智能感官技术关于花椒和花椒油品质的应用研究

发布时间：2021-09-22 02:01

　　鉴于花椒重要的食用和药用价值,其品质控制和等级划分逐渐成为花椒产业中的一个重要环节。就目前而言,花椒的品质检测和等级划分标准基本由外观品质决定,方法基本基于人工感官评价技术。然而,由于人工感官评价具有主观波动性、评价疲劳性以及培训困难性等不可避免的缺陷,使得花椒的品质控制和等级划分难以形成统一标准化,在一定程度上制约了花椒产业的发展。因此,如何快速、稳定、标准地对花椒的品质进行检测已经成为花椒产业中一个亟需解决的问题。近年来,随着智能感官检测设备和技术的高速发展,使得花椒智能化品质检测成为可能。因此,本论文拟针对六种产地红花椒、四川青/红花椒、八种市售花椒油和七种不同花椒含量花椒油等四组研究对象,以电子鼻和电子舌为智能感官检测设备,基于特征值优化和Filter-Wrapper特征值筛选得到两类特征值,采用支持向量机（SVM）、K-近邻（KNN）、决策树以及集成算法等22种模型分析方法,围绕“花椒和花椒油品质的智能检测”这一主题进行研究。论文主要研究工作和结论如下:（1）建立了花椒和花椒油种类的电子鼻检测方法,采用电子鼻对四组花椒和花椒油研究对象进行检测后采用电子鼻传感器优化和Filte... 

【文章来源】：浙江工商大学浙江省

【文章页数】：127 页

【学位级别】：硕士

【部分图文】：

线性可分情况下的最优分类线

5本论文得到了中国标准化研究院院长基金重大项目（562018Y-5983-2-1）的资助。特此感谢！1.4人工智能识别算法简述1.4.1支持向量机支持向量机（SupportVectorMachine，SVM）本身是一个二值分类器，SVM算法最初是为二值分类问题设计的，核心思想就是把数据非线性映射到高维特征空间，在高维特征空间中构造最优的分类超平面，使分类结构风险最小化[31]。实心点和空心点分别代表两类样本，H代表分类超平面。图1.1线性可分情况下的最优分类线Fig.1.1Optimizationclassificationlinesundertheconditionoflinearanddivisible当处理多类问题时，就需要构造合适的多类分类器，主要是通过组合多个二分类器来实现多分类器的构造[32]，其中一种方式如下：图1.2SVM多分类示意图Fig.1.2SVMmulti-classification如图1.2所示，首先将所有类别分为两个类别，再将子类进一步划分为两个次级子类，如此循环下去，直到所有的节点都只包含一个单独的类别为止，此节点也是二叉树树种的叶子。该分类将原有的分类问题同样分解成了一系列的两类分类问题，其中两个

7本论文得到了中国标准化研究院院长基金重大项目（562018Y-5983-2-1）的资助。特此感谢！（2）修剪决策树用训练集样本生成决策树，所以一些创建的分支反映的为训练集中的个例，需要合理的去除剪掉不好的分支，以此来提高决策树对新数据预测的准确性。决策树的剪枝有两种：预剪枝和后剪枝。前者是在创建树的过程中，通过对节点数等一些阈值进行设置可使树的创建提前结束。后者是在树创建后，通过修建决策树的剪枝集将该节点的子树对应替换为叶节点而准确性提高，则完成替换，从而实现对决策树的修剪。图1.3决策树生成流程图Fig.1.3Decisiontreegenerationflowchart决策树的生成是一个递归过程，有三种情形会导致递归返回[43]：a.当前结点包含的样本全属于同一类别，无需划分；b.当前属性为空或者是所有样本在所有属性上取值相同，无需划分，在这种情况下，我们把当前结点标记为叶结点，并将其类别设定为该结点所含样本最多的类别；c.当前结点包含的样本集为空，不能划分，同样把当前结点标记为叶结点。1.4.4集成算法集成学习（EnsembleLearning）是一种通过将多个学习器进行结合以达到优于单个学习器效果的学习算法，可以通过训练若干单个学习器再通过一定的结合策略，形成最终的强学习器，单个学习器可以由SVM、KNN等算法构成[44]。常用的集成算法主要分为两类：单个学习器间存在依赖关系，以Boosting算法为代表[45-48]；单个学习器之间相

【参考文献】：
期刊论文
[1]基于集成解调芯片的电感式位移传感器[J]. 刘亚婷,张剀,徐旸.  储能科学与技术. 2019(05)
[2]基于最重要特征的裁剪k-近邻分类算法设计[J]. 赵琳,行致源.  电子设计工程. 2019(14)
[3]基于聚类的环形kNN算法[J]. 匡振曦,武继刚,李嘉兴.  计算机工程与科学. 2019(05)
[4]基于多元统计分析的不同产地红花椒挥发性成分差异分析[J]. 王思思,钟葵,史波林,汪厚银,张璐璐,刘龙云,赵镭.  中国调味品. 2019(03)
[5]基于改进KNN算法的手写数字识别研究[J]. 胡君萍,傅科学.  武汉理工大学学报(信息与管理工程版). 2019(01)
[6]基于无机元素的花椒产地溯源和品种聚类分析[J]. 吴振,李红,杨勇,谭红军,詹永,贾凤霞,李孝彬,王福强.  食品科学. 2019(16)
[7]大数据背景下基于过滤式-包裹式方法的高危人员风险预警[J]. 张伟,池宏,林志宏.  科技促进发展. 2018(08)
[8]基于电子鼻和电子舌分析盐水鸭风味的差异性[J]. 徐宝才,李聪,马倩,郝敬芝,王学敬,王赟.  中国食品学报. 2017(12)
[9]仿生嗅觉和味觉传感技术的研究进展[J]. 王平,庄柳静,秦臻,张斌,高克强.  中国科学院院刊. 2017(12)
[10]基于SRAP标记的花椒种质资源遗传多样性及群体结构分析[J]. 李立新,杨途熙,魏安智,冯世静,陈旅,侯娜.  华北农学报. 2016(05)

博士论文
[1]基于电子鼻和电子舌的樱桃番茄汁品质检测方法研究[D]. 洪雪珍.浙江大学 2014
[2]仿生嗅觉细胞及受体传感器的研究[D]. 吴春生.浙江大学 2009
[3]基于支持向量机的人脸特征选择及识别研究[D]. 李伟红.重庆大学 2006
[4]基于机器学习的高维多光谱数据分类[D]. 夏建涛.西北工业大学 2002

硕士论文
[1]一种基于Boosting算法的新模型在银行信用评级中的应用[D]. 翟璐.北京交通大学 2016
[2]青花椒香气特征与活性香气研究[D]. 杨静.西南交通大学 2015
[3]基于Hadoop的决策树分类算法的并行化研究[D]. 李力.四川师范大学 2015
[4]智舌应用稳定性关键技术研究[D]. 毛岳忠.浙江工商大学 2011
[5]花椒和青椒的生药学、化学成分和药效学比较研究[D]. 李惠勇.成都中医药大学 2009
[6]多频脉冲电子舌系统构建及应用[D]. 田师一.浙江工商大学 2007
[7]基于决策树的分类算法研究[D]. 关晓蔷.山西大学 2006
[8]决策树的结点属性选择和修剪方法研究[D]. 屈俊峰.中国地质大学 2006



本文编号：3402912