[发明专利]一种可用于多电子鼻平台的图像化白酒识别方法

摘要

本发明涉及一种可用于多电子鼻平台的图像化白酒识别方法，包括：获取不同传感器采集的白酒样本原始数据，进行归一化处理；将传感器响应值通过反余弦函数转化为角度余弦和矩阵；获得半角正弦和矩阵Hs和半角余弦和矩阵Hc；将传感器响应进行分箱操作后计算马尔科夫转移概率，随后再计算出马尔科夫域矩阵MTF；构建传感器图像，利用分段聚合近似确定图像尺寸，再对每个样本将多个传感器的图像进行组合得到描述单个样本的组合图像；建立卷积神经网络模型；训练。

主权项

1.一种可用于多电子鼻平台的图像化白酒识别方法，包括下列步骤：(1)获取不同传感器采集的白酒样本原始数据Vi，进行归一化处理，归一化后传感器的响应值被缩小到[0,1]区间；(2)将传感器响应值通过反余弦函数转化为角度余弦和矩阵；(3)根据半角公式将角度余弦和矩阵转化为半角正弦和矩阵Hs和半角余弦和矩阵Hc；(4)将传感器响应进行分箱操作后计算马尔科夫转移概率，随后再计算出马尔科夫域矩阵MTF；(5)以步骤(3)和(4)中的矩阵Hc、Hs和MTF为像素矩阵构建传感器图像，利用分段聚合近似确定图像尺寸，再对每个样本将多个传感器的图像进行组合得到描述单个样本的组合图像。(6)对步骤(5)中得到的组合图像进行旋转实现数据扩充，并进行去均值操作；(7)建立卷积神经网络模型，确定卷积层的层数和各层卷积核个数、尺寸，池化层的层数和池化窗口尺寸及步长，全连接层分类器种类以及激活函数参数；(8)将步骤(6)中扩充后的组合图像集输入到步骤(7)构建的卷积神经网络模型中，采用随机梯度下降法进行网络训练，并采用k‑折交叉验证对卷积神经网络模型进行验证，输出识别结果。