详情

原文传递一种电子鼻快速识别方法

专利名称：	一种电子鼻快速识别方法
摘要：	本发明提供了一种电子鼻快速识别方法，包括如下步骤：步骤1，设置输入层，进行分段、去均值中心化，将采集数据转化构造成按时间步形式存储的数据，同时包含数据中心化的处理操作；步骤2，将处理后的数据输入综合层，所述综合层由卷积层和LSTM循环层构成；步骤3，转录层，紧跟在LSTM循环层之后，数据进入转录层，所述转录层实现对识别出的标签分布数据进行格式化处理已经得到对应气体种类。本发明提出的卷积循环神经网络模型在电子鼻气体快速识别方面有效而准确。同时相比于其他的各种优秀算法，本发明设计的卷积循环神经网络模型可以单模型实现多个时间步的识别。
专利类型：	发明专利
国家地区组织代码：	广东;44
申请人：	深圳大学
发明人：	潘晓芳;张海恩;叶文彬;张哲;赵晓锦
专利状态：	有效
申请日期：	2019-05-24T00:00:00+0800
发布日期：	2019-10-08T00:00:00+0800
申请号：	CN201910438364.0
公开号：	CN110308240A
代理机构：	深圳市兴科达知识产权代理有限公司
代理人：	林建琰
分类号：	G01N33/00(2006.01);G;G01;G01N;G01N33
申请人地址：	518000 广东省深圳市南山区南海大道3688号
主权项：	1.一种电子鼻快速识别方法，其特征在于，包括如下步骤：步骤1，设置输入层，进行分段、去均值中心化，将采集数据转化构造成按时间步形式存储的数据，同时包含数据中心化的处理操作；步骤2，将处理后的数据输入综合层，所述综合层由卷积层和LSTM循环层构成；步骤3，转录层，紧跟在LSTM循环层之后，数据进入转录层，所述转录层实现对识别出的标签分布数据进行格式化处理已经得到对应气体种类。 2.根据权利要求1所述的一种电子鼻快速识别方法，其特征在于，步骤1中所述分段即将原始数据进行切分，切分成同样规格的按照时间顺序的传感器数据列，方便依时间步分别进入卷积层进行后续的计算，匹配循环神经网络的计算方式。 3.根据权利要求1所述的一种电子鼻快速识别方法，其特征在于，步骤1中所述去均值化即将切分好的每一小段数据减去对应的均值，实现中心化处理，去均值中心化的作用是使得输入数据对称分布在0周围。 4.根据权利要求1所述的一种电子鼻快速识别方法，其特征在于，步骤2中的卷积层设有卷积神经网络，数据通过卷积层，卷积层利用多核卷积操作强大的特征提取能力来实现对输入数据卷积特征的提取；并将卷积的多个特征向量拼接成一个特征向量，该长向量用于LSTM循环层的计算输入。 5.根据权利要求1所述的一种电子鼻快速识别方法，其特征在于，步骤2中的LSTM循环层设有循环神经网络；所述LSTM循环神经网络层通过隐藏状态来存储之前所有时间步中的信息，使得网络可以在时间步上逐步综合卷积特征中的信息。 6.根据权利要求1所述的一种电子鼻快速识别方法，其特征在于，步骤3中识别气体方法为将LSTM层输出的标签分布进行softmax格式化，从而将分布转化成各类气体的概率值，之后从中概率向量中选择最大概率值对应的索引，用此索引作为key从预设的字典中查找对应的气体种类作为预测的最终输出值。 7.一种电子鼻快速识别系统，其特征在于，包括输入层，进行分段、去均值中心化，将采集数据转化构造成按时间步形式存储的数据，同时包含数据中心化的处理操作；卷积层，连接输入层，卷积层利用多核卷积操作强大的特征提取能力来实现对输入数据卷积特征的提取； LSTM循环层，连接卷积层，LSTM循环神经网络层可以充分利用气体数据序列性的特点，使得网络可以在时间步上逐步综合卷积特征中的信息转录层，连接LSTM循环层，转录层实现对识别出的标签分布数据进行格式化处理已经得到对应气体种类。
所属类别：	发明专利