Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于AIF-1DCNN的电子舌白酒检测方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:滁州怡然传感技术研究院有限公司

摘要:本发明公开了一种基于AIF‑1DCNN的电子舌白酒检测方法。该方法包括以下步骤:利用集成电极获得白酒的原始响应数据矩阵X进行预处理形成样本集E;对样本集E进行卷积核尺寸为n电极注意力特征提取得到长度为k向量对样本集E进行卷积核尺寸为u方波注意力特征提取得到长度为w向量Ψ;将向量向量Ψ进行加权融合得到向量Τ,并将Τ对原始输入进行融合得到λ;采用自适应动量随机优化方法对输入λ训练AIF‑1DCNN神经网络,利用训练好的AIF‑1DCNN神经网络模型对测试集进行分类检测。本发明解决了现有深度学习算法只用电子舌测得的全时域信息而忽略了每个电极以及不同方波的影响造成准确率低的技术问题,提高了白酒年份分析的效率及正确率。

主权项:1.一种基于AIF-1DCNN的电子舌白酒检测方法,其特征在于,包括以下步骤:S1:利用集成电极获得白酒的原始响应数据矩阵X进行预处理形成样本集E,具体为:将集成电极的6个电极测量白酒的单次数据点进行横向拼接,将所述单次数据点根据测量次数进行竖向拼接形成原始响应数据矩阵X,如公式1所示 其中,[x1,1,x1,2,…,x1,j]为多个电极测量白酒的单次数据点进行横向拼接构成的一个样本数据,i为多个电极测量样本的数量,j为采样点数;进一步的将原始响应数据矩阵X进行零均值化处理采用如下公式2: E为归一化处理后数据,Xmax为原始响应数据矩阵每列的最大值,Xmin为原始响应数据矩阵每列的最小值,X为原始响应数据矩阵;S2:对样本集E进行卷积核尺寸为n电极注意力特征提取得到长度为k向量先使用核大小为n的k个卷积核对原始信号进行卷积得到特征F,进一步的对F进行全局平均池化得到FGP,然后两次1*1卷积激活提取得到长度为k电极通道注意力特征注意力提取如下公式3、4、5 i,j代表输入信号e的维度,e∈E,ei,j代表e中第i行第j列的数,代表第l个卷积核第i行第j列的数,bl代表第l个卷积核的偏置 其中,H,W是特征U的维度大小,Fc是特征F通道数,i,j是第c个通道上的所属位置为i,j的值 其中fFGp为sigmoid激活函数;S3:对样本集E进行卷积核尺寸为u方波注意力特征提取得到长度为w向量Ψ;S4:将向量向量Ψ进行加权融合得到向量Τ;S5:将向量Τ对原始输入进行融合得到λ,先将加权融合向量Τ对原始输入e进行融合得到λ,先将加权融合向量力Τ和输入信号e进行维度变换,Τ的维度大小由k,v变为w,1得到Τ',输入信号e的维度大小由1,k×n变为w,u得到e,进一步的将注意力与输入信号利用广播机制进行融合得到Λ,如下公式11、12所示,最后将Λ重新进行维度变换得到λ,λ维度为k×n,1, Λ=Γ×e12,S6:采用自适应动量随机优化方法对输入λ训练AIF-1DCNN神经网络,利用训练好的AIF-1DCNN神经网络模型对测试集进行分类检测;其中,AIF-1DCNN神经网络模型中倒数第一个池化层后进行Flatten,最后通过Softmax分类器产生最终标签,模型选用交叉熵作为损失函数,使用Adam梯度下降优化算法,确保损失函数迅速收敛至全局最小。

全文数据:

权利要求:

百度查询: 滁州怡然传感技术研究院有限公司 一种基于AIF-1DCNN的电子舌白酒检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。