一种基于电子鼻的茶树机械损伤程度的预测方法
【技术领域】
[0001] 本发明设及一种快速检测农作物损伤检测的方法，特别设及一种基于电子鼻的茶 树机械损伤程度的预测方法。
【背景技术】
[0002] 据统计，如今我国的茶叶年消费量已高达66万吨左右，人均饮茶0.45公斤/年。茶 对中国的社会历史文化和现实生活都产生了重要影响。从世界范围看，茶已成为全球性的 天然饮料。并W其天然和健康的声誉风靡全球，其消费总量位居除水W外的所有软饮料之 首。
[0003] 另外，茶中含有多种有益物质，具有完备的医疗保健功效。如茶多酪，具有抗氧化、 清除自由基、抗癌、杀菌抗病毒、抗衰老、美容、调节血压、抗福射、降血脂、降血糖、增强免疫 等功能;茶氨酸，具有增强记忆、消除疲劳、放松和镇静神经、抗癌、提高免疫力、抗衰老、抗 福射、降血脂、调节血压等功效。
[0004] 在茶叶的生产过程中，茶树的质量(健康状态)对茶叶的品质和产量起着至关重要 的影响。在茶叶修剪W及采摘等过程中均会对茶叶造成机械损伤，每年因茶树机械损伤，茶 叶的产量和品质造成巨大损失。因此，对茶树机械损伤的检测具有较高的意义，而电子鼻作 为一种无损且快速的检测方法，在植株品质检测中具有广阔应用前景。
【发明内容】
[0005] 本发明的目的在于提供一种基于电子鼻的茶树机械损伤程度的鉴别方法，该方法 能较准确快速的鉴别出茶树所受机械损伤的程度，并且对茶树无损伤。
[0006] 本发明解决上述技术问题所采用的技术方案是:一种基于电子鼻的茶树机械损伤 程度的预测方法，该方法检测过程在电子鼻样品顶空收集装置中实现，该装置包括空气累、 活性炭管、流量计、特氣隆管、密封板、支架台、茶树、玻璃罩;其中，所述空气累、活性炭管、 流量计和玻璃罩通过特氣隆管依次连接;密封板设置在支架台和玻璃罩之间；茶树的根部 在密封板的下方，茶树的枝叶在玻璃罩之内；
[0007] 电子鼻样品顶空收集装置的工作条件为:通过流量计将空气流量控制在1000ml/ min到1400ml/min之间，该装置工作的时间控制在5min-8min之间，使玻璃罩内的气体均为 经活性炭管净化后的空气；
[000引该方法具体包括W下步骤：
[0009] (1)、将茶树叶片洗净，去除灰尘，并挑选健康无损伤的茶树作为检测对象;选取9 组待测茶树样品，每组待测茶树样品中包含η株茶树，其中，η为大于等于10的自然数;对8组 待测茶树样品进行不同程度的针刺处理，分别是15针、30针，45针、60针、75针、90针、105针、 120针，最后一组健康无损伤的茶树作为对照组;将茶树放入电子鼻样品顶空收集装置中， 并且保证电子鼻样品顶空收集装置内茶树的叶片为20-25片，然后在室溫下放置30min- 40min，使电子鼻样品顶空收集装置内挥发物浓度达到稳定；
[0010] (2)、抽取电子鼻样品顶空收集装置内的挥发物，注入电子鼻系统中，设置检测时 间为60S-90S、清洗时间为60S-80S和气流速度为200ml/min-400ml/min;电子鼻系统中的传 感器与挥发物发生反应，产生响应信号；
[0011] (3)、选用各个传感器响应信号的稳定值作为原始数据，使用逐步判别法对传感器 组合进行优化;得到优化后的传感器组合后，使用稳定值法、小波分析法和二次项拟合法对 传感器响应曲线进行特征提取；
[0012] 所述稳定值法提取特征是选择每根传感器响应信号稳定值作为特征值；
[0013] 所述小波分析法提取特征是选择时频窗口小、正交性和规则性好的Coiflet小波 coi巧作为小波基，根据对比重构效果和原始信号数值误差值变化，选取5层分解尺度，将分 解后得到的第5层低频近似系数E5作为特征值；
[0014] 所述二次项拟合法提取特征是使用二次项y = At2+化+C，其中，y为传感器响应信 号值，t为检测时间；通过最小二乘法对响应曲线进行拟合，将拟合后获得的参数A，B，C作为 特征值；
[0015] (4)、根据上述巧巾特征提取算法取得的特征值作为原始数据，采用多层感知机神 经网络对上述巧巾特征提取方法获得的特征值进行比较，选取区分正确率最高的特征提取 算法，并将该算法得到的特征值作为预测模型的训练值;采用偏最小二乘回归模型建立区 分正确率最高的特征提取算法得到的特征值与茶树受机械损伤之间的定量预测模型；
[0016] 表达式为:Y = alXXll+a2XX12+……+an XXi j+b;其中Y为机械损伤程度，η表示 提取出来的总特征值的个数，Xij为第i个传感器的第j个特征值，其中i为筛选出来的传感 器的序号，j为每个传感器提取出来的特征值个数，系数31、32、311、6均为常数；
[0017] (5)、按照步骤1和2检测未知机械损伤程度的茶树，取得电子鼻的响应曲线，使用 步骤3对电子鼻传感器筛选，并对筛选出来的传感器组合使用步骤4得到的区分正确率最高 的特征提取算法获得特征值，最后代入步骤4的定量预测模型中，预测茶树机械损伤程度。
[0018] 本发明具有的有益效果是:利用电子鼻对茶树所受的不同程度的机械损伤进行预 测，通过筛选优化电子鼻传感器阵列W及对比Ξ种特征提取算法，极大简化原始数据，并建 立简化后数据与茶树机械损伤程度之间的偏最小二乘回归模型，实现对茶树机械损伤程度 的快速、准确的定量预测，为茶树，甚至是植物机械损伤检测及程度预测提供了一种新方 法。
【附图说明】
[0019] 图1是电子鼻样品顶空收集装置；
[0020] 图2是电子鼻检测茶树机械损伤时传感器响应信号。
[0021] 图1中：空气累1、活性炭管2、流量计3、特氣隆管4、密封板5、支架台6、茶树7、玻璃 罩8。
【具体实施方式】
[0022] 下面结合具体实施例对本发明作进一步说明。
[0023] 本发明采用一种基于电子鼻的茶树机械损伤程度的预测方法，该方法在如图1所 示的电子鼻样品顶空收集装置中实现，该装置包括空气累1、活性炭管2、流量计3、特氣隆管 4、密封板5、支架台6、茶树7、玻璃罩8;其中，所述空气累1、活性炭管2、流量计3和玻璃罩8通 过特氣隆管4依次连接;密封板5设置在支架台6和玻璃罩8之间；茶树7的根部在密封板5的 下方，茶树7的枝叶在玻璃罩8之内，茶树7挥发出来的气味填充在玻璃罩8之内，玻璃罩8容 积为化，空气累1向玻璃罩8内累空气，使玻璃罩8内填充经活性炭管2净化后的空气。
[0024] 电子鼻样品顶空收集装置的工作条件为:通过流量计3将空气流量控制在1000ml/ min到1400ml/min之间，该装置工作的时间控制在5min-8min之间，使玻璃罩8内的气体均为 经活性炭管2净化后的空气。该方法具体步骤包括：
[0025] 1、将茶树叶片洗净，去除灰尘，并挑选健康无损伤的茶树作为检测对象。选取9组 待测茶树样品，每组待测茶树样品中包含η株茶树，其中，η大于等于10的自然数;对8组待测 茶树样品进行不同程度的针刺处理，分别是15针、30针，45针、60针、75针、90针、105针、120 针，另外选取一组健康无损伤的茶树作为对照组;将茶树放入电子鼻样品顶空收集装置中， 并且保证电子鼻样品顶空收集装置内茶树的叶片为20-25片，然后在室溫下放置30min- 40min，使电子鼻样品顶空收集装置内挥发物浓度达到稳定；
[0026] 2、对电子鼻样品顶空收集装置内的挥发物使用电子鼻进行检测，抽取电子鼻样品 顶空收集装置内的挥发物，注入电子鼻系统中，设置检测时间为60S-90S、清洗时间为60s- 80s和气流速度为200ml/min-400ml/min;电子鼻系统中的传感器与挥发物发生反应，产生 响应信号，将不同检测时间点获得的响应信号连接起来可得到样本的响应曲线，即电子鼻 输出结果；
[0027] 3、一个电子鼻系统由多根传感器组成，其输出结果便由其响应值组成，选用各个 传感器响应信号的稳定值作为原始数据，使用逐步判别法对传感器组合进行优化;得到优 化后的传感器组合后，使用稳定值法、小波分析法和二次项拟合法对传感器响应曲线进行 特征提取；
[0028] 所述稳定值法提取特征是选择每根传感器响应信号稳定值作为特征值；
[0029] 所述小波分析法提取特征是选择时频窗口小、正交性和规则性好的Coiflet小波 coi巧作为小波基，根据对比重构效果和原始信号数值误差值变化，选取5层分解尺度，将分 解后得到的第5层低频近似系数E5作为特征值；
[0030] 所述二次项拟合法提取特征是使用二次项y = At2+化+C，其中，y为传感器响应信 号值，t为检测时间；通过最小二乘法对响应曲线进行拟合，将拟合后获得的参数A，B，C作为 特征值；
[0031] 4、根据上述巧巾特征提取算法取得的特征值作为原始数据，采用多层感知机神经 网络对上述巧巾特征提取方