基于电子舌和电子鼻结合CNN-Transformer模型的绿茶种类识别

• Published in: 食品与机械 Vol. 40; no. 6; pp. 34 - 52
• Main Authors: 刘川正, 马景余, 白雪瑞, 曾琬晴, 王志强
• Format: Journal Article
• Language: Chinese
• Published: 山东理工大学计算机科学与技术学院,山东淄博 255049 01.06.2024
• Subjects: 种类识别; 电子舌; 电子鼻; Transformer; 信息融合; information fusion; species identification; 绿茶; green tea; electronic nose; electronic tongue
• ISSN: 1003-5788
• DOI: 10.13652/j.spjx.1003.5788.2023.81091

[目的]实现绿茶种类的快速识别.[方法]提出一种基于电子舌和电子鼻结合CNN-Transformer组合模型实现绿茶种类辨识的快速检测方法.分别使用电子舌、电子鼻对5种不同种类绿茶采集味觉、嗅觉的指纹信息,利用短时傅里叶变换(short-time fourier transform,STFT)将一维电子舌和电子鼻信号转换为二维时频图,充分揭示信号能量在时频域的分布特性;提出一种CNN-Transformer 组合模型实现电子舌和电子鼻的信息融合和模式识别.该模型引入选择性核卷积和归一化注意力设计卷积模块来替换传统的CNN卷积层,以实现对信号时频图的局部特征动态提取;采用Transformer编码器中的多头自注意力机制提取电子舌和电子鼻特征的全局时序信息,并实现其特征的加权融合;最后,通过全连接层进行分类识别.[结果]基于电子舌和电子鼻的信息融合方法能够有效提取绿茶样本的味觉和嗅觉信号深层特征,并为模型提供更丰富的融合特征表征,以实现对不同绿茶种类的高准确识别,其测试集准确率、精确率、召回率和F1-Score 分别达到 99.00％,99.05％,99.00％,99.00％.[结论]试验方法具有成本低、快速、高效等特点.