[发明专利]一种基于电子鼻传感器数据的中药材分类方法

权利要求书

1.一种基于电子鼻传感器数据的中药材分类方法，其特征在于，包括以下步骤：

1)用电子鼻采集中药材气味数据，数据采集过程分P₁、P₂和P₃三个阶段：

P₁阶段为基线阶段，这一阶段向电子鼻中低速通入经过滤的空气一段时间；

P₂阶段为进样阶段，这一阶段电子鼻抽取进样瓶中药材样本散发的气味，使进样瓶顶空气体流入传感器气室，获得传感器对样本气味的响应；

P₃阶段为清洗阶段，这一阶段向电子鼻高速通入经过滤的空气，利用经过滤的空气清洗传感器气室，为下一次进样进行准备；

2)对电子鼻传感器数据去噪，使所有样本的同一阶段的数据量相同，并得到不含异常值的数据集，其包括步骤：

a)采用公式(1)计算阶段P_i(1≤i≤3)电子鼻的传感器X^m(1≤m≤M)应采样的采样点个数N_i：

N_i＝t_i×f (1)

其中M为电子鼻的传感器个数，f为采样频率，t_i为阶段P_i的时长；

b)按时序从P_i结束之处开始，从原始数据集中由后往前取N_i个采样点作为阶段P_i的采样点，其余采样点舍弃；如果不足N_i个采样点，则采用复制最后一个采样点的方式补齐；

c)对所有中药材样本重复上述过程，使得它们在同一阶段的数据量相同；

d)使用均值滤波器对步骤0得到的数据进行滤波，输出去噪后的数据；

3)提取电子鼻传感器数据特征，其包括步骤：特征计算、异常样本去除和特征校正；

所述特征计算包括步骤：

a)计算电子鼻的每一个传感器的基线值：计算基线阶段每一个传感器数据的均值，得到的均值即为该传感器的基线值；

b)对于电子鼻的温度、压力和电压传感器，计算每一个传感器数据的如下特征：

特征1：进样阶段传感器数据的中值；

特征2：进样阶段传感器数据的均值；

c)对于电子鼻除温度、压力和电压传感器外的传感器，计算每一个传感器数据的如下三个特征：

特征3：选取每个传感器进样阶段的5个最大的值，求它们的中值，用该中值减去其基线值即得到特征3；

特征4：

I)计算进样阶段斜率向量K：K的每个分量k

其中(x₁,y₁)与(x₂,y₂)是两个采样点，y₁和y₂是传感器的响应，x₁和x₂是采样点序号且满足x₂-x₁＝5，对进样阶段中所有的采样点都执行这样的操作，得到斜率向量K；

II)对K中的分量进行升序排序，选取倒数第2个斜率k′作为特征4；

特征5：计算进样阶段的每一个采样点的响应减基线值，然后采用蒙特卡洛方法求进样阶段的传感器响应曲线下面积，便得到特征5；

所述异常样本去除包括步骤：

a)对第i个类别(1≤i≤C)的c_i个样本，C为中药材的类别总数，每个类别有c_i个样本；计算同一个样本j(1≤j≤c_i)的传感器X^m在进样阶段的特征4即斜率这M个斜率构成向量

b)统计K′中满足公式(5)的分量的个数n

其中T₁为阈值；

c)如果n大于预先设定的阈值T₂，则将样本j舍弃；

d)重复步骤a)～c)，完成第i个类别的c_i个样本的检测；

e)对所有的类别重复上述步骤，输出去除了异常样本的特征数据；

所述特征校正包括步骤：

a)对第i个类别的c_i个样本，采用蒙特卡洛方法分别计算同一个传感器X^m在进样阶段的曲线下面积即特征5，这c_i个面积构成向量对向量S归一化，得到归一化的向量S′：

其中为归一化因子；

b)统计S′中满足公式(5)的分量的个数n

c)如果n大于预先设定的阈值T，则传感器X^m的特征数据舍弃；否则，对传感器X^m的特征数据进行校正：求S′中所有不满足公式(5)的分量的平均值，结果赋值给S′中满足公式(5)的分量，得到S″，将S″乘以归一化因子便得到第i个类别校正后的特征数据；

d)对所有的类别重复上述步骤，输出校正后的特征数据；

4)选择极限树作为分类器，对经特征校正处理后的数据进行分类。