一种基于吸附动力学的电子鼻数据特征提取方法
【技术领域】
[0001] 本发明涉及农作物病虫害检测领域，特别涉及一种基于吸附动力学的电子鼻数据 特征提取方法。
【背景技术】
[0002] 到目前为止，电子鼻中气味信号的特征提取方法主要可以分为三种：1、提取曲线 的几何特征;2、提取样本数据的频率信息作为特征;3、对信号曲线进行拟合，提取拟合模型 的参数作为特征。
[0003] 第一类有可分为两小类:提取原始曲线的几何特征和提取曲线一阶或一阶以上的 导数曲线的几何特征。在原始曲线中提取样本曲线的几何特征是一种传统的曲线特征提取 方法，提取的特征包括曲线的峰值、峰值的位置、曲线下的面积等。提取曲线一阶或一阶以 上的导数曲线的几何特征包括一阶导数最大值、一阶导数最大值出现时刻、二阶导数最大 值、二阶导数出现时刻和曲线下面积等等。但是这类方法很大程度上依赖于曲线的峰值或 某个特定时刻的取值，这有明显的局限性，因为传感器的响应不仅与气体类型有关，还受温 度、湿度、气体浓度等外界因素的影响。所以几何特征不能准确的反映气味样本的类别信 息。
[0004] 提取样本数据的频率信息作为特征这种方法主要是用从时域到频域的转化方法， 如傅里叶变换和小波变换，然后抽取那些最能反映样本数据频率特征信息的参数作为特 征。这种特征提取方法有较深的理论基础，可以作为一种有效的特征提取方法来进行深入 研究，但是同时这个方法所提取的特征不够直观，难以理解。
[0005] 基于曲线拟合的特征提取方法用一个模型对样本曲线进行拟合，然后提取模型的 参数作为特征。现有常用的曲线拟合模型包括多项式模型、指数模型和高斯模型，但是这些 模型未反应气体和传感器之间的实际关系，效果较差，导致最后的模型欠准确。
【发明内容】
[0006] 本发明的目的在于提供一种基于吸附动力学的农作物病虫害检测用电子鼻数据 特征提取方法，以解决现有特征提取方法不能反映整个响应曲线稳态响应和瞬态响应信 息，变化域特征丢失时域信息，不能完整反映整个响应过程特征，以及不能反映检测气体与 电子鼻阵列信号实际反应模型的技术问题。
[0007] 本发明解决上述技术问题所采用的技术方案是:一种基于吸附动力学的电子鼻数 据特征提取方法，将电子鼻传感器响应过程认为是传感器对气体的吸附过程，吸附的量越 大，其响应值越大，包括以下步骤：
[0008] 步骤一、使用电子鼻对一个样品进行检测，获得电子鼻的响应曲线；
[0009] 步骤二、使用吸附动力学方程对步骤一得到的电子鼻的响应曲线进行拟合，将拟 合后获得的吸附动力学方程中的待定系数作为特征值;将电子鼻中各个传感器获得的响应 曲线使用吸附动力学方程进行拟合处理，获得各个传感器的特征值，将各个传感器的特征 值组合构成电子鼻的特征向量；
[0010] 步骤三、选取不同样品组，对同一样品组内的样品进行相同处理，对处理后的样品 经过步骤一和步骤二得到该样品的特征向量，将同一个组内样品的特征向量组合成特征矩 阵；
[0011]进一步的，所述吸附动力学方程为准一级吸附动力学方程、准二级吸附动力学方 程、修正伪一级动力学方程、二级动力学方程或颗粒内扩散方程。
[0012] 进一步的，所述曲线拟合算法为最小二乘法、拉格朗日插值法、牛顿插值法、牛顿 迭代法、区间二分法、弦截法、雅克比迭代法或牛顿科特斯数值积分法。
[0013] 进一步的，所述电子鼻中的传感器均为金属氧化物半导体传感器。
[0014] 本发明具有的有益效果是:使用吸附动力学方程来分析吸附时间和吸附量之间的 关系，揭示电子鼻传感器的吸附机理，能够全面、准确的提取出电子鼻响应曲线的特征，并 最大限度代表响应曲线的整体特征。解决了基于曲线拟合的特征提取方法所用的模型不能 准确的反应气体和传感器之间的实际关系，导致拟合效果较差，最后的模型欠准确的问题。
【附图说明】
[0015] 图1是电子鼻样品顶空收集装置；
[0016] 图2是电子鼻检测传感器响应信号图。
【具体实施方式】
[0017] 本发明实施例在于通过一种基于吸附动力学的农作物病虫害检测用电子鼻数据 特征提取方法，以解决现有特征提取方法不能反映整个响应曲线稳态响应和瞬态响应信 息，变化域特征丢失时域信息，不能完整反映整个响应过程特征，以及不能反映检测气体与 电子鼻阵列信号实际反应模型的技术问题。
[0018] 为更好的理解上述技术方案，下面结合说明书附图及【具体实施方式】对上述技术方 案进行详细说明。
[0019] -种基于吸附动力学的植物病虫害检测用电子鼻数据特征提取方法，将电子鼻传 感器响应过程认为是传感器对气体的吸附过程，吸附的量越大，其响应值越大，包括以下步 骤：
[0020] 步骤一、使用电子鼻对一个样品进行检测，获得电子鼻的响应曲线；
[0021] 步骤二、使用吸附动力学方程对步骤一得到的电子鼻的响应曲线进行拟合，将拟 合后获得的吸附动力学方程中的待定系数作为特征值;将电子鼻中各个传感器获得的响应 曲线使用吸附动力学方程进行拟合处理，获得各个传感器的特征值，将各个传感器的特征 值组合构成电子鼻的特征向量；
[0022] 步骤三、选取不同样品组，对同一样品组内的样品进行相同处理，对处理后的样品 经过步骤一和步骤二得到该样品的特征向量，将同一个组内样品的特征向量组合成特征矩 阵；
[0023] 步骤四、利用多层感知机神经网络对步骤三获得的特征矩阵进行处理，获得不同 组的样品的分类正确率，将分类正确率作为评价特征提取方法的依据。
[0024]上述的基于吸附动力学的电子鼻数据特征提取方法，其特征在于，所述吸附动力 学方程为准一级吸附动力学方程、准二级吸附动力学方程、修正伪一级动力学方程、二级动 力学方程或颗粒内扩散方程。
[0025] 上述的基于吸附动力学的电子鼻数据特征提