一种基于多传感器数据融合的茶叶香气检测方法

本发明涉及气体检测，具体涉及一种基于多传感器数据融合的茶叶香气检测方法。

背景技术：

1、随着人工智能算法和深度学习研究的深入发展，机器嗅觉在气体检测方面也有着很大的影响，在环境检测，食品工业，化学工业和医疗诊断等领域都有着重要意义。机器嗅觉系统由气体传感器阵列和模式识别方法两个部分组成。在气体分子通过传感器阵列时，传感器会对气体做出反应，发出相应的电信号。通过对这些电信号进行数据预处理，并用神经网络算法对电信号数据进行数据特征提取，建立深度学习模型，并通过模型预测混合气体的成分及浓度。人类的生活和工作与周围的大气环境息息相关，植物食物等散发出的气体也是我们人类比较熟悉的，同时茶叶作为我国历史十分悠久且著名的产物，科学工作者对于茶叶的研究是与有很大的意义的。如今的科技发展迅速，人们对茶叶的香气成分了解越来越多，但对于茶叶香气成分和浓度地检测研究尚且缺乏。

技术实现思路

1、本发明的目的在于提供一种基于多传感器数据融合的茶叶香气检测方法，本发明所解决的技术问题为：对于茶叶香气成分和浓度地检测研究尚且缺乏。

2、本发明的目的可以通过以下技术方案实现：

3、一种基于多传感器数据融合的茶叶香气检测方法，包括以下步骤：

4、步骤1：通过keil5编程实现传感器数据采集及串口通信，并将采集到的数据进行可视化显示同时上传至云平台；

5、步骤2：通过芳樟醇、苯甲醇和香叶醇三种溶液加热蒸发成气体收集于锥形瓶中使用；将气体注入密闭容器中，使传感器充分吸收气体；

6、步骤3：使用labview对传感器采集到的数据进行可视化并保存至本地；将保存的数据进行数据预处理以便于对数据的训练；搭建神经网络模型实现数据训练以及对气体种类的分类识别；

7、步骤4：通过调用训练好的模型进行气体浓度预测。

8、作为本发明进一步的方案：在步骤2中，将苯甲醇、香叶醇和芳樟醇溶液分别滴入三个锥形瓶中，接着放入烘箱中待溶液蒸发成气体之后取出备用，接着用注射器依次按照相等的浓度梯度抽取气体注入密闭容器中，每隔四分钟加入10ppm浓度的气体，从0ppm加到60ppm浓度即停止加入，待气体稳定之后采集气体信息。

9、作为本发明进一步的方案：在步骤3中，对传感器采集到的数据进行数据预处理，删除未达稳态的数据，并使用卡尔曼滤波算法对数据进行平滑处理。

10、作为本发明进一步的方案：最优估计值的获取过程，包括以下步骤：

11、第1步：系统建模：将待观测的物理量从系统空间转换到状态空间；

12、第2步：状态预测：根据上一次得到的状态和控制变量，预测当前时刻的状态；

13、第3步：误差预测：根据上一次状态预测得到的协方差矩阵，对当前误差进行预测；

14、第4步：数据更新：根据传感器的数据及其精确程度，更新状态预测的结果和对应的协方差矩阵，得到当前时刻的最优估计值。

15、作为本发明进一步的方案：最优估计值的获取过程，还包括以下步骤：

16、第5步：回到第2步，循环迭代整个卡尔曼滤波流程，实现连续跟踪和估计系统状态的过程。

17、作为本发明进一步的方案：神经网络模型包含输入层、全连接层、输出层。

18、作为本发明进一步的方案：全连接层设置有三个，第一个全连接层设置64个神经元，第二个全连接层设置32个神经元，第三个全连接层设置16个神经元。

19、作为本发明进一步的方案：全连接层常用于使用神经元对输入数据进行线性变换和非线性变换以提取特征；全连接层在前向传播过程中分别接收多个输入信号，并加权相加，然后通过激活函数生成一个输出向量。

20、作为本发明进一步的方案：全连接层中的激活函数为relu激活函数，其表达式如下：

21、f(x) = max(0, x)；

22、其中，x为输入的实数，max函数表示返回两个数中较大的一个。

23、本发明的有益效果：

24、本发明基于多传感器数据融合的茶叶香气检测应用，首先通过硬件编程实现单片机的串口通信，通过蓝牙发送数据至labview进行可视化展示，接着通过wifi模块将采集到的数据发送到onenet云平台，上传的数据可随时进行下载使用，再通过提前标定已知气体的浓度并保存传感器示数及浓度梯度数据，利用神经网络调参进行训练，训练出效果较好的模型对茶叶香气混合气体进行浓度预测。

技术特征：

1.一种基于多传感器数据融合的茶叶香气检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于多传感器数据融合的茶叶香气检测方法,其特征在于，在步骤2中，将苯甲醇、香叶醇和芳樟醇溶液分别滴入三个锥形瓶中，接着放入烘箱中待溶液蒸发成气体之后取出备用，接着用注射器依次按照相等的浓度梯度抽取气体注入密闭容器中，每隔四分钟加入10ppm浓度的气体，从0ppm加到60ppm浓度即停止加入，待气体稳定之后采集气体信息。

3.根据权利要求1所述的一种基于多传感器数据融合的茶叶香气检测方法,其特征在于，在步骤3中，对传感器采集到的数据进行数据预处理，删除未达稳态的数据，并使用卡尔曼滤波算法对数据进行平滑处理。

4.根据权利要求3所述的一种基于多传感器数据融合的茶叶香气检测方法,其特征在于，最优估计值的获取过程，包括以下步骤：

5.根据权利要求4所述的一种基于多传感器数据融合的茶叶香气检测方法,其特征在于，最优估计值的获取过程，还包括以下步骤：

6.根据权利要求5所述的一种基于多传感器数据融合的茶叶香气检测方法,其特征在于，神经网络模型包含输入层、全连接层、输出层。

7.根据权利要求6所述的一种基于多传感器数据融合的茶叶香气检测方法,其特征在于，全连接层设置有三个，第一个全连接层设置64个神经元，第二个全连接层设置32个神经元，第三个全连接层设置16个神经元。

8.根据权利要求7所述的一种基于多传感器数据融合的茶叶香气检测方法,其特征在于，全连接层常用于使用神经元对输入数据进行线性变换和非线性变换以提取特征；全连接层在前向传播过程中分别接收多个输入信号，并加权相加，然后通过激活函数生成一个输出向量。

9.根据权利要求8所述的一种基于多传感器数据融合的茶叶香气检测方法,其特征在于，全连接层中的激活函数为relu激活函数，其表达式如下：

技术总结本发明涉及气体检测技术领域，具体涉及一种基于多传感器数据融合的茶叶香气检测方法，包括以下步骤：通过keil5编程实现传感器数据采集及串口通信，并将采集到的数据进行可视化显示同时上传至云平台；通过芳樟醇、苯甲醇和香叶醇三种溶液加热蒸发成气体收集于锥形瓶中使用；将气体注入密闭容器中，使传感器充分吸收气体；使用Labview对传感器采集到的数据进行可视化并保存至本地；将保存的数据进行数据预处理以便于对数据的训练；搭建神经网络模型实现数据训练以及对气体种类的分类识别；通过调用训练好的模型进行气体浓度预测。技术研发人员：李科,李超,吴京明,宗海,程有德受保护的技术使用者：安徽农业大学技术研发日：技术公布日：2024/7/25