基于特征融合与冗余剔除的普洱茶种类电子鼻识别方法

作者：徐赛; 张倩倩

来源：江苏农业科学, 2020, 48(16): 222-227.

DOI：10.15889/j.issn.1002-1302.2020.16.044

• 普洱茶
• 种类
• 电子鼻
• 特征融合
• 冗余剔除

为更好地维护普洱茶的产业秩序,拟探究1种用电子鼻识别普洱茶种类的方法。采用电子鼻对7种普洱古树茶(拨玛、贺开、老班章、老曼峨、帕莎、那卡和易武)和1种普洱台地茶(易武)进行电子鼻采样后,先用线性判别分析(LDA)初步探究电子鼻传感器响应不同特征(最大值、平均值、平均微分值、稳定值和融合特征)对普洱茶种类的分类效果(将传感器R1～R10的特征按照最大值、平均值、平均微分值、稳定值的重复顺序进行提取,用编号1～40表示),再用简单相关分析(SCA)和互信息理论(MIT)结合偏最小二乘回归(PLSR)进行分析,揭示并剔除融合特征中的冗余特征,对去冗余数据进行归一化处理后,通过LDA、k-最近邻分析(KNN)和概率神经网络(PNN)建立普洱茶种类的识别模型。结果表明,多特征融合比单一特征提取的LDA普洱茶种类识别结果更佳,但识别精度仍有待提高。剔除冗余特征前,PLSR对普洱茶种类识别训练集、测试集的R2分别为0.864 5、0.834 5;采用SCA-PLSR剔除弱相关特征31、35、24、39、36、33后,PLSR对训练集、测试集识别的R2分别为0.885 2、0.864 3;采用MIT结合PLSR剔除重复信息特征6、7、14、18、22、25后,PLSR对训练集、测试集识别的R2分别为0.918 7、0.896 5。对去除冗余特征的融合特征数据进行归一化处理,再结合LDA可有效识别各普洱茶种类,结合KNN、PNN对普洱茶种类训练集的回判正确率分别为96.67%、97.50%,对测试集的识别正确率均为90.00%,可较好地识别普洱茶种类。试验结果可为普洱茶种类的识别及电子鼻传感响应特征的提取提供参考。

• 单位
  华南农业大学; 广东省农业科学院农产品公共监测中心