCA、LDA、BP神经网络等。而选取的方法是否高效准确，常常取决于数据有何特点。茶叶香气被电子鼻采集形成电信号数据，由于数据是由几个气敏传感器测得的，所以该数据可以通过预处理降维至与传感器数目构成倍数关系的维数。因此茶叶香气数据具有维数不大，样本采集成本较高的特点，使用PCA或LDA法进行识别可以满足要求。

然而，茶叶香气的另一特点是不同类型间差异很大，同一类型的不同品质间差异不大。如果希望同时识别出茶叶的类型和品质，则需要不同类型以及相同类型不同品质的茶叶香气数据在同一模式识别模型下有相近的分辨率，这与数据的特点相矛盾；或提高模式识别模型整体的分辨率，但这对样本数量、质量以及测量误差都有着很高的要求。

发明内容

为了解决背景技术中存在的问题，本发明提出了一种高准确性检测茶叶类型和品质的模式识别优化方法，通过改变预处理方法和模式识别方法建立多个模式识别模型，并通过改变限定条件对模型进行优化，从而获得一个或多个观察样本数据在模型中分布的角度，减少与待测茶叶差异较大的样本对建模的干扰，得到更加准确的模型。

本发明的技术方案包括如下步骤：

1)通过气敏传感器采集已知类型和品质的茶叶香气的香气数据，针对每一类型的茶叶香气采集有不同品质的香气数据，每个类型下每个品质的茶叶香气的数据值均经特定处理获得样本向量，并存入数据库；

2)通过气敏传感器采集未知类型和品质的茶叶香气的香气数据，经特定处理获得样本向量；

3)根据所有已知的不同类型和品质的茶叶香气构建模式识别模型；

4)用模式识别模型识别未知类型和品质的茶叶香气的样本向量与已知类型和品质的茶叶香气的样本向量之间的相似性，获得相似性结果；

5)根据相似性结果优化重复步骤重新构建模式识别模型，直至相似性结果达到要求；

6)判断数据库中是否存在与未知茶叶香气的类型和品质相匹配的已知茶叶香气：

若存在，则取相似性最高的茶叶香气的类型和品质作为识别结果，作为未知茶叶香气的类型和品质；

否则认为数据库中不包含未知茶叶香气所属的类型和品质。

所述步骤1)和2)中经特定处理获得样本向量具体是：针对每个传感器，求取传感器采集到原始数据的均值或方差最大时刻对应的电压值，作为样本向量。

均值为每个传感器在60s内电压值的均值。

方差最大对应时刻的电压值具体采用以下方式获得：针对传感器的每个采集时刻，计算该时刻所有已知类型和品质的茶叶香气的香气数据电压值的方差，取方差最大所在的时刻的传感器电压值。