CN106018511A - 一种茶叶等级识别中电子鼻传感器的筛选方法及系统 - Google Patents

Abstract

本发明提供一种茶叶等级识别中电子鼻传感器的筛选方法及系统，能够提高茶叶等级的识别率。所述方法包括：通过电子鼻对待测茶叶样本中用于表征不同等级茶叶的香气成分进行检测；依据检测结果，获取所述电子鼻中每根传感器对应的样本类内离散度与样本类间离散度；依据获取的所述每根传感器对应的样本类内离散度与样本类间离散度，确定所述每根传感器对茶叶等级的区分性能值；判断所述电子鼻中各根传感器对茶叶等级的区分性能值是否符合预定的区分标准，筛选出所述电子鼻中符合预定区分标准的传感器。本发明适用于食品智能感官分析技术领域。

Description

一种茶叶等级识别中电子鼻传感器的筛选方法及系统

技术领域

本发明涉及食品智能感官分析技术领域，特别是指一种茶叶等级识别中电子鼻传感器的筛选方法及系统。

背景技术

我国是茶叶生产和贸易大国，茶物质财富的大量增加为中国茶文化的发展提供了坚实的基础。然而，由于缺乏成熟的监管体制，目前市场上的商品茶质量级别混乱，茶叶以次充好的现象时常发生，这对茶叶贸易和消费者权益以及整个茶文化的发展都带来了不良的影响。

食品感官科学作为一门研究食品感官品质属性结构、演化与测量的科学，是现代食品科学技术中最具特色的学科分支，也是现代食品科学技术及食品产业发展最迫切需要拓展的领域。长期以来，对于茶叶等级的感官检测基本上是以人工感官品评的方式来实现的。然而，人工感官品评方式存在操作过程繁琐，易受外界因素影响，评价结果不够客观精确等问题。所以，仅通过人工感官品评的方式已满足不了现今茶叶市场快速发展的要求。

近年来，随着现代仪器分析技术的不断发展以及对于茶叶领域的深入研究，在茶叶等级检测的分析研究中取得了较大的进步。智能感官分析技术作为一种新的茶叶等级检测方法，它因操作简便、客观准确、检测时间短、重复性好、受环境因素影响较小等优点在茶叶等级检测领域受到越来越多的重视。其中，电子鼻作为一种模拟人的嗅觉机制而研制出来的智能感官识别系统，近年来被广泛用于茶叶等级的智能感官分析中。与传统的人工感官分析相比，电子鼻为茶叶等级的检测提供了一种客观、快速、准确的检测方法。因此，选择电子鼻技术对茶叶等级进行检测将对整个茶叶行业的发展带来深远的意义。

在利用电子鼻技术对茶叶等级进行分级的过程中，首先，要通过电子鼻传感器对茶叶进行检测，从而得到与茶叶香气特性相关的电子鼻响应信号。电子鼻通常包括：多根传感器，不同传感器对不同类型气体敏感。也就是说，在茶叶等级判定中，对茶叶香气敏感的传感器可有效表达不同等级茶叶香气成分之间的差异，对茶叶品质判别有益，但是，对茶叶香气不敏感的传感器不能有效表达不同等级茶叶香气成分之间的差异，对茶叶品质判别无益，同时还会降低茶叶等级的识别率，并增加计算复杂度。

发明内容

本发明要解决的技术问题是提供一种茶叶等级识别中电子鼻传感器的筛选方法及系统，以解决现有技术所存在的茶叶等级的识别率低，计算复杂度高的问题。

为解决上述技术问题，本发明实施例提供一种茶叶等级识别中电子鼻传感器的筛选方法，包括：

通过电子鼻对待测茶叶样本中用于表征不同等级茶叶的香气成分进行检测，其中，所述电子鼻包括：多根传感器；

依据检测结果，获取所述电子鼻中每根传感器对应的样本类内离散度与样本类间离散度；

依据获取的所述每根传感器对应的样本类内离散度与样本类间离散度，确定所述每根传感器对茶叶等级的区分性能值；

判断所述电子鼻中各根传感器对茶叶等级的区分性能值是否符合预定的区分标准，筛选出所述电子鼻中符合预定区分标准的传感器。

进一步的，所述获取所述电子鼻中每根传感器对应的样本类内离散度与样本类间离散度包括：

依据费希尔准则，获取所述电子鼻中每根传感器对应的样本类内离散度与样本类间离散度。

进一步的，所述每根传感器对应的样本类内离散度表示为：

$S_w^i=\frac{1}{n}\underset{k=1}{\overset{c}{\Σ}}\underset{l=1}{\overset{n_k}{\Σ}}(x_{kl}^i-m_k^i){(x_{kl}^i-m_k^i)}^T,(i=1,2,\mathrm{...},N)$

所述每根传感器对应的样本类间离散度表示为：

$S_b^i=\frac{1}{n}\underset{k=1}{\overset{c}{\Σ}}{n}_k(m_k^i-m^i){(m_k^i-m^i)}^T,(i=1,2,\mathrm{...},N),$

其中，和分别表示第i根传感器的样本类内离散度与样本类间离散度，表示第i根传感器下第k个等级中的第l个样本，表示第i根传感器下第k个等级样本的平均值，n_k表示第k个等级中的样本数，c表示茶叶的等级数，n表示第i根传感器所对应的总样本数，mⁱ表示第i根传感器所对应的总样本的平均值，N表示电子鼻中传感器的数量。

进一步的，所述每根传感器对茶叶等级的区分性能值表示为：

$F_i=\frac{S_w^i}{S_b^i}=\frac{1}{a_i}\underset{t=1}{\overset{a_i}{\Σ}}\frac{S_w^{it}}{S_b^{it}},(i=1,2,\mathrm{...},N)$

其中，F_i表示电子鼻中第i根传感器对茶叶等级的区分性能值，a_i表示第i根传感器所对应的特征数，和分别表示第i根传感器的第t个特征参数所对应的样本类内离散度与样本类间离散度，N表示电子鼻中传感器的数量。

进一步的，所述预定的区分标准为当前传感器对茶叶等级的区分性能值小于预定阈值；

所述判断所述电子鼻中各根传感器对茶叶等级的区分性能值是否符合预定的区分标准，筛选出所述电子鼻中符合预定区分标准的传感器包括：

若所述电子鼻中第i根传感器对茶叶等级的区分性能值F_i小于所述预定阈值，则筛选出所述F_i对应的电子鼻中的第i根传感器。

本发明实施例还提供一种茶叶等级识别中电子鼻传感器的筛选系统，包括：

电子鼻，用于对待测茶叶样本中用于表征不同等级茶叶的香气成分进行检测，其中，所述电子鼻包括：多根传感器；

获取模块，用于依据检测结果，获取所述电子鼻中每根传感器对应的样本类内离散度与样本类间离散度；

确定模块，用于依据获取的所述每根传感器对应的样本类内离散度与样本类间离散度，确定所述每根传感器对茶叶等级的区分性能值；

筛选模块，用于判断所述电子鼻中各根传感器对茶叶等级的区分性能值是否符合预定的区分标准，筛选出所述电子鼻中符合预定区分标准的传感器。

进一步的，所述获取模块，具体用于依据费希尔准则，获取所述电子鼻中每根传感器对应的样本类内离散度与样本类间离散度。

进一步的，所述每根传感器对应的样本类内离散度表示为：

$S_w^i=\frac{1}{n}\underset{k=1}{\overset{c}{\Σ}}\underset{l=1}{\overset{n_k}{\Σ}}(x_{kl}^i-m_k^i){(x_{kl}^i-m_k^i)}^T,(i=1,2,\mathrm{...},N)$

所述每根传感器对应的样本类间离散度表示为：

$S_b^i=\frac{1}{n}\underset{k=1}{\overset{c}{\Σ}}{n}_k(m_k^i-m^i){(m_k^i-m^i)}^T,(i=1,2,\mathrm{...},N),$

其中，和分别表示第i根传感器的样本类内离散度与样本类间离散度，表示第i根传感器下第k个等级中的第l个样本，表示第i根传感器下第k个等级样本的平均值，n_k表示第k个等级中的样本数，c表示茶叶的等级数，n表示第i根传感器所对应的总样本数，mⁱ表示第i根传感器所对应的总样本的平均值，N表示电子鼻中传感器的数量。

进一步的，所述每根传感器对茶叶等级的区分性能值表示为：

$F_i=\frac{S_w^i}{S_b^i}=\frac{1}{a_i}\underset{t=1}{\overset{a_i}{\Σ}}\frac{S_w^{it}}{S_b^{it}},(i=1,2,\mathrm{...},N)$

其中，F_i表示电子鼻中第i根传感器对茶叶等级的区分性能值，a_i表示第i根传感器所对应的特征数，和分别表示第i根传感器的第t个特征参数所对应的样本类内离散度与样本类间离散度，N表示电子鼻中传感器的数量。

进一步的，所述预定的区分标准为当前传感器对茶叶等级的区分性能值小于预定阈值；

所述筛选模块，具体用于当所述电子鼻中第i根传感器对茶叶等级的区分性能值F_i小于所述预定阈值时，则筛选出所述F_i对应的电子鼻中的第i根传感器。

本发明的上述技术方案的有益效果如下：

上述方案中，通过电子鼻对待测茶叶样本中用于表征不同等级茶叶的香气成分进行检测；依据检测结果，获取所述电子鼻中每根传感器对应的样本类内离散度与样本类间离散度；依据获取的所述每根传感器对应的样本类内离散度与样本类间离散度，确定所述每根传感器对茶叶等级的区分性能值；判断所述电子鼻中各根传感器对茶叶等级的区分性能值是否符合预定的区分标准，筛选出所述电子鼻中符合预定区分标准的传感器。这样，通过对电子鼻中传感器进行筛选，筛选出对茶叶香气灵敏度高的传感器，剔除对茶叶香气灵敏度较低的部分传感器，能够提高不同等级茶叶之间的传感器差异性，提高茶叶等级的识别率，同时降低计算的复杂度。

附图说明

图1为本发明实施例提供的茶叶等级识别中电子鼻传感器的筛选方法的流程示意图；

图2为本发明实施例提供的电子鼻传感器响应信号曲线示意图；

图3为本发明实施例提供的将时域特征和频域特征通过串联的方式进行融合的过程示意图；

图4为本发明实施例提供的Fox4000传感器型电子鼻中每根传感器对茶叶等级的区分性能值示意图；

图5为本发明实施例提供的茶叶等级识别中电子鼻传感器的筛选系统的结构示意图。

具体实施方式

为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。

本发明针对现有的茶叶等级的识别率低，计算复杂度高的问题，提供一种茶叶等级识别中电子鼻传感器的筛选方法及系统。

实施例一

参看图1所示，本发明实施例提供的一种茶叶等级识别中电子鼻传感器的筛选方法，包括：

步骤101：通过电子鼻对待测茶叶样本中用于表征不同等级茶叶的香气成分进行检测，其中，所述电子鼻包括：多根传感器；

步骤102：依据检测结果，获取所述电子鼻中每根传感器对应的样本类内离散度与样本类间离散度；

步骤103：依据获取的所述每根传感器对应的样本类内离散度与样本类间离散度，确定所述每根传感器对茶叶等级的区分性能值；

步骤104：判断所述电子鼻中各根传感器对茶叶等级的区分性能值是否符合预定的区分标准，筛选出所述电子鼻中符合预定区分标准的传感器。

本发明实施例所述的茶叶等级识别中电子鼻传感器的筛选方法，通过电子鼻对待测茶叶样本中用于表征不同等级茶叶的香气成分进行检测；依据检测结果，获取所述电子鼻中每根传感器对应的样本类内离散度与样本类间离散度；依据获取的所述每根传感器对应的样本类内离散度与样本类间离散度，确定所述每根传感器对茶叶等级的区分性能值；判断所述电子鼻中各根传感器对茶叶等级的区分性能值是否符合预定的区分标准，筛选出所述电子鼻中符合预定区分标准的传感器。这样，通过对电子鼻中传感器进行筛选，筛选出对茶叶香气灵敏度高的传感器，剔除对茶叶香气灵敏度较低的部分传感器，能够提高不同等级茶叶之间的传感器差异性，提高茶叶等级的识别率，同时降低计算的复杂度。

本发明实施例中，例如，所述待测茶叶样本为待测龙井茶茶叶样本，当然也可以为乌龙茶、铁观音等其他茶叶，可以通过电子鼻对待测龙井茶茶叶样本中用于表征不同等级茶叶的香气成分进行检测，所述电子鼻检测到的电子鼻响应信号是随时间变化的时序信号。

本发明实施例中，所述通过电子鼻对待测龙井茶茶叶样本中用于表征不同等级茶叶的香气成分进行检测的具体步骤可以包括：

1)采集待测龙井茶茶叶样本，所述待测龙井茶茶叶样本可以为采自杭州西湖龙井茶产区的龙井茶，龙井茶分为4个等级，包括：特级(T)、一级(Y)、二级(E)和三级(S)。为确保待测龙井茶茶叶样本不受外界条件的干扰，待测龙井茶茶叶样本采集后可以用铝箔材料包装袋进行密封包装并置于-4℃条件下保存。

2)对不同等级的待测龙井茶茶叶样本进行检测，例如，可以采用Fox4000传感器型电子鼻对不同等级的待测龙井茶茶叶样本进行检测，该Fox4000传感器型电子鼻包括：18根金属氧化物半导体气敏传感器(所述传感器位于检测器内)和顶空自动进样器(所述顶空自动进样器至少包括：顶空瓶和托盘)。检测过程中，茶叶挥发性成分与传感器吸附后，改变传感器表层电流强度，通过数字转换获得各待测龙井茶茶叶样本的响应信号曲线。

本发明实施例中，通过Fox4000传感器型电子鼻对待测龙井茶茶叶样本进行检测的具体操作流程可以包括：

将100g茶叶置于20ml顶空瓶中，注入5ml常温去离子水后压盖封装。将装有待测龙井茶茶叶样本的顶空瓶置于托盘上，根据待测龙井茶茶叶样本检测顺序，对托盘上的各顶空瓶进行编号。对装有待测龙井茶茶叶样本的顶空瓶进行预热，随后抽取顶空内的气体注入检测器中进行反应，反应时间设置为2分钟。反应过程中，气体进入检测器后与各传感器发生吸附与解吸附反应，反应结束则生成相关响应信号曲线。每种待测龙井茶茶叶样本经检测后可获得如图2所示的电子鼻响应信号曲线，所述电子鼻响应信号包括：18条随时间变化的时序信号，图2中，S1,S2,…,Si,…,S18分别表示Fox4000传感器型电子鼻中的第i根传感器。

本发明实施例中，通过Fox4000传感器型电子鼻对待测龙井茶茶叶样本进行检测的时间长度为2分钟(120秒)，其中，每隔0.5秒记录反应数值，故每条时序信号均由241个数值点构成。

本发明实施例中，在Fox4000传感器型电子鼻总的18根传感器中，部分传感器对于茶叶香气的响应敏感度较低。为了确保电子鼻检测结果对于茶叶等级区分的有效性，有必要对电子鼻的18根传感器进行适当的筛选。例如，可以依据费希尔(Fisher)准则对电子鼻中的18根传感器进行筛选。

首先，依据费希尔准则，获取所述电子鼻中每根传感器对应的样本类内离散度与样本类间离散度；其中，所述每根传感器对应的样本类内离散度表示为：

$S_w^i=\frac{1}{n}\underset{k=1}{\overset{c}{\Σ}}\underset{l=1}{\overset{n_k}{\Σ}}(x_{kl}^i-m_k^i){(x_{kl}^i-m_k^i)}^T,(i=1,2,\mathrm{...},18)$

所述每根传感器对应的样本类间离散度表示为：

$S_b^i=\frac{1}{n}\underset{k=1}{\overset{c}{\Σ}}{n}_k(m_k^i-m^i){(m_k^i-m^i)}^T,(i=1,2,\mathrm{...},18),$

其中，和分别表示第i根传感器的样本类内离散度与样本类间离散度，表示第i根传感器下第k个等级中的第l个样本，表示第i根传感器下第k个等级样本的平均值，n_k表示第k个等级中的样本数，c表示茶叶的等级数，n表示第i根传感器所对应的总样本数，mⁱ表示第i根传感器所对应的总样本的平均值；

接着，依据获取的所述每根传感器对应的样本类内离散度与样本类间离散度，确定所述每根传感器对茶叶等级的区分性能值；其中，所述每根传感器对茶叶等级的区分性能值表示为：

$F_i=\frac{S_w^i}{S_b^i}=\frac{1}{a_i}\underset{t=1}{\overset{a_i}{\Σ}}\frac{S_w^{it}}{S_b^{it}},(i=1,2,\mathrm{...},18)$

其中，F_i表示电子鼻中第i根传感器对茶叶等级的区分性能值，a_i表示第i根传感器所对应的特征数，和分别表示第i根传感器的第t个特征参数所对应的样本类内离散度与样本类间离散度。

本发明实施例中，a_i的取值可以为4，也就是说，每根传感器所对应的特征数为4个，这4个特征数可以包括：2个时域特征及2个频域特征，其中，时域特征包括：极值(MV)和均值(AV)；频域特征包括：最大能量(ME)和平均能量(AE)。

本发明实施例中，还可以将每根传感器对应的所述时域特征和频域特征进行融合，将融合后的融合特征作为所述电子鼻响应信号的特征信息，具体的步骤包括：通过串联的方式将获取到的电子鼻中单根传感器的时域特征和频域特征进行初次融合；通过串联的方式将电子鼻中每根传感器的初次融合特征进行二次融合。

本发明实施例中，通过串联的方式将获取到的电子鼻中单根传感器的时域特征和频域特征进行初次融合后，每根传感器采集到的由241个数据点构成的时序信号由4个特征参数(MV、AV、ME、AE)表示，通过串联的方式将电子鼻中的18根传感器的时域特征和频域特征进行二次融合后，所述电子鼻响应信号最终由72维特征向量(18×4)表示，如图3所示，图3中，S1,S2,…,Si,…,S18分别表示电子鼻中的第i根传感器。

在前述茶叶等级识别中电子鼻传感器的筛选方法的具体实施方式中，进一步地，所述预定的区分标准为当前传感器对茶叶等级的区分性能值小于预定阈值；

所述判断所述电子鼻中各根传感器对茶叶等级的区分性能值是否符合预定的区分标准，筛选出所述电子鼻中符合预定区分标准的传感器包括：

若所述电子鼻中第i根传感器对茶叶等级的区分性能值F_i小于所述预定阈值，则筛选出所述F_i对应的电子鼻中的第i根传感器。

本发明实施例中，对每根传感器，样本类内离散度表示在同一等级内，平行样本之间的离散程度；样本类间离散度则表示不同等级之间的离散程度；所以，对于每根传感器，计算出的F_i值越小，说明该传感器对于茶叶等级区分的性能越好。

本发明实施例中，在Fox4000传感器型电子鼻总的18根传感器中，LY2/LG,T40/1和TA2这三根传感器的F_i值超过预定值，其中，所述预定值为2，如图4所示。该结果说明对于LY2/LG,T40/1和TA2这三根传感器，同一等级平行样本之间较离散，或，不同等级之间较接近。所以根据Fisher准则计算的结果，最后筛选出了15根在茶叶等级区分上具有较好性能的传感器(LY2/G,LY2/AA,LY2/GH,LY2/gCTL,LY2/gCT,T30/1,P10/1,P10/2,P40/1,T70/2,PA/2,P30/1,P40/2,P30/2,T40/2)。

表1电子鼻传感器筛选前后茶叶等级识别效果

本发明实施例中，经过传感器筛选之后，在单一特征参数下，每个茶叶样本均由15维的特征向量表示；在融合特征参数下，每个茶叶样本均由15×4维的特征向量表示。可以将该特征向量输入K最邻分类器从而判断龙井茶茶叶样本的等级，表1给出了电子鼻传感器筛选前后对于茶叶等级的区分效果。表1表明，经传感器筛选后，不同特征参数(单一特征参数、融合特征参数)下对于茶叶等级的正确识别率都较传感器筛选前有些提升，且融合特征下对于茶叶等级的区分效果高于单一特征参数下对于茶叶等级的区分效果。也就是说，在Fox4000传感器型电子鼻的18根传感器中，确实存在一些对茶叶香气响应敏感度较低的传感器，通过Fisher准则筛选传感器后，能进一步提高茶叶等级的识别效果，还能降低计算的复杂度。

实施例二

本发明还提供一种茶叶等级识别中电子鼻传感器的筛选系统的具体实施方式，由于本发明提供的茶叶等级识别中电子鼻传感器的筛选系统与前述茶叶等级识别中电子鼻传感器的筛选方法的具体实施方式相对应，该茶叶等级识别中电子鼻传感器的筛选系统可以通过执行上述方法具体实施方式中的流程步骤来实现本发明的目的，因此上述茶叶等级识别中电子鼻传感器的筛选方法具体实施方式中的解释说明，也适用于本发明提供的茶叶等级识别中电子鼻传感器的筛选系统的具体实施方式，在本发明以所对应的具体实施方式中将不再赘述。

参看图5所示，本发明实施例还提供一种茶叶等级识别中电子鼻传感器的筛选系统，包括：

电子鼻101，用于对待测茶叶样本中用于表征不同等级茶叶的香气成分进行检测，其中，所述电子鼻包括：多根传感器；

获取模块102，用于依据检测结果，获取所述电子鼻中每根传感器对应的样本类内离散度与样本类间离散度；

确定模块103，用于依据获取的所述每根传感器对应的样本类内离散度与样本类间离散度，确定所述每根传感器对茶叶等级的区分性能值；

筛选模块104，用于判断所述电子鼻中各根传感器对茶叶等级的区分性能值是否符合预定的区分标准，筛选出所述电子鼻中符合预定区分标准的传感器。

本发明实施例所述的茶叶等级识别中电子鼻传感器的筛选系统，通过电子鼻对待测茶叶样本中用于表征不同等级茶叶的香气成分进行检测；依据检测结果，获取所述电子鼻中每根传感器对应的样本类内离散度与样本类间离散度；依据获取的所述每根传感器对应的样本类内离散度与样本类间离散度，确定所述每根传感器对茶叶等级的区分性能值；判断所述电子鼻中各根传感器对茶叶等级的区分性能值是否符合预定的区分标准，筛选出所述电子鼻中符合预定区分标准的传感器。这样，通过对电子鼻中传感器进行筛选，筛选出对茶叶香气灵敏度高的传感器，剔除对茶叶香气灵敏度较低的部分传感器，能够提高不同等级茶叶之间的传感器差异性，提高茶叶等级的识别率，同时降低计算的复杂度。

在前述茶叶等级识别中电子鼻传感器的筛选系统的具体实施方式中，进一步地，所述获取模块，具体用于依据费希尔准则，获取所述电子鼻中每根传感器对应的样本类内离散度与样本类间离散度。

在前述茶叶等级识别中电子鼻传感器的筛选系统的具体实施方式中，进一步地，所述每根传感器对应的样本类内离散度表示为：

$S_w^i=\frac{1}{n}\underset{k=1}{\overset{c}{\Σ}}\underset{l=1}{\overset{n_k}{\Σ}}(x_{kl}^i-m_k^i){(x_{kl}^i-m_k^i)}^T,(i=1,2,\mathrm{...},N)$

所述每根传感器对应的样本类间离散度表示为：

$S_b^i=\frac{1}{n}\underset{k=1}{\overset{c}{\Σ}}{n}_k(m_k^i-m^i){(m_k^i-m^i)}^T,(i=1,2,\mathrm{...},N),$

其中，和分别表示第i根传感器的样本类内离散度与样本类间离散度，表示第i根传感器下第k个等级中的第l个样本，表示第i根传感器下第k个等级样本的平均值，n_k表示第k个等级中的样本数，c表示茶叶的等级数，n表示第i根传感器所对应的总样本数，mⁱ表示第i根传感器所对应的总样本的平均值，N表示电子鼻中传感器的数量。

在前述茶叶等级识别中电子鼻传感器的筛选系统的具体实施方式中，进一步地，所述每根传感器对茶叶等级的区分性能值表示为：

$F_i=\frac{S_w^i}{S_b^i}=\frac{1}{a_i}\underset{t=1}{\overset{a_i}{\Σ}}\frac{S_w^{it}}{S_b^{it}},(i=1,2,\mathrm{...},N)$

其中，F_i表示电子鼻中第i根传感器对茶叶等级的区分性能值，a_i表示第i根传感器所对应的特征数，和分别表示第i根传感器的第t个特征参数所对应的样本类内离散度与样本类间离散度，N表示电子鼻中传感器的数量。

在前述茶叶等级识别中电子鼻传感器的筛选系统的具体实施方式中，进一步地，所述预定的区分标准为当前传感器对茶叶等级的区分性能值小于预定阈值；

所述筛选模块，具体用于当所述电子鼻中第i根传感器对茶叶等级的区分性能值F_i小于所述预定阈值时，则筛选出所述F_i对应的电子鼻中的第i根传感器。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种茶叶等级识别中电子鼻传感器的筛选方法，其特征在于，包括：

通过电子鼻对待测茶叶样本中用于表征不同等级茶叶的香气成分进行检测，其中，所述电子鼻包括：多根传感器；

依据检测结果，获取所述电子鼻中每根传感器对应的样本类内离散度与样本类间离散度；

依据获取的所述每根传感器对应的样本类内离散度与样本类间离散度，确定所述每根传感器对茶叶等级的区分性能值；

判断所述电子鼻中各根传感器对茶叶等级的区分性能值是否符合预定的区分标准，筛选出所述电子鼻中符合预定区分标准的传感器。

2.根据权利要求1所述的茶叶等级识别中电子鼻传感器的筛选方法，其特征在于，所述获取所述电子鼻中每根传感器对应的样本类内离散度与样本类间离散度包括：

依据费希尔准则，获取所述电子鼻中每根传感器对应的样本类内离散度与样本类间离散度。

3.根据权利要求2所述的茶叶等级识别中电子鼻传感器的筛选方法，其特征在于，所述每根传感器对应的样本类内离散度表示为：

$S_w^i=\frac{1}{n}\underset{k=1}{\overset{c}{\Σ}}\underset{l=1}{\overset{n_k}{\Σ}}(x_{kl}^i-m_k^i){(x_{kl}^i-m_k^i)}^T,(i=1,2,\mathrm{...},N)$

所述每根传感器对应的样本类间离散度表示为：

$S_b^i=\frac{1}{n}\underset{k=1}{\overset{c}{\Σ}}{n}_k(m_k^i-m^i){(m_k^i-m^i)}^T,(i=1,2,\mathrm{...},N),$

其中，和分别表示第i根传感器的样本类内离散度与样本类间离散度，表示第i根传感器下第k个等级中的第l个样本，表示第i根传感器下第k个等级样本的平均值，n_k表示第k个等级中的样本数，c表示茶叶的等级数，n表示第i根传感器所对应的总样本数，mⁱ表示第i根传感器所对应的总样本的平均值，N表示电子鼻中传感器的数量。

4.根据权利要求3所述的茶叶等级识别中电子鼻传感器的筛选方法，其特征在于，所述每根传感器对茶叶等级的区分性能值表示为：

$F_i=\frac{S_w^i}{S_b^i}=\frac{1}{a_i}\underset{t=1}{\overset{a_i}{\Σ}}\frac{S_w^{it}}{S_b^{it}},(i=1,2,\mathrm{...},N)$

其中，F_i表示电子鼻中第i根传感器对茶叶等级的区分性能值，a_i表示第i根传感器所对应的特征数，和分别表示第i根传感器的第t个特征参数所对应的样本类内离散度与样本类间离散度，N表示电子鼻中传感器的数量。

5.根据权利要求4所述的茶叶等级识别中电子鼻传感器的筛选方法，其特征在于，所述预定的区分标准为当前传感器对茶叶等级的区分性能值小于预定阈值；

所述判断所述电子鼻中各根传感器对茶叶等级的区分性能值是否符合预定的区分标准，筛选出所述电子鼻中符合预定区分标准的传感器包括：

若所述电子鼻中第i根传感器对茶叶等级的区分性能值F_i小于所述预定阈值，则筛选出所述F_i对应的电子鼻中的第i根传感器。

6.一种茶叶等级识别中电子鼻传感器的筛选系统，其特征在于，包括：

电子鼻，用于对待测茶叶样本中用于表征不同等级茶叶的香气成分进行检测，其中，所述电子鼻包括：多根传感器；

获取模块，用于依据检测结果，获取所述电子鼻中每根传感器对应的样本类内离散度与样本类间离散度；

确定模块，用于依据获取的所述每根传感器对应的样本类内离散度与样本类间离散度，确定所述每根传感器对茶叶等级的区分性能值；

筛选模块，用于判断所述电子鼻中各根传感器对茶叶等级的区分性能值是否符合预定的区分标准，筛选出所述电子鼻中符合预定区分标准的传感器。

7.根据权利要求6所述的茶叶等级识别中电子鼻传感器的筛选系统，其特征在于，所述获取模块，具体用于依据费希尔准则，获取所述电子鼻中每根传感器对应的样本类内离散度与样本类间离散度。

8.根据权利要求7所述的茶叶等级识别中电子鼻传感器的筛选系统，其特征在于，所述每根传感器对应的样本类内离散度表示为：

$S_w^i=\frac{1}{n}\underset{k=1}{\overset{c}{\Σ}}\underset{l=1}{\overset{n_k}{\Σ}}(x_{kl}^i-m_k^i){(x_{kl}^i-m_k^i)}^T,(i=1,2,\mathrm{...},N)$

所述每根传感器对应的样本类间离散度表示为：

$S_b^i=\frac{1}{n}\underset{k=1}{\overset{c}{\Σ}}{n}_k(m_k^i-m^i){(m_k^i-m^i)}^T,(i=1,2,\mathrm{...},N),$

其中，和分别表示第i根传感器的样本类内离散度与样本类间离散度，表示第i根传感器下第k个等级中的第l个样本，表示第i根传感器下第k个等级样本的平均值，n_k表示第k个等级中的样本数，c表示茶叶的等级数，n表示第i根传感器所对应的总样本数，mⁱ表示第i根传感器所对应的总样本的平均值，N表示电子鼻中传感器的数量。

9.根据权利要求8所述的茶叶等级识别中电子鼻传感器的筛选系统，其特征在于，所述每根传感器对茶叶等级的区分性能值表示为：

$F_i=\frac{S_w^i}{S_b^i}=\frac{1}{a_i}\underset{t=1}{\overset{a_i}{\Σ}}\frac{S_w^{it}}{S_b^{it}},(i=1,2,\mathrm{...},N)$

其中，F_i表示电子鼻中第i根传感器对茶叶等级的区分性能值，a_i表示第i根传感器所对应的特征数，和分别表示第i根传感器的第t个特征参数所对应的样本类内离散度与样本类间离散度，N表示电子鼻中传感器的数量。

10.根据权利要求9所述的茶叶等级识别中电子鼻传感器的筛选系统，其特征在于，所述预定的区分标准为当前传感器对茶叶等级的区分性能值小于预定阈值；

所述筛选模块，具体用于当所述电子鼻中第i根传感器对茶叶等级的区分性能值F_i小于所述预定阈值时，则筛选出所述F_i对应的电子鼻中的第i根传感器。