摘要
研制一套适合对谷物霉变进行检测的电子鼻系统,对6个霉变程度的稻谷进行了检测.主成份(PCA)分析结果显示6个霉变程度的稻谷是可以区分的,对前三个主成分的载荷因子进行分析去掉冗余传感器,PCA分析结果显示去掉冗余传感器并不影响分类结果.最后用BP神经网络对所得的数据进行模式识别,30组测试样本对霉变菌落总数的预测结果平均相对误差为1.01030,最大相对误差为3.94257.实验结果表明系统对稻谷霉变程度的检测具有很高的分析精度.
An electronic nose system was developed for the evaluation of moldy grain. The system has detected six different moldy degrees of rice. An initial eight sensors was simplified to six after a PCA（Principal component analysis） analysis detected redundancy between of the sensors, Data processing and classification performed by PCA analysis showed no significant performance differences between the complete and reduced sensor array. A feedforward artificial neural network with test data predict the aerobic bacterial count achieving average relative error of 1. 010 30, max relative error of 3. 942 57. Our results show that Electronic Nose system could predict the moldy rice with a high accuracy.
出处
《传感技术学报》
CAS
CSCD
北大核心
2007年第6期1207-1210,共4页
Chinese Journal of Sensors and Actuators
基金
国家自然科学基金资助(30571076)
国家教育部新世纪人才支持计划资助(NCET-04-0544)
关键词
电子鼻
传感器阵列
主成分分析
BP网络
菌落总数
electronic nose
sensor array
principal component analysis
BP neural network
aerobic bacterial count
作者简介
张红梅（1977-），女，博士生，主要从事电子鼻系统的应用与开发，hmzh86022625@sin.com
王俊（1965-），浙江大学教授、博士生导师．“Sensors and Actuators B”等7本SCI刊物审稿人．入选教育部新世纪优秀人才支持计划和浙江省“151人才工程（第一层次）”．主要从事基于电子鼻技术的农产品品质检测．先后主持国家高技术研究发展计划（863计划）1项、国家自然科学基金项目5项、教育部新世纪优秀人才支持计划1项、高校博士学科点基金2项、浙江省科技厅重大招标项目2项、其它省部级项目10余项．已获国家发明专利7项、实用新型专利12项．在国家级学报和境外学术刊物上已发表100余篇论文，其中SCI收录40余篇、EI收录30余篇．发表的SCI收录论文中被引用110余次，jwang@zju．edu．cn
