论文部分内容阅读
随着植物嫁接技术、杂交技术的发展，不仅水果的种类越来越多，而且同一种类的水果品种也越来越多，比如苹果这一种水果，生产上常用的就有40多个品种。如果仅从外形上区分不同品种的水果，往往需要依靠经验。在大量挑选时，这种方法不仅效率低，而且容易产生混淆。水果的香味与芳香物质是评价其品质的重要指标，不同种类，不同品种的水果，其芳香物质的类别和含量会有不同程度的差异。利用水果的这种气味特征，采用可以检测水果香味和芳香物质的人工智能手段，可达到对水果品种分类鉴别的目的。仿生嗅觉技术是检测混合复杂气味信息的一种有效手段，而且相较于其他检测方法，该方法样品制备简单，更加便捷易操作，可以进行普遍推广。 本文采用仿生嗅觉技术（电子鼻）采集水果的气味数据，主要针对气味数据的高维非线性，探索合适的模式识别方法对数据进行降维和特征提取，最终在二维特征空间对不同品种水果进行分类鉴别。本文的研究结果如下： （1）选取了四种不同品种的苹果和三种柑橘类水果作为研究对象，分成两组进行实验。设定最佳的实验参数，采用PEN3电子鼻采集水果的原始气味数据，并对数据进行了传感器响应分析，初步得出数据的分布情况。 （2）结合监督局部线性嵌入算法（SLLE）和线性判别分析算法（LDA），提出SLLE+LDA的模式识别分析方法，用于对不同品种水果的分类鉴别。其中，针对SLLE算法对样本外点“学习能力差”的问题，引入高斯核近似计算原始高维数据集到低维特征空间的线性映射，解决算法对测试样本的学习问题。详细介绍了该模式识别方法的算法理论和算法过程。 （3）使用SLLE+LDA的模式识别方法分别对四种不同品种的苹果和三种柑橘类水果进行分类鉴别，研究了不同参数值对分类结果的影响。对比分析后可得，参数K值和d值的取值不同，样本点的类内离散度变化较大，但不同的参数值均可以达到分类的目的，不会出现分类区域的交叉或重叠。取最优参数进行了鉴别实验，SLLE+LDA算法在两组实验中的识别率均可达到90％以上。 （4）本课题将SLLE+LDA算法与HLLE算法、SLLE算法和PCA+LDA算法进行了对比分析。最终可得HLLE算法、SLLE算法对水果气味数据的分类能力较差，PCA+LDA算法可进行较为有效的分类识别，但其分类识别效果没有SLLE+LDA算法的分类识别效果好。