机器嗅觉原理与国内外研究现状.ppt

机器嗅觉原理及国内外研究现状;1、什么是机器嗅觉 2、机器嗅觉的技术基础 3、机器嗅觉的发展历程 4、机器嗅觉技术的应用 5、机器嗅觉的国内外研究状 6、机器嗅觉的发展趋势和展望;1、什么是机器嗅觉;气味分子经空气扩散到达鼻腔，与嗅觉细胞表皮纤毛上的G受体结合蛋白作用，产生信号。 信号在嗅觉细胞神经 网络和嗅球中经一系 列加工放大后通过神 经网络输人大脑。;大脑接受输人的信号做出识别判断，而大脑的判断识别功能是由孩提时代至长大不断与外界长期接触的过程中学习、记忆、积累、总结而形成的。;;1.2机器嗅觉技术的概念;人工嗅觉系统的构成;气味分子被机器嗅觉系统中的传感器阵列吸附，产生电信号。 生成的信号经各种方法加工处理与传输 将处理后的信号经计算机模式识别系统做出判断。;机器嗅觉与人体嗅觉原理对照图;2、机器嗅觉的技术基础;阵列中的气体传感器各自对特定气体具有相对较高的敏感性，由一些不同敏感对象的传感器构成的阵列可以测得被测样品挥发性成分的整体信息，与人的鼻子一样，闻到的是样品的总体气味。 常用的传感器按材料分为：金属氧化物型半导体传感器；导电聚合物传感器；质量传感器；光纤气体传感器。;半导体气体传感器; 金属氧化物型半导体传感器：如SnO2、ZnO、WO3等，当其吸附某种气体时导致该氧化物的电阻下降产生信号。 导电聚合物传感器：如吡咯、苯胺、噻吩、吲哚等碱性有机物的聚合物及衍生物，当他们与带气味的物质反应后通常引起电阻增加产生信号。; 质量传感器：如石英晶体微衡传感器(QCM)、声表面波传感器(sAw)，它们吸附了气味分子会引起石英振动频率的改变，从而产生信号。 光纤气体传感器：此类传感器利用光纤所特有的传感信号无电磁干扰、噪声低、电绝缘、化学稳定性好及热稳定性好等优点。;信号预处理的方法应根据实际使用的传感器类型、模式识别方法和识别任务选取。;由n个传感器组成的阵列对气味j的响应是n维状态空间的一个矢量Vj，可写为： Vj={V1j，V2j，…，Vnj} 左图为PEN2电子鼻的10个传感器对巧克力香精的响应曲线。 （本图来自骆德汉教授的研究资料）;气味传感器阵列对气味j的响应灵敏度部分地取决于传感器的质量。此外，测试环境和信号处理方式也有十分重要的作用。 不仅各种稳态的模型已被用于处理气体或气味的测量信号，如下表所示，而且传感器信号中的瞬态信息也可以帮助区分传感器的漂移和样本检测。同时也可以利用动态响应来矫正传感器阵列。; 算 法;总之，传感器测量信号预处理可以实现以下主要功能： ①滤除模式采样过程中引入的噪声和干 扰，提高信噪比； ②消除信号的模糊和失真认为地增强有用信号； ③为后续处理的方便，可对信号进行适 当的变换。;模式识别是伴随着计算机的研究、应用发展起来的一门新兴学科，在计算机理论、信号与信息处理、自动控制理论等方面得到了广泛的应用。近年来被用于仿生鼻中，已引起普遍的重视。;在机器嗅觉中，模式识别技术是对预处理之后的信号再进行适当的处理，获得气体组成成分和浓度的信息。 机器嗅觉中模式识别的过程分为两个阶段： ①监督学习阶段，在该阶段运用被测样品 来训练机器嗅觉系统，使其自我学习； ②应用阶段，经过训练的机器嗅觉系统 对被测气体进行识别。 ;机器嗅觉中的模式识别过程：⑦-⑨（⑦为右上角绿框 ） ;机器嗅觉中常用的模式识别方法是统计模式识别的方法和人工智能的方法，前者常用的有： ①主成分分析法（PCA） ②聚类分析法（AC） ③偏最小二乘法（PLS） 其中这些方法都属于线性判别法（LDA）。除了LDA外，也有非线性方法，例如基于核的非线性方法。 ; 机器嗅觉中应用线性判别法（LDA）进行模式识别;人工智能的常用方法是人工神经网络方法（ANN），它主要有以下网络模型： ①BP网络（back-propagation-network） ②LV网络（learning vector quantisation network） ③RBF网络（radial basis function network） ④自组织特征映射网络（Kohonen network）;2.3模式识别技术;3、机器嗅觉技术的发展历程;3.1机器嗅觉的发展史;目前，从事电子鼻开发研究的机构欧洲有17 家，美国和加拿大有9家；世界上电子鼻商业产品的供应商已达到18 家 代表性电子鼻产品有： 法国Alpha- MOS 的桌面型FOX系列的电子鼻、美国加利福尼亚Cyranosciences公司的Cyranose 系列便携式电子鼻、德国AIRSENSE公司的PEN（Portable Electronic nose）系列电子鼻等。;欧美国家开发的电子鼻产品;3.2商业化机器嗅觉产品—电子鼻;