[发明专利]基于全局和局部特征提取的电子鼻低浓度样本检测方法

说明书

本发明公开了一种基于全局和局部特征提取的电子鼻低浓度样本检测方法，步骤为：设置气体电子鼻检测组件和检测环境，按照高浓度的等级、低浓度的等级、高浓度混合量、低浓度混合量，自由组合形成X组气体样本；对X组气体样本进行特征提取，得到第一中间数据；对第一中间数据进行优化处理，得到第二中间数据，并通过所述气体电子鼻检测组件和检测环境得到中间识别数据；获取中间识别数据中识别率最为接近的两组气体样本，作为所述低浓度气体的等效检测气体样本；基于中间识别数据和对应组气体样本中低浓度气体占比例，分别计算出X组气体样本的最终识别数据。有益效果：实验结果表明，无论是整体识别率还是我们提出的新指标，融合效果都很好。

技术领域

本发明涉及气体检测技术领域，具体的说是一种基于全局和局部融合特征提取的电子鼻低浓度样本检测方法。

背景技术

混合气体的定量检测在环境保护、化工、食品监控等领域具有重要意义。混合气是指含有两种以上有效成分的气体，或虽属非有效组份但其含量超过规定限量的气体近年来，许多科学家在这个领域取得了巨大的成就。结合文献Application of Real ValuedNeuro Genetic Algorithm in Detection of Components Present in Manhole GasMixture，Ojha VK等人实现了一种检测人孔混合气体成分的智能系统。Liang等人在文献：Gas Quantitative Analysis with Support Vector Machine中提出一种基于支持向量机(SVM)的新方法，解决了电子鼻的交叉灵敏度问题，获得了较高的预测精度。从他们的经验来看，多组分气体分析的重要性是显而易见的。

其中，低浓度样本在电子鼻(E-nose)训练中发挥着重要作用，但由于传感器检测精度有限，这些样本难以获取，且难以控制和匹配低浓度样本。传统上，我们可以通过改进传感器的材料来提高传感器的精度，但这种方法成本高、操作困难。

发明内容

针对上述问题，本发明提供了一种基于全局和局部融合特征提取的电子鼻低浓度样本检测方法，以电子鼻检测组件的识别率为标准，明确通过将多种高浓度气体和低浓度气体组合，得到的多种混合气体，并将识别率最为接近的组合样本作为相互替换的混合气体，并且通过比较，将混合气体中，将低浓度混合量较为低的替代低浓度混合量较为高的混合气体，并通过结合低浓度气体的含量计算最终识别数据。

为达到上述目的，本发明采用的具体技术方案如下：

一种基于全局和局部融合特征提取的电子鼻低浓度样本检测方法，其特征在于按照以下步骤进行：

S1：设置气体电子鼻检测组件和检测环境，通过检测筛选出M种高浓度气体、N种低浓度气体；将M种高浓度气体按照设定的高浓度混合量划分成L等级；并将低浓度气体按照设定的低浓度混合量划分成P个等级；

所述高浓度气体和低浓度气体的划分标准是按照气体浓度离散值的排序进行划分；

S2：通过控制变量法，按照低浓度气体种类N、高浓度气体种类M、高浓度混合等级L、低浓度混合等级P，自由组合形成X组气体样本；

其中，X＝N*M*L*P；

S3：根据全局和局部融合特征提取算法，对X组气体样本进行特征提取，得到第一中间数据；

S4：采用增强量子行为粒子群优化算法对第一中间数据进行优化处理，得到第二中间数据，并通过所述气体电子鼻检测组件和检测环境得到中间识别数据；

S5：比较X组气体样本的中间识别数据，获取中间识别数据中识别率最为接近的两组气体样本，作为所述低浓度气体的等效检测气体样本；

S6：基于中间识别数据和对应组气体样本中低浓度气体占比例，分别计算出X组气体样本的最终识别数据。