基于人工神经网络的傅里叶变换中红外光谱法对食用油油烟种类识别研究 | |
叶树彬1; 徐亮1; 李亚凯1; 刘建国1; 刘文清1 | |
刊名 | 光谱学与光谱分析
![]() |
2017 | |
卷号 | 037 |
关键词 | FTIR 人工神经网络 油烟识别 主成分分析 |
ISSN号 | 1000-0593 |
其他题名 | Study on Recognition of Cooking Oil Fume by Fourier Transform Infrared Spectroscopy Based on Artificial Neural Network |
英文摘要 | 随着餐饮业的发展,餐饮烟气已经成为某些城市三大空气污染源之一。由于餐饮烟气对人体健康威胁很大,近年来对餐饮烟气的研究愈来愈热。餐饮烟气中包含有大量食用油加热过程中裂解而产生的不饱和烃类,危害着人类健康。不同食用油裂解出来的成分以及含量有所不同,通过构建一定的分类识别数学模型,从而实现对食用油分类识别。采用自主研发的傅里叶变换红外光谱仪,采集了不同食用油油烟烟气红外光谱数据。同时构建了主成分分析(PCA)分别结合概率神经网络(PNN)以及误差反向传播人工神经网络(BPANN)的分类识别算法。将两种分类识别算法对不同食用油油烟烟气的傅里叶变换红外光谱数据进行分析。通过样本数据对数学模型进行训练,将训练好的数学模型对未知光谱数据进行分析,来确定产生油烟烟气的食用油种类。实验结果表明,两种算法都能对不同的油烟种类进行较好地分类识别。在全波段识别时,识别率分别达到90.25%和97.0%。通过对烟气光谱数据的吸收波段进行分析,提取大气窗口并且具有较强可挥发性有机物(VOCs)吸收特征的波段(1 300~700 cm~(-1)以及3 000~2 600 cm~(-1));将吸光度数据分成两个分离的吸收波段,两种算法在3 000 2 600 cm~(-1)波段都有较好的识别效果,PCA-PNN算法识别率为90.25%,PCA-BPANN算法识别率为92.25%。可见,两种人工神经网络算法都能有效对食用油烟种类进行识别。 |
语种 | 中文 |
CSCD记录号 | CSCD:5939509 |
内容类型 | 期刊论文 |
源URL | [http://ir.hfcas.ac.cn:8080/handle/334002/99888] ![]() |
专题 | 中国科学院合肥物质科学研究院 |
作者单位 | 1.中国科学院安徽光学精密机械研究所 2.中国科学院安徽光学精密机械研究所 3.中国科学院安徽光学精密机械研究所 4.中国科学院安徽光学精密机械研究所 5.中国科学院安徽光学精密机械研究所 |
推荐引用方式 GB/T 7714 | 叶树彬,徐亮,李亚凯,等. 基于人工神经网络的傅里叶变换中红外光谱法对食用油油烟种类识别研究[J]. 光谱学与光谱分析,2017,037. |
APA | 叶树彬,徐亮,李亚凯,刘建国,&刘文清.(2017).基于人工神经网络的傅里叶变换中红外光谱法对食用油油烟种类识别研究.光谱学与光谱分析,037. |
MLA | 叶树彬,et al."基于人工神经网络的傅里叶变换中红外光谱法对食用油油烟种类识别研究".光谱学与光谱分析 037(2017). |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论