CN110992357B - 雷达图分析方法及存储该方法的介质和单片机及各自用途 - Google Patents
雷达图分析方法及存储该方法的介质和单片机及各自用途 Download PDFInfo
- Publication number
- CN110992357B CN110992357B CN201911304730.XA CN201911304730A CN110992357B CN 110992357 B CN110992357 B CN 110992357B CN 201911304730 A CN201911304730 A CN 201911304730A CN 110992357 B CN110992357 B CN 110992357B
- Authority
- CN
- China
- Prior art keywords
- sample
- angle
- radar map
- value
- analysis
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 39
- 238000012360 testing method Methods 0.000 claims abstract description 59
- 238000000034 method Methods 0.000 claims abstract description 38
- 238000001514 detection method Methods 0.000 claims abstract description 15
- 238000005259 measurement Methods 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 10
- 238000003860 storage Methods 0.000 claims abstract description 7
- 235000012907 honey Nutrition 0.000 claims description 60
- 235000013305 food Nutrition 0.000 claims description 3
- 235000013599 spices Nutrition 0.000 claims description 2
- 238000000513 principal component analysis Methods 0.000 abstract description 6
- 238000004422 calculation algorithm Methods 0.000 abstract description 4
- 238000012549 training Methods 0.000 abstract description 4
- 238000013528 artificial neural network Methods 0.000 abstract description 3
- 238000007405 data analysis Methods 0.000 abstract description 3
- 230000007547 defect Effects 0.000 abstract description 2
- 238000003909 pattern recognition Methods 0.000 abstract description 2
- 239000007789 gas Substances 0.000 description 9
- 239000002105 nanoparticle Substances 0.000 description 6
- XLOMVQKBTHCTTD-UHFFFAOYSA-N Zinc monoxide Chemical compound [Zn]=O XLOMVQKBTHCTTD-UHFFFAOYSA-N 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000013102 re-test Methods 0.000 description 4
- 239000000796 flavoring agent Substances 0.000 description 3
- 235000019634 flavors Nutrition 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000003908 quality control method Methods 0.000 description 3
- 229920006395 saturated elastomer Polymers 0.000 description 3
- 239000011540 sensing material Substances 0.000 description 3
- GWEVSGVZZGPLCZ-UHFFFAOYSA-N Titan oxide Chemical compound O=[Ti]=O GWEVSGVZZGPLCZ-UHFFFAOYSA-N 0.000 description 2
- 235000019504 cigarettes Nutrition 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 239000002135 nanosheet Substances 0.000 description 2
- QGLKJKCYBOYXKC-UHFFFAOYSA-N nonaoxidotritungsten Chemical compound O=[W]1(=O)O[W](=O)(=O)O[W](=O)(=O)O1 QGLKJKCYBOYXKC-UHFFFAOYSA-N 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- XOLBLPGZBRYERU-UHFFFAOYSA-N tin dioxide Chemical compound O=[Sn]=O XOLBLPGZBRYERU-UHFFFAOYSA-N 0.000 description 2
- 229910001887 tin oxide Inorganic materials 0.000 description 2
- OGIDPMRJRNCKJF-UHFFFAOYSA-N titanium oxide Inorganic materials [Ti]=O OGIDPMRJRNCKJF-UHFFFAOYSA-N 0.000 description 2
- 229910001930 tungsten oxide Inorganic materials 0.000 description 2
- 239000011787 zinc oxide Substances 0.000 description 2
- 239000000654 additive Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007664 blowing Methods 0.000 description 1
- 239000012159 carrier gas Substances 0.000 description 1
- 238000004587 chromatography analysis Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000003205 fragrance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
- G01N27/04—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance
- G01N27/12—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance of a solid body in dependence upon absorption of a fluid; of a solid body in dependence upon reaction with a fluid, for detecting components in the fluid
- G01N27/125—Composition of the body, e.g. the composition of its sensitive layer
- G01N27/127—Composition of the body, e.g. the composition of its sensitive layer comprising nanoparticles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
- G01N33/0068—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display using a computer specifically programmed
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30128—Food products
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Combustion & Propulsion (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Nanotechnology (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- Investigating Or Analyzing Materials By The Use Of Fluid Adsorption Or Reactions (AREA)
Abstract
本发明属于数据分析领域，特别涉及一种雷达图分析方法及存储该方法的存储介质和单片机及其各自的用途。雷达图分析方法包括以下步骤：在雷达图中，测试和绘制检测样品与标准样品各自的至少三组测量参数；通过待检测样与标样测试数据雷达图各对应内角的角度值差值对比，评判待检测样与标样的近似程度。与现有技术相比，本发明首次从雷达图的形状分析出发，将二维图形进行数据化处理，通过比较雷达图内角角度差值评判检测样品与标准样品的近似程度。相比于现有的PCA分析、人工神经网络等方法，简化了分析过程，无需训练样本，避免了模式识别算法因训练样本过少而导致的判断准确率较低的缺陷。
Description
技术领域
本发明属于数据分析领域，特别涉及一种雷达图分析方法及存储该方法的存储介质和单片机及各自的用途。
背景技术
蜂蜜是香烟生产过程中的重要添加剂之一，蜂蜜品质的好坏直接决定着生产出的成品烟的口感、风味等品质。而蜂蜜成分复杂，各组分的细微差异都会对蜂蜜的品质造成明显影响，如何采用一种便捷有效的技术手段实现对蜂蜜的快速分析，实现对蜂蜜品质的鉴定，一直以来都是蜂蜜品质分析领域的挑战性问题之一。
蜂蜜的分析方法目前为仅限于色谱、光谱分析法，样品需要预处理，操作复杂，耗时长。气体传感器具有体积小巧、成本低廉的特点，专门针对于空气中的气体分子进行检测，而蜂蜜中的成分都属于易挥发物质，利用气体传感器技术对蜂蜜的挥发物成分进行检测，结合后续数据分析与特征提取，可以获取蜂蜜的气味特征指纹雷达图，通过对雷达图形状差异的分析实现对蜂蜜的品质分析。
在实现本发明过程中，发明人发现现有技术中至少存在如下问题：当前对蜂蜜的气味特征指纹雷达图的分析方法，多采用PCA主成分分析、神经网络识别、图形识别等方法，这些方法都并且需要大量的学习样本，当样本数量较少时，其分析鉴别准确率较低；此外这些方法还需要专业的上位机软件和专人分析，无法实现分析算法在硬件层的嵌入式集成。
为了解决上述问题，提出本发明。
发明内容
本发明第一方面提供一种雷达图分析方法，包括以下步骤：
(1)在雷达图中，测试和绘制检测样品与标准样品各自的至少三组测量参数；
(2)计算所述检测样品与标准样品雷达图的每个所述测量参数对应的内角的角度值；
(3)计算所述检测样品与标准样品每个所述测量参数对应的内角的角度值的差值，将所述差值的绝对值中的最大值记为测试差值；
(4)根据以下方法评判所述检测样品与标准样品的近似程度：
A、重复测试和绘制所述标准样品的雷达图，然后计算重复测试过程中，每个所述测量参数对应的内角的角度值的差值，以所述差值的绝对值中的最大值作为判定标准值；
B、将步骤(3)中的所述测试差值与步骤(4)A中的所述判定标准值作对比，若所述测试差值大于所述判定标准值，则说明所述检测样品与标准样品不同；若所述测试差值不大于所述判定标准值，则说明所述检测样品与标准样品近似或者相同；
上述所有雷达图均在同一个坐标系中绘制。
优选地，所述检测样品与标准样品为蜂蜜样品，所述测量参数为四组。
优选地，所有步骤利用编程软件进行计算。
优选地，步骤(4)A中所述重复测试为1～5次。
优选地，所述雷达图的获得方法为：基于多传感器的响应数据处理获得的雷达图。
优选地，所述雷达图的获得方法为：具有挥发性成分的香精香料或食品采用多传感器测试和数据处理获得的挥发性气味特征指纹雷达图。
本发明第二方面提供一种计算机可读存储介质，所述存储介质用于存储程序数据，所述程序数据能够被执行以实现本发明第一方面所述的方法。
本发明第三方面提供一种单片机，所述单片机内嵌入有机器码，所述机器码的获得方法为：使用matlab软件撰写可实现本发明第一方面所述的方法的程序代码，撰写完成后利用simulink coder工具将代码转换为C语言代码，所编译的C代码再采用STM32工具直接编译为所述机器码。
本发明第四方面提供本发明第二方面所述的计算机可读存储介质在蜂蜜鉴别和分析中的用途。
本发明第五方面提供本发明第三方面所述的单片机在蜂蜜鉴别和分析中的用途。
上述技术方案在不矛盾的前提下，可自由组合。
本发明具有以下有益效果：
1、与现有技术相比，本发明首次从雷达图的形状分析出发，将二维图形进行数据化处理，通过比较雷达图内角角度差值评判检测样品与标准样品的近似程度。相比于现有的PCA分析、人工神经网络等方法，简化了分析过程，无需训练样本，避免了模式识别算法因训练样本过少而导致的判断准确率较低的缺陷。
2、在优选的技术方案中，本发明采用matlab编程，所有代码可编译为机器码，直接嵌入至单片机中，直接对蜂蜜气味特征指纹雷达图进行处理与计算，无需人工介入，满足嵌入式算法集成的要求，实现智能蜂蜜品质鉴定目的，解决了蜂蜜品质分析的难题。
3、在优选的技术方案中，本发明内容适用于基于多传感器的响应数据处理，其他具有挥发性成分的香精香料或食品亦可采用多传感器测试获得挥发性气味特征指纹雷达图，再通过本发明的分析方法对气味特征指纹雷达图进行处理，实现品质控制的目的。
附图说明
图1为本发明实施例1气体传感器上的第一种敏感材料氧化锡纳米颗粒的电阻响应曲线。
图2为实施例1气体传感器上的第二种敏感材料氧化钛纳米颗粒的电阻响应曲线。
图3为实施例1气体传感器上的第三种敏感材料氧化锌纳米颗粒的电阻响应曲线。
图4为实施例1气体传感器上的第四种敏感材料氧化钨纳米片的电阻响应曲线。
图5为实施例1蜂蜜样品-1#的气味特征指纹雷达图。
图6为实施例1蜂蜜样品-2#的气味特征指纹雷达图。
图7为实施例1蜂蜜样品-标样的气味特征指纹雷达图。
图8为实施例1蜂蜜样品-3#的气味特征指纹雷达图。
图9为实施例1蜂蜜样品-4#的气味特征指纹雷达图。
图10为实施例1蜂蜜样品-标样的重复测试的气味特征指纹雷达图。
具体实施方式
下面通过具体实施方式进一步说明本发明的内容。
实施例1
实施例1提供一种蜂蜜品质气味特征指纹分析方法，所述分析方法是对蜂蜜总体香味的分析方法，用于蜂蜜品质控制用途。
首先，通过专利申请号201910599894.3(名称：一种蜂蜜品质分析用气体传感器及其制备方法和用途)报道的文中实施例2的方法制备蜂蜜品质控制用4阵列传感器；然后利用制备好的传感器对蜂蜜的挥发性气味进行气敏测试，获得传感器的响应信号；最后基于程序编程，对传感器的原始响应数据进行处理，计算出传感器对不同蜂蜜样品的挥发性气味成分的响应值，每一个蜂蜜样品在4阵列传感器上的响应值分别作为平面四轴的数据点，连线各数据点，获得传感器对蜂蜜挥发性气味的特征指纹雷达图。气味特征指纹雷达图形状越相近，则蜂蜜样品的近似程度也越高。
因此，将蜂蜜气味特征指纹雷达图数据化，计算四边形雷达图的四个内角值，分别判断不同蜂蜜样品对应的四个内角值角度的差异，即可判断蜂蜜样品的近似程度。
其中，采用matlab软件进行程序编写，直接对蜂蜜样品在4阵列传感器上的原始响应电阻曲线进行数据处理，计算出每次蜂蜜挥发气味的响应值。
采用matlab软件编程计算以4阵列传感器的4个响应值为顶点连线的四边形气味特征指纹雷达图的四个内角值。
采用matlab软件分别对不同蜂蜜样品的气味特征指纹雷达图进行差值计算，获得不同蜂蜜样品气味指纹雷达图对应内角值的差值，以标准蜂蜜样品重复测试结果的差值的绝对值中的最大值划定标样的判定准则。
采用matlab自带的simulink coder工具将matlab代码转换为C语言代码，所获C语言代码可以直接编译为机器码，嵌入至意法半导体公司的STM32G474RET6或者STM32F103C8T6单片机中，实现对4阵列传感器原始数据的自动处理与计算，直接输出蜂蜜样品与标样的对比判定结果。
详细测试过程如下：
第一步：
发明基于专利[201910599894.3]报道的4元电阻阵列传感器，对蜂蜜的挥发性成分进行测试，传感器上的4种敏感材料电阻响应曲线如图1-4所示。典型的测试流程包括传感器在空气中的基线稳定过程，此过程所用时间为720秒，随后以空气为载气，通入蜂蜜样品的饱和蒸汽，传感器电阻随之下降，在100秒后重新通入空气，让传感器基线回复，持续240秒后再次通入蜂蜜样品的饱和蒸汽，同一个蜂蜜样品均重复测试3次，不同蜂蜜样品测试之间插入720秒的空气吹扫，以排除蜂蜜挥发性成分的残留，避免不同样品测试之间的干扰，蜂蜜样品测试顺序依次为1#、2#、标准样、3#、4#、标准样。
第二步：
利用matlab编程，对传感器原始数据曲线进行处理，计算每次测试的响应值S，计算方法为S＝Ra/Rg-1，其中，Ra为传感器在720秒的基线稳定过程中的最大值，Rg为每次通入蜂蜜饱和蒸汽后传感器响应的最小值，传感器上4种敏感材料氧化锡纳米颗粒、氧化钛纳米颗粒、氧化锌纳米颗粒、氧化钨纳米片对应数据分别命名为1至4通道，matlab代码及注释如下：
为排除传感器首次测试不稳定性和不同样品之间的干扰，对每个蜂蜜样品处理所获得响应值取3次测试中的第二次测试结果绘制每个蜂蜜样品的气味特征指纹雷达图，matlab代码及注释如下：
a1＝[result_2_1_1,result_3_2_1,result_5_4_1,result_6_1_1]
％1#样响应值集合
a2＝[result_2_1_2,result_3_2_2,result_5_4_2,result_6_1_2]
％2#样响应值集合
A＝[result_2_1_A,result_3_2_A,result_5_4_A,result_6_1_A]
％标样响应值集合
a3＝[result_2_1_3,result_3_2_3,result_5_4_3,result_6_1_3]
％3#样响应值集合
a4＝[result_2_1_4,result_3_2_4,result_5_4_4,result_6_1_4]
％4#样响应值集合
B＝[result_2_1_B,result_3_2_B,result_5_4_B,result_6_1_B]
％标样复测响应值集合
根据六组测试数据结果可以绘制四边形，对应通道按顺时针顺序计数，1通道值在Y轴的正向，2通道值在X轴正向，3通道值在Y轴负向，4通道值在X轴负向，得到的气味特征指纹雷达图见图5-10。
第三步：
随后对气味特征指纹雷达图5-10的4个内角进行计算，获得每个蜂蜜样品的内角值数据，matlab代码及注释如下：
angle_A_1＝(atan(A(2)/A(1))+atan(A(4)/A(1)))*180/pi；
％标样第一个内角
angle_A_2＝(atan(A(1)/A(2))+atan(A(3)/A(2)))*180/pi；
％标样第二个内角
angle_A_3＝(atan(A(2)/A(3))+atan(A(4)/A(3)))*180/pi；
％标样第三个内角
angle_A_4＝(atan(A(3)/A(4))+atan(A(1)/A(4)))*180/pi；
％标样第四个内角
angle_A＝[angle_A_1,angle_A_2,angle_A_3,angle_A_4]
％标样四个内角集合
angle_1_1＝(atan(a1(2)/a1(1))+atan(a1(4)/a1(1)))*180/pi；
％1#样第一个内角
angle_1_2＝(atan(a1(1)/a1(2))+atan(a1(3)/a1(2)))*180/pi；
％1#样第二个内角
angle_1_3＝(atan(a1(2)/a1(3))+atan(a1(4)/a1(3)))*180/pi；
％1#样第三个内角
angle_1_4＝(atan(a1(3)/a1(4))+atan(a1(1)/a1(4)))*180/pi；
％1#样第四个内角
angle_1＝[angle_1_1,angle_1_2,angle_1_3,angle_1_4]
％1#样四个内角集合
angle_2_1＝(atan(a2(2)/a2(1))+atan(a2(4)/a2(1)))*180/pi；
％2#样第一个内角
angle_2_2＝(atan(a2(1)/a2(2))+atan(a2(3)/a2(2)))*180/pi；
％2#样第二个内角
angle_2_3＝(atan(a2(2)/a2(3))+atan(a2(4)/a2(3)))*180/pi；
％2#样第三个内角
angle_2_4＝(atan(a2(3)/a2(4))+atan(a2(1)/a2(4)))*180/pi；
％2#样第四个内角
angle_2＝[angle_2_1,angle_2_2,angle_2_3,angle_2_4]
％2#样四个内角集合
angle_3_1＝(atan(a3(2)/a3(1))+atan(a3(4)/a3(1)))*180/pi；
％3#样第一个内角
angle_3_2＝(atan(a3(1)/a3(2))+atan(a3(3)/a3(2)))*180/pi；
％3#样第二个内角
angle_3_3＝(atan(a3(2)/a3(3))+atan(a3(4)/a3(3)))*180/pi；
％3#样第三个内角
angle_3_4＝(atan(a3(3)/a3(4))+atan(a3(1)/a3(4)))*180/pi；
％3#样第四个内角
angle_3＝[angle_3_1,angle_3_2,angle_3_3,angle_3_4]
％3#样四个内角集合
angle_4_1＝(atan(a4(2)/a4(1))+atan(a4(4)/a4(1)))*180/pi；
％4#样第一个内角
angle_4_2＝(atan(a4(1)/a4(2))+atan(a4(3)/a4(2)))*180/pi；
％4#样第二个内角
angle_4_3＝(atan(a4(2)/a4(3))+atan(a4(4)/a4(3)))*180/pi；
％4#样第三个内角
angle_4_4＝(atan(a4(3)/a4(4))+atan(a4(1)/a4(4)))*180/pi；
％4#样第四个内角
angle_4＝[angle_4_1,angle_4_2,angle_4_3,angle_4_4]
％4#样四个内角集合
angle_B_1＝(atan(B(2)/B(1))+atan(B(4)/B(1)))*180/pi；
％标样复测第一个内角
angle_B_2＝(atan(B(1)/B(2))+atan(B(3)/B(2)))*180/pi；
％标样复测第二个内角
angle_B_3＝(atan(B(2)/B(3))+atan(B(4)/B(3)))*180/pi；
％标样复测第三个内角
angle_B_4＝(atan(B(3)/B(4))+atan(B(1)/B(4)))*180/pi；
％标样复测第四个内角
angle_B＝[angle_B_1,angle_B_2,angle_B_3,angle_B_4]
％标样复测四个内角集合
第四步：
最后依次对比所有不同蜂蜜样品与标样对应内角的角度差值情况，matlab代码及注释如下：
根据matlab计算结果，所有样品与标样的的内角差值如下表所示：
表1所有蜂蜜样品与标样的指纹雷达图中内角差值对比
计算所述检测样品与标准样品每个所述测量参数对应的内角的角度值的差值，将所述差值的绝对值中的最大值记为测试差值；
则检测样品1#的测试差值为39.0648；
则检测样品2#的测试差值为25.5576；
则检测样品3#的测试差值为23.9191；
则检测样品4#的测试差值为22.4004。
根据以下方法评判所述检测样品与标准样品的近似程度：
A、重复测试和绘制所述标准样品的雷达图，然后计算重复测试过程中，每个所述测量参数对应的内角的角度值的差值，以所述差值的绝对值中的最大值作为判定标准值；
则根据标样和复测标样的差值的绝对值，判定标准值为5.0961。
B、将步骤(3)中的所述测试差值与步骤(4)A中的所述判定标准值作对比，若所述测试差值大于所述判定标准值，则说明所述检测样品与标准样品不同；若所述测试差值不大于所述判定标准值，则说明所述检测样品与标准样品近似或者相同；
因为检测样品1#-4#的测试差值均大于判定标准值5.0961，说明检测样品1#-4#与标准样品不同。
此外，从表1可以看出，复测的标样的四个内角角度差值均很小，没有在6度以上的差值出现，所有对比样品与标样的对应内角角度差值均至少有一个角在10度以上，如4#样品内角3差值为-22.4004度，1#样品则有三个内角角度差值在10度以上。说明标样重复测试所获得的气味特征指纹雷达图形状十分接近，检测样品1#-4#与标样能够实现有效区分。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种雷达图分析方法，其特征在于，包括以下步骤：
(1)在雷达图中，测试和绘制检测样品与标准样品各自的至少三组测量参数；
(2)计算所述检测样品与标准样品雷达图的每个所述测量参数对应的内角的角度值；
(3)计算所述检测样品与标准样品每个所述测量参数对应的内角的角度值的差值，将所述差值的绝对值中的最大值记为测试差值；
(4)根据以下方法评判所述检测样品与标准样品的近似程度：
A、重复测试和绘制所述标准样品的雷达图，然后计算重复测试过程中，每个检测样品与标准样品所述测量参数对应的内角的角度值的差值，以所述差值的绝对值中的最大值作为判定标准值；
B、将步骤(3)中的所述测试差值与步骤(4)A中的所述判定标准值作对比，若所述测试差值大于所述判定标准值，则说明所述检测样品与标准样品不同；若所述测试差值不大于所述判定标准值，则说明所述检测样品与标准样品近似或者相同；
上述所有雷达图均在同一个坐标系中绘制。
2.根据权利要求1所述的雷达图分析方法，其特征在于，所述检测样品与标准样品为蜂蜜样品，所述测量参数为四组。
3.根据权利要求1所述的雷达图分析方法，其特征在于，步骤(4)A中所述重复测试为1～5次。
4.根据权利要求1所述的雷达图分析方法，其特征在于，所有步骤利用编程软件进行计算。
5.根据权利要求1所述的雷达图分析方法，其特征在于，所述雷达图的获得方法为：基于多传感器的响应数据处理获得的雷达图。
6.根据权利要求1所述的雷达图分析方法，其特征在于，所述雷达图的获得方法为：具有挥发性成分的香精香料或食品采用多传感器测试和数据处理获得的挥发性气味特征指纹雷达图。
7.一种计算机可读存储介质，其特征在于，所述存储介质用于存储程序数据，所述程序数据能够被执行以实现权利要求1-6中任一项所述的方法。
8.一种单片机，其特征在于，所述单片机内嵌入有机器码，所述机器码的获得方法为：使用matlab软件撰写可实现权利要求1所述的方法的程序代码，撰写完成后利用simulinkcoder工具将代码转换为C语言代码，所编译的C代码再采用STM32工具直接编译为所述机器码。
9.一种权利要求7所述的计算机可读存储介质在蜂蜜鉴别和分析中的用途。
10.一种权利要求8所述的单片机在蜂蜜鉴别和分析中的用途。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911304730.XA CN110992357B (zh) | 2019-12-17 | 2019-12-17 | 雷达图分析方法及存储该方法的介质和单片机及各自用途 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911304730.XA CN110992357B (zh) | 2019-12-17 | 2019-12-17 | 雷达图分析方法及存储该方法的介质和单片机及各自用途 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110992357A CN110992357A (zh) | 2020-04-10 |
| CN110992357B true CN110992357B (zh) | 2023-04-14 |
Family
ID=70094828
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911304730.XA Active CN110992357B (zh) | 2019-12-17 | 2019-12-17 | 雷达图分析方法及存储该方法的介质和单片机及各自用途 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110992357B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102590460A (zh) * | 2012-03-05 | 2012-07-18 | 昆明理工大学 | 一种生乳品质评级的方法 |
| CN108663491A (zh) * | 2018-05-03 | 2018-10-16 | 江西六艺斋茶叶有限公司 | 一种茶的品质分析方法 |
| CN108765246A (zh) * | 2018-04-03 | 2018-11-06 | 宁波大学 | 一种隐写系统载体图像的选择方法 |
| CN108829642A (zh) * | 2018-04-24 | 2018-11-16 | 中国环境科学研究院 | 一种利用特征雷达图分析环境质量数据的方法 |
| CN109055108A (zh) * | 2018-09-27 | 2018-12-21 | 谭花 | 乳清浊酒的制备方法 |
| CN109752549A (zh) * | 2019-03-04 | 2019-05-14 | 北京和合医学诊断技术股份有限公司 | 基于靶向代谢组学数据分析的模型建立方法 |
| CN109959653A (zh) * | 2018-12-26 | 2019-07-02 | 云南中烟工业有限责任公司 | 一种基于仿生阵列传感器的植物提取液味觉测定方法 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5035549B2 (ja) * | 2008-02-19 | 2012-09-26 | 大日本印刷株式会社 | 目標物検出システム |
| CN101894269B (zh) * | 2010-07-16 | 2012-07-04 | 西安电子科技大学 | 基于多分类器系统的合成孔径雷达自动目标识别方法 |
| CN103389323B (zh) * | 2013-07-15 | 2015-05-06 | 浙江大学 | 一种快速无损评定名贵药材年限的方法 |
| CN104036093B (zh) * | 2014-06-26 | 2017-01-18 | 西安电子科技大学 | 一种基于阵元互耦的大型变形阵列天线副瓣性能预测方法 |
| US9652674B2 (en) * | 2014-11-03 | 2017-05-16 | The Johns Hopkins University | Ice analysis based on active and passive radar images |
| KR101873732B1 (ko) * | 2016-03-14 | 2018-07-03 | 서울시립대학교 산학협력단 | 위성레이더 오프셋트래킹 지표변위 지도의 왜곡 보정 장치 및 그 방법 |
| CN106170093B (zh) * | 2016-08-25 | 2020-01-07 | 上海交通大学 | 一种帧内预测性能提升编码方法 |
| CN108447055A (zh) * | 2018-03-26 | 2018-08-24 | 西安电子科技大学 | 基于spl和ccn的sar图像变化检测方法 |
-
2019
- 2019-12-17 CN CN201911304730.XA patent/CN110992357B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102590460A (zh) * | 2012-03-05 | 2012-07-18 | 昆明理工大学 | 一种生乳品质评级的方法 |
| CN108765246A (zh) * | 2018-04-03 | 2018-11-06 | 宁波大学 | 一种隐写系统载体图像的选择方法 |
| CN108829642A (zh) * | 2018-04-24 | 2018-11-16 | 中国环境科学研究院 | 一种利用特征雷达图分析环境质量数据的方法 |
| CN108663491A (zh) * | 2018-05-03 | 2018-10-16 | 江西六艺斋茶叶有限公司 | 一种茶的品质分析方法 |
| CN109055108A (zh) * | 2018-09-27 | 2018-12-21 | 谭花 | 乳清浊酒的制备方法 |
| CN109959653A (zh) * | 2018-12-26 | 2019-07-02 | 云南中烟工业有限责任公司 | 一种基于仿生阵列传感器的植物提取液味觉测定方法 |
| CN109752549A (zh) * | 2019-03-04 | 2019-05-14 | 北京和合医学诊断技术股份有限公司 | 基于靶向代谢组学数据分析的模型建立方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110992357A (zh) | 2020-04-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105954412B (zh) | 用于山核桃新鲜度检测的传感器阵列优化方法 | |
| Zhang et al. | Electronic nose with an air sensor matrix for detecting beef freshness | |
| Li et al. | Non-destructive evaluation of pork freshness using a portable electronic nose (E-nose) based on a colorimetric sensor array | |
| CN112345759B (zh) | 一种用于荧光强度峰检测的方法 | |
| Urmila et al. | Quantifying of total volatile basic nitrogen (TVB-N) content in chicken using a colorimetric sensor array and nonlinear regression tool | |
| CN110441423A (zh) | 一种测定粮食香气成分的方法及其系统 | |
| CN101493431A (zh) | 利用电子鼻检测鸡肉新鲜度的方法 | |
| JP2006292745A (ja) | 薬物を近赤外線分光分析によって特定する方法およびそのための機器 | |
| CN104568824B (zh) | 基于可见/近红外光谱的虾类新鲜度等级检测方法及装置 | |
| CN105806898A (zh) | 一种用于气体传感器的气体浓度标定方法 | |
| EP1510818A3 (en) | Odor discriminating apparatus | |
| WO2022100234A1 (zh) | 一种用于荧光强度基底计算的方法 | |
| CN110632021A (zh) | 基于便携式近红外光谱仪的光谱检测方法及系统 | |
| CN110992357B (zh) | 雷达图分析方法及存储该方法的介质和单片机及各自用途 | |
| CN109115908B (zh) | 基于层次聚类提取特征的切达奶酪身份的判别标识方法 | |
| CN106918817A (zh) | 一种能检测茶叶类型和品质的气敏传感器的优选方法 | |
| CN112651173B (zh) | 一种基于跨域光谱信息的农产品品质无损检测方法及可泛化系统 | |
| CN116933084A (zh) | 一种污染物排放的预测方法和装置 | |
| CN112198207B (zh) | 一种甲醛检测方法及甲醛检测装置 | |
| CN106841522A (zh) | 一种气体监测方法 | |
| CN112198208A (zh) | 一种甲醛检测方法及甲醛检测装置 | |
| CN111337452A (zh) | 一种验证光谱数据模型转移算法可行性的方法 | |
| Lazaro et al. | Chemometric data analysis for black tea fermentation using principal component analysis | |
| JP2004093447A (ja) | におい測定装置 | |
| CN104897660A (zh) | 一种基于成像化气体传感器阵列的发酵过程在线监测的方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |