一种基于电子鼻的农药残留检测方法技术

本发明专利技术提供了一种基于电子鼻的农药残留检测方法，该方法包括：通过电子鼻获取不同程度农药残留的气味数据，构建农药残留检测气味数据集，搭建农药残留检测模型，通过农药残留检测气味数据集对农药残留检测模型进行训练，得到训练后的农药残留检测模型，获取待检测的农药残留检测物品，通过电子鼻获取其气味数据，并将获取得到的气味数据输入训练后的农药残留检测模型中，得到农药残留检测结果。本发明专利技术提供的基于电子鼻的农药残留检测方法，能够实现基于电子鼻的农药残留检测，能够提高农药残留检测精确度，便于使用。便于使用。便于使用。

【技术实现步骤摘要】
一种基于电子鼻的农药残留检测方法


[0001]本专利技术涉及电子鼻
，特别是涉及一种基于电子鼻的农药残留检测方法。

技术介绍

[0002]现有技术中在对农药残留进行检测时，往往需要将相关的农产品送至专业的农残鉴定机构内，通过传统的色谱、质谱等大型仪器进行测定，检测仪器费用昂贵，样品制备过程复杂，检测周期长。
[0003]电子鼻系统是自1982年起快速发展起来的一种新型气味分析设备。相对于色谱、质谱等传统的农药残留大型分析设备，电子鼻系统具有样品前处理简单、响应灵敏，分析速度快、分析成本低等优点，因而在多个领域应用于气味识别。
[0004]将电子鼻系统与农残检测相结合，可简化检测过程、缩短检测周期。现有的电子鼻技术在农残检测应用研究中，未实现样品的无损处理、技术应用只局限于某一种农药、单一的样品类别等缺点。因此，设计一种基于电子鼻的新型农药残留检测方法是十分有必要的。

技术实现思路

[0005]本专利技术的目的是提供一种基于电子鼻的农药残留检测方法，能够实现基于电子鼻的农药残留检测，能够提高农药残留检测精确度，便于使用。
[0006]为实现上述目的，本专利技术提供了如下方案：
[0007]一种基于电子鼻的农药残留检测方法，包括如下步骤：
[0008]步骤1：通过电子鼻获取不同程度农药残留的气味数据，构建农药残留检测气味数据集；
[0009]步骤2：搭建农药残留检测模型，通过农药残留检测气味数据集对农药残留检测模型进行训练，得到训练后的农药残留检测模型；
[0010]步骤3：获取待检测的农药残留检测物品，通过电子鼻获取其气味数据，并将获取得到的气味数据输入训练后的农药残留检测模型中，得到农药残留检测结果。
[0011]可选的，步骤1中，通过电子鼻获取不同程度农药残留的气味数据，构建农药残留检测气味数据集，具体为：
[0012]在不同类型的农药残留检测物品上配置不同程度的农药残留，通过电子鼻对其进行识别，获取气味数据，并记录此时的农药残留检测物品的类型及相应的农药残留程度，获取收集到的所有数据，构建数据集，得到农药残留检测气味数据集。
[0013]可选的，步骤2中，搭建农药残留检测模型，具体为：
[0014]搭建GAF
‑
CNN模型，其中，对GAF算法进行改进，将电子鼻获取得到的气味数据表示为一个二维矩阵X，第i行第j列的数据为电子鼻的第i个传感器的第j个采样点采集得到的响应值，将该值表示为x
ij
，且x
ij
∈X，对于所有的响应数据，有：
[0015]x
′
ij
＝x
ij
‑
x
ij
‑
baseline
,x
′
ij
∈X
′
[0016][0017][0018]其中，i为电子鼻的传感器数量，j为采样点，定义第i个传感器响应数据的GASF矩阵和GADF矩阵分别为：
[0019][0020][0021]对CNN网络结构进行改进，将得到的GASF矩阵和GADF矩阵输入改进后的CNN网络结构中，其中，改进后的CNN网络结构由5个残差块构成，每个残差块均由3层卷积层及一个跳跃连接通道组成，其中，卷积层使用的计算公式为：
[0022][0023](i,j)∈{0,1,...,D
l+1
}
[0024][0025]其中，Z
l
和Z
l+1
分别表示第l层和第(l+1)层的卷积层的卷积特征图，w
l+1
表示第(l+1)层卷积层的卷积核权重，b为卷积核的偏差量，D
l+1
为Z
l+1
的尺寸，Z(i,j)表示特征图中第i行第j列的像素值，K为特征图的通道数，p为填充零的层数，f为卷积核的大小，s0为卷积补长，在卷积层计算过程中，卷积核会按规律扫过输入特征，在卷积核大小范围内对输入特征做矩阵元素乘法求和并叠加偏差量，从而计算出该层的输出特征图，CNN网络结构中的残差块的第一层卷积层使用m个尺寸为3
×
3，步长为2的卷积核，对于第k个残差块，有m＝2
k+5
，其中，k∈[1,5]，残差块中的第二层卷积层使用m/2个尺寸为1
×
1的卷积核，增加网络的非线性，残差块中的第三层卷积层使用m个尺寸为3
×
3的卷积核，第二层及第三层卷积层中的卷积核步长均为1，所有卷积层的激活函数均使用ReLU函数来对数据作非线性变化，在卷积层后，通过全局平均池化层计算每个特征通道中的所有元素的平均值，在最后，使用一层由9个神经元组成的全连接层并配合Softmax函数来对提取到的特征进行分类，其中，网络的损
失函数为categorical交叉熵，优化器为Adam。
[0026]可选的，步骤2中，通过农药残留检测气味数据集对农药残留检测模型进行训练，得到训练后的农药残留检测模型，具体为：
[0027]通过农药残留检测物品的类型及相应的农药残留程度对相应的气味数据进行标注，并将标注后的气味数据输入搭建完成的不同GAF
‑
CNN模型，其中，每种农药残留检测物品均对应设置一个GAF
‑
CNN模型，通过此类型农药残留检测物品的气味数据对相应的GAF
‑
CNN模型进行训练，得到训练后的不同类型农药残留检测物品的GAF
‑
CNN模型。
[0028]可选的，步骤3中，获取待检测的农药残留检测物品，通过电子鼻获取其气味数据，并将获取得到的气味数据输入训练后的农药残留检测模型中，得到农药残留检测结果，具体为：
[0029]获取待检测的农药残留检测物品，并根据农药残留检测物品类型选择相应的GAF
‑
CNN模型，通过电子鼻获取待检测的农药残留检测物品的气味数据，并将气味数据输入对应的GAF
‑
CNN模型中，输出农药残留检测结果。
[0030]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：本专利技术提供的基于电子鼻的农药残留检测方法，该方法包括通过电子鼻获取不同程度农药残留的气味数据，构建农药残留检测气味数据集，搭建农药残留检测模型，通过农药残留检测气味数据集对农药残留检测模型进行训练，得到训练后的农药残留检测模型，获取待检测的农药残留检测物品，通过电子鼻获取其气味数据，并将获取得到的气味数据输入训练后的农药残留检测模型中，得到农药残留检测结果，其中，针对不同类型的农药残留检测物品搭建不同的检测模型，便于使用，防止因类型不同导致误差，采用改进的GAF算法与CNN网络结构相结合，构建农药残留检测模型，提高了检测精度，便于使用。
附图说明
[0031]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于电子鼻的农药残留检测方法，其特征在于，包括如下步骤：步骤1：通过电子鼻获取不同程度农药残留的气味数据，构建农药残留检测气味数据集；步骤2：搭建农药残留检测模型，通过农药残留检测气味数据集对农药残留检测模型进行训练，得到训练后的农药残留检测模型；步骤3：获取待检测的农药残留检测物品，通过电子鼻获取其气味数据，并将获取得到的气味数据输入训练后的农药残留检测模型中，得到农药残留检测结果。2.根据权利要求1所述的基于电子鼻的农药残留检测方法，其特征在于，步骤1中，通过电子鼻获取不同程度农药残留的气味数据，构建农药残留检测气味数据集，具体为：在不同类型的农药残留检测物品上配置不同程度的农药残留，通过电子鼻对其进行识别，获取气味数据，并记录此时的农药残留检测物品的类型及相应的农药残留程度，获取收集到的所有数据，构建数据集，得到农药残留检测气味数据集。3.根据权利要求2所述的基于电子鼻的农药残留检测方法，其特征在于，步骤2中，搭建农药残留检测模型，具体为：搭建GAF
‑
CNN模型，其中，对GAF算法进行改进，将电子鼻获取得到的气味数据表示为一个二维矩阵X，第i行第j列的数据为电子鼻的第i个传感器的第j个采样点采集得到的响应值，将该值表示为x
ij
，且x
ij
∈X，对于所有的响应数据，有：x
i
′
j
＝x
ij
‑
x
ij
‑
baseline
,x
i
′
j
∈X
′′
其中，i为电子鼻的传感器数量，j为采样点，定义第i个传感器响应数据的GASF矩阵和GADF矩阵分别为：GASF矩阵和GADF矩阵分别为：对CNN网络结构进行改进，将得到的GASF矩阵和GADF矩阵输入改进后的CNN网络结构中，其中，改进后的CNN网络结构由5个残差块构成，每个残差块均由3层卷积层及一个跳跃
连接通道组成，其中，卷积层使用的计算公式为：(i,j)∈{0,1,...,D
l+1
}其中，Z
l
和Z
l+1
分别表示第l层和第(l+1)层的卷积层的卷积特征图，w
l+1
表示第(l+1)层卷积层的卷积核权重，b为卷积核的偏差量...

【专利技术属性】
技术研发人员：孟霞，冯建永，杨俊英，舒晓，李典晏，付婷婷，唐鸣凤，康忠芳，
申请(专利权)人：重庆市农业科学院，
类型：发明
国别省市：