[发明专利]一种人工智能嗅觉动态响应图谱气体检测识别方法

权利要求书

1.一种人工智能嗅觉动态响应图谱气体检测识别方法，其特征在于，先采集阵列传感器的动态信号，然后根据采集的动态信号重构标准动态响应图谱，根据重构的标准动态响应图谱建立标准气体动态响应图谱库，通过对标准图谱库中的图片数据进行处理，得到标准气体机器学习图谱识别模型，最后通过标准气体机器学习图谱识别模型对待测气体动态响应图谱识别；重构标准动态响应图谱的过程包括响应矩阵建立、数据标准化以及标准图谱绘制；

所述响应矩阵建立的具体过程为：将阵列传感器采集的动态信号建立M*N浓度矩阵C_MⅹN，其中M为阵列中的传感器数目，N为响应时间，矩阵中M行N列元素代表传感器阵列传感器M对应N时刻的响应值；

所述数据标准化的具体过程包括定性识别矩阵标准化和定量识别矩阵标准化，其中定性识别矩阵标准化是将每个矩阵信号归一化到1-255取值范围；定量信号矩阵标准化，是以同一归一化标准和规则，对每个矩阵进行归一化处理；

所述标准图谱绘制是对标准化后的数据矩阵，以相同的颜色图模板和统一标准的色柱绘制矢量图。

2.根据权利要求1所述的一种人工智能嗅觉动态响应图谱气体检测识别方法，其特征在于，采集阵列传感器的动态信号的具体过程为：利用大于10个具有不同响应特性的气敏传感器构成传感器阵列，通过该阵列响应待测挥发性气体的浓度信号。

3.根据权利要求1所述的一种人工智能嗅觉动态响应图谱气体检测识别方法，其特征在于，建立标准气体动态响应图谱库的具体过程为：通过采集不同种类及不同浓度的标准挥发性气体，构建对应的标准动态响应图谱，从而建立标准图谱库。

4.根据权利要求1所述的一种人工智能嗅觉动态响应图谱气体检测识别方法，其特征在于，通过对标准图谱库中的图片数据进行特征提取，训练学习，得到标准气体机器学习图谱识别模型。

5.根据权利要求4所述的一种人工智能嗅觉动态响应图谱气体检测识别方法，其特征在于，利用模式识别方法训练学习。

6.根据权利要求5所述的一种人工智能嗅觉动态响应图谱气体检测识别方法，其特征在于，模式识别方法为支持向量机SVM或深度学习DNN。

7.根据权利要求1所述的一种人工智能嗅觉动态响应图谱气体检测识别方法，其特征在于，通过对待测挥发性组分通过阵列传感器动态信号采集、建立标准化数据矩阵和矢量图谱，然后利用机器学习图谱识别模型进行自动定性和定量识别。