电子鼻的深度神经网络算法实现可燃气体检测的研究OA北大核心CSTPCD
Research on Combustible Gas Detection Based on Deep Neural Network Algorithm of Electronic Nose
提出了一种将格拉姆角场与深度残差卷积神经网络相结合的电子鼻气体识别算法,可以提高燃气中常见混合危险气体的识别准确度.通过对电子鼻的气体样本数据都进行格拉姆角场(Graham Angle Field,GAF)变换,使得上位机接收到的二维传感器响应数据,经过升维后成为可以输入到卷积神经网络(Convolutional Neural Network,CNN)中的三维数据形式,从而发挥了CNN特征提取能力强、模型收敛快和识别准确率高的优势.实验结果表明,…查看全部>>
A gas identification algorithm for electronic noses that combines the Graham angle field with a deep residual convolutional neural network is proposed,which can improve the identification accuracy of common mixed dangerous components in gas.Graham angle field(GAF)transformation is performed on the gas sample data of the electronic nose,so that the two-dimensional sensor response data received by the host computer can be input to the convolutional neural netw…查看全部>>
房瑞山;薛莹莹;陈畅明;向奕;王平;万浩
浙江大学生仪学院生物传感器国家专业实验室,浙江 杭州 310027||浙江大学生仪学院生物医学工程教育部重点实验室,浙江 杭州 310027浙江大学生仪学院生物传感器国家专业实验室,浙江 杭州 310027||浙江大学生仪学院生物医学工程教育部重点实验室,浙江 杭州 310027浙江大学生仪学院生物传感器国家专业实验室,浙江 杭州 310027||浙江大学生仪学院生物医学工程教育部重点实验室,浙江 杭州 310027浙江大学生仪学院生物传感器国家专业实验室,浙江 杭州 310027||浙江大学生仪学院生物医学工程教育部重点实验室,浙江 杭州 310027浙江大学生仪学院生物传感器国家专业实验室,浙江 杭州 310027||浙江大学生仪学院生物医学工程教育部重点实验室,浙江 杭州 310027浙江大学生仪学院生物传感器国家专业实验室,浙江 杭州 310027||浙江大学生仪学院生物医学工程教育部重点实验室,浙江 杭州 310027
计算机与自动化
电子鼻气体识别模式识别卷积神经网络
electronic nosegas recognitionpattern recognitionconvolutional neural network
《传感技术学报》 2024 (9)
1518-1524,7
国家重点研发计划课题项目(2021YFC3300303)
评论