基于电子鼻的深度卷积神经网络茯苓产地分类方法

作者：徐昊; 章检明; 王中鹏; 张丽娟; 迟梁; 何成^*

来源：传感器与微系统, 2023, 42(12): 138-141.

DOI：10.13873/J.1000-9787(2023)12-0138-04

• 电子鼻
• 深度学习
• 中药产地区分

本文采用自研电子鼻系统，实现6个产地的茯苓气味样本的检测，根据采集得到的样本数据集，提出并优化了适用于茯苓产地分类的卷积神经网络—长短期记忆网络(CNN-LSTM)模型，同时与支持向量机(SVM)模型、CNN模型、LSTM模型进行对比，识别率提高6%以上。在实际样本检测中，适用于茯苓产地分类的CNN-LSTM模型识别准确率为81.9%,优化后的CNN-LSTM模型识别准确率达到了88.9%,且优化后的神经网络能够更快、更好地从电子鼻数据中提取特征。

• 单位
  浙江科技学院; 浙江省农业科学院; 电子工程学院