学位论文 > 优秀研究生学位论文题录展示
基于单片机及机器学习的电子舌系统设计与研究
作 者: 沈睿谦
导 师: 王俊
学 校: 浙江大学
专 业: 农业生物环境与能源工程
关键词: 电子舌 离子选择电极 MATLAB 机器学习 模式识别 SVM
分类号: TP368.1
类 型: 硕士论文
年 份: 2012年
下 载: 45次
引 用: 0次
阅 读: 论文下载
内容摘要
电子舌是由传感器阵列,配以模式识别方式及多元统计方法的定性分析液体的电子检测仪器。可以用来检测不同液体食品的味道,并将其不同的味道信息“可视化”。因此电子舌是目前食品检测领域中研究的新热点。本研究的主要目的是为了探索设计较为廉价和稳定的电子舌系统软硬件,同时通过一系列相关实验和数据分析,实现对该系统的可行性验证。该课题对于食品领域的快速无损检验的研究与发展,有着十分重要的意义。本课题自主开发了一套电子舌系统,主要由①离子选择电极传感器阵列,②信号调理模块,③数据采集模块,④数据分析模块,共四部分组成。并开发了相应的软件,可以对系统进行控制,并对采集的数据进行统计分析及模式识别。主要的研究内容主要有以下几方面:(1)介绍了常用的电子舌传感器的原理,以及一般的电子舌结构。(2)设计了针对离子选择电极的多通道高阻抗小信号放大电路,把电子舌传感器的信号进行滤波和放大,并以C51MCU为基础设计了一块模数信号转换板卡,可以采集传感器信号至PC机。(3)利用C语言与VC++平台,编写了下位机和上位机程序,实现数据传输,人机交互,以及仪器控制功能。(4)在MATLAB7.11环境下,以机器学习理论为指导,编写了一整套数据处理程序,包括PCA, LDA,以及BP, PNN, RBF神经网络及其参数优化工具,基于Lib-SVM工具箱的模式识别软件,基于二维搜索的SVM参数优化工具和基于GAOT遗传算法工具箱的SVM参数优化工具,基于LS-SVM工具箱的模式识别软件。基于C语言编写了电子舌数据BP神经网络处理程序。最后整合为原创的ET GUI TEST电子舌数据处理软件。应用该电子舌系统对4种不同品牌的矿泉水和5种不同的苹果汁,对数据进行了分析和模式识别,结果证明,该电子舌系统对矿泉水和苹果汁的种类可以有效区分。由对矿泉水和果汁的检测试验,证明该电子舌原型是有效和可行的,本文在总结与展望中对未来电子舌硬件设计的发展做出了展望和更先进的设计。
|
全文目录
摘要 6-7 ABSTRACT 7-8 目录 8-10 第一章 绪论 10-13 1.1 目的与意义 10 1.2 电子舌的发展现状 10-11 1.3 电子舌的发展趋势 11-12 1.4 课题来源 12 1.5 研究内容 12 本章小结 12-13 第二章 电子舌系统的研发 13-27 2.1 电子舌工作原理 13-14 2.2 电子舌传感器 14-16 2.2.1 离子选择型电极 14-15 2.2.2 多通道类脂膜味觉传感器 15-16 2.2.3 伏安型传感器 16 2.2.4 光寻址电位传感器 16 2.3 自制电子舌系统结构 16-17 2.4 电子舌系统硬件设计 17-23 2.4.1 传感器阵列 17 2.4.2 电极的选择 17-18 2.4.3 电极调理电路设计 18 2.4.4 信号采集板卡 18-23 2.5 电子舌系统软件设计 23-26 2.5.1 上位机软件结构,界面 23-24 2.5.2 下位机程序 24-26 本章小结 26-27 第三章 模式识别方法及电子舌专用数据处理软件ET GUI TEST 27-35 3.1 数据归一化方法 27 3.2 主成分分析 27-28 3.3 线性判别分析 28-29 3.4 人工神经网络 29-34 3.4.1 BP神经网络(BPNN) 29-30 3.4.2 RBF神经网络 30 3.4.3 PNN神经网络 30-31 3.4.4 支持向量机 31-32 3.4.5 遗传算法优化SVM 32-33 3.4.6 单纯形模拟退火优化SVM 33 3.4.7 基于MATLAB的电子舌数据处理专用软件ET GUI TEST 33-34 本章小结 34-35 第四章 电子舌在饮用矿泉水分类中的研究 35-54 4.1 实验方案 35-36 4.2 实验数据处理 36-53 4.2.1 PCA分析 37-38 4.2.2 LDA分析 38-40 4.2.3 BP神经网络分析 40-43 4.2.4 RBF神经网络分析结果 43-45 4.2.5 PNN神经网络分析结果 45-47 4.2.6 LDA-RBF神经网络分析结果 47-48 4.2.7 Lib-SVM数据分析结果 48-51 4.2.8 LS-SVM数据分析结果 51-53 4.2.9 神经网络及SVM分析结果比较 53 本章小结 53-54 第五章 电子舌在苹果汁分类中的研究 54-58 5.1 实验方案 54 5.2 实验方案及数据 54-55 5.3 BP神经网络分析 55-56 5.4 PCA和SVM数据处理结果 56 5.5 模式别分析结果比较 56-57 本章小结 57-58 第六章 总结与展望 58-60 6.1 结论 58 6.2 未来改进型电子舌系统(ARM +CPLD+FPGA) 58-60 附录 60-64 参考文献 64-66 致谢 66
|
相似论文
- 微细线切割往复走丝机构的设计及控制系统的研究,TG484
- 基于流形学习的高维流场数据分类研究,V231.3
- 基于类Harr特征和最小包含球的纸币识别方法的研究,TP391.41
- 数字图像处理在集装箱检测中的应用研究,TP274.4
- 深水海底管道S型铺管法安装分析,TE973
- 羊绒与羊毛纤维鉴别系统的研究,TS101.921
- 用户权限管理系统可靠性测试的研究与应用,TP311.53
- 基于遗传算法的矿山资源优化调度模型的研究,O224
- SAR干涉像对优化选取方法研究,P225.2
- 基于神经网络的电力系统短期负荷预测方法研究,TM715
- 英汉命名实体翻译方法研究,TP391.2
- 基于语音信号监测脑疲劳的微电子系统设计与优化,TN912.3
- 中文缺省识别研究,TP391.1
- 生物医学缩略语消歧,R-5
- 基于数据分布特征的文本分类研究,TP391.1
- 人类抗原肽载体结合力预测,R392.1
- 李群深层结构学习算法研究,TP181
- 基于虚拟仪器技术的失真度测量系统的设计与实现,TP274
- 基于仿生模式识别的三维人脸识别研究,TP391.41
- 基于改进的SVM模型的肝癌识别方法的研究与实现,TP391.41
- 机器学习算法在视频指纹识别中的应用研究,TP391.41
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 微型计算机 > 各种微型计算机 > 微处理机
© 2012 www.xueweilunwen.com
|