电子鼻被广泛应用于许多领域，并且电子鼻传感器网络的组成在不同领域也有所不同。于中药气味的复杂性和特殊性，在中药鉴定分析中，有必要建立一种网络优化方法，选择最佳的网络。佳。Alpha MOS公司的电子鼻αFOX3000用于检测生姜家族中使用的10种传统中药的气味。时，对于优化前后的数据，采用主成分分析，判别Fisher分析和随机森林算法进行比较研究。果表明，优化后的阵列不仅保留了原始阵列中的有效信息，而且在一定程度上消除了冗余信息，提高了识别效率。
机森林分类器的计算结果表明，最佳网络是通过判别分析逐步分类的S1，S2，S5，S6，S8和S12的组合。种网络优化方法是有效且可实现的。
是用于中药鉴定中电子鼻的MOS传感器网络，优化提供了思路和方法参考。子鼻（EN），也称为人工嗅觉系统，是一种智能电子仪器，其设计和开发是模仿人类气味识别的机制[1]。
型的电子鼻主要由3部分组成：样品处理器，传感器网络，信号处理系统[2]。为电子鼻子检测系统，传感器网络是最核心的部分。由对气体敏感的不同成分组成，具有广谱反应性和交叉敏感性的特点。见的传感器类型包括导电聚合物（CP）传感器，石英晶体微天平（QCM）传感器和金属氧化物（MOS）传感器。中，MOS传感器具有灵敏度高，重复性好和基本漂移可以校正等优点，已成为电子鼻传感器的主流。1980年代电子鼻诞生以来，研究人员已在许多领域进行了应用研究。也是由于电子鼻的响应时间短，检测速度快，样品的预处理简单以及测量和评估范围广的优点。在它在农业[3]，食品[4]，环境监测[5]和公共安全[6]等领域得到了广泛的应用。是，在不同领域中检测到的物质类型和分析目标不同，相应的最佳传感器网络也不同。此，传感器网络的优化是电子鼻在不同领域的应用中要解决的关键技术之一。给定的区域中，如何选择传感器网络以消除冗余信息，同时确保所获取信息的完整性，有效性和可靠性是优化传感器网络的主要问题。前，传感器网络优化中常用的方法是方差分析[7]，相关系数分析[8]，负载变异系数分析[9]等，每种方法的特异性和适应性根据不同的分析目标而变化。
文探讨了优化电子鼻传感器网络的方法及其在中药快速鉴别中的应用。MOS传感器网络用于提取江克地区使用的10种中药的气味特征。时，使用主成分分析（PCA），判别Fisher分析（Fisher LDA）和随机森林算法（RF）来比较和分析优化前后的数据，以便建立最佳的中药鉴定传感器网络。果表明，优化矩阵得到的信息不仅保持了原始信息的完整性，有效性和可靠性，而且在一定程度上消除了冗余信息，提高了数据处理效率。种阵列优化方法是有效且可实现的。ΑFOX3000指纹分析仪，也称为电子鼻（法国Alpha MOS公司）； 10种常用中草药干姜，姜黄，高良姜，姜黄，姜黄，白豆蔻，豆蔻，草果，益智，砂仁（（北京同仁堂有限公司出售）。京中医药大学的严永红教授来自姜姜的干根茎，姜黄的干根茎，长叶姜的干根茎，长叶姜的干根茎。phaeocaulis Val。西的根茎干，广西的C. Lee Lee和CF Liang的根茎，干燥和成熟的白色豆蔻果实，Amomm kravanh Pierre ex Gagnep。
Alpinia katsumadai Hayata的干燥和几乎成熟的种子以及干燥的果实砂仁砂仁Crevost和Lemaire的成熟果实，高良姜的干果和砂仁的成熟果实，αFox3000电子鼻传感器的原始基质（U）为c从12个MOS传感器中省略。12个传感器的类型及其对不同化学成分的响应敏感性是不同的。关更多详细信息，请参见表1。
过样品预处理的气味提取方法将样品磨碎，通过2号筛，在10毫米的顶空瓶中精确称量0.4克样品ml和盖已密封。每种中药中提取10个样本，并使用圆形交叉排列形成序列，以减少实验的系统误差[10]并形成学习包。外，还从每种中药中提取了两个样品，以形成外部测试集。过电子鼻收集样品的气味特征分为三个过程：孵化平衡，自动采样和信号收集。
验参数设置为孵育600 s，孵育温度45℃。500μL进样量200 s的信号采集时间和1 s的采集周期。这项研究中，将12个传感器视为12个变量，并且将传感器的最大响应值用作数据分析的指标。感器网络的优化-逐步判别分析方法使用Wilks’s Lambda方法进行逐步判别分析，其中F为判别统计量。量进入模型的能力主要取决于协方差分析中F检验的显着性水平以及模型输入和输出的集合F [11]。体的参数设置为：当F≥30时，变量进入模型；当F≥30时，变量进入模型。F≤5时，变量将删除模型。断结果在表2中给出。2中的统计量（F）是变量的均方与误差均方之比。越高，P越小，因此越大的值会首先进入判别函数。P小于0.05或0.01时，原假设被拒绝。着性检验的结果P = 0.000，即小于0.001，可以说这六个变量对歧视有重要贡献。而言之，这意味着不同组中变量的平均值是由于组之间的差异，而不是由随机误差引起的；也就是说，每个组中变量的平均值存在显着差异。们可以看到S12，S5，S8，S6，S2和S1的统计量（F）都大于30，这是选择进入判别函数的标准。过6个步骤，模型的内部和外部变量均无输入或输出，并且逐步进行判别分析的自变量的选择结束。此，最终的优化传感器网络（U1）由S1，S2，恒温阀芯S5，S6，S8和S12组成。
感器网络优化聚类分析与典型的指标筛选方法相结合，可以对100个分析样本和12个属性进行聚类分析。体参数是在“其他邻居群集”方法上定义的；变量之间相似度的测量方法是Pearson相关，分类结果如图1所示。们可以在图1中看到，初始聚类分为两类：S1，S7，S8 ，S9，S10，S11，S12和S2，S3，S4，S5，S6。外，可以更具体地检查它。果将其分为3类，则组成的不同类型为：S1； S7，S8，S9，S10，S11，S12； S2，S3，S4，S5，S6。4类，第5类通过类推，冰块图的最终分类结果必须与实际情况相结合。这项研究中，对12个传感器进行了方差分析，结果表明将其分为4组更为合理。A组S1； B组S7，S8，S9，S10，S11，S12; C组S4，S5； D组S2，S3，S6。用二元相关性相关性分析分别为B，C和D组选择典型指标。参数设置为“相关系数：皮尔逊”。
B组中的变量为例说明选择过程，分析结果如表3所示。表3中读取相关系数，并如下计算相关指数。比较五个相关指数时，S10的相关指数（R102）最大，因此将组B的代表变量选择为S10。用相同的方法计算C组和D组中每个变量的相对指数。中，C组中S4和S5的相关系数相同。合累积相关系数的分析，S4和其他11个传感器的累积相关系数最小，并选择S4作为变量。
D组中S3的相关索引最大，被选作代表变量。此，确定的典型指标为S1，S3，S4和S10。外，用于分析方差和累积相关系数的最佳解决方案分别是S10，S12和S4。S10和S4都被选作典型指标，而S12没有。此，通过完整分析最终确定的优化传感器网络（U2）的组成为S1，S3，S4，S10和S12。成分分析（PCA）图2显示了优化传感器前后PCA的比较。于某些中药产品（芦荟，白豆蔻，草药豆蔻，高良姜，草果，干姜，姜黄），对某些人而言中药材的鉴别能力较弱（鄂竹，依芝，姜黄）。2中的曲线b和c显示，优化后的传感器网络的PCA分析效果与优化前基本相同。Fisher线性判别分析（Fisher LDA）Fisher线性判别分析（Fisher LDA）可用于基于电子鼻研究中的已知样本来识别未知样本。感器优化前后的Fisher LDA比较如图3所示。别能力比ACP略强，两者的分类结果相似。感器的原始范围可以更好地区分砂仁，白豆蔻，草豆蔻，高良姜，草果，干姜和姜黄等7种中药，而这些区域姜黄，益芝和姜黄的分布重叠更多，无法区分。3显示，Fisher LDA传感器网络的优化分类效果与优化之前的效果没有很大差异。机森林（RF）随机森林（RF）是一个包含多个决策树的分类器，其输出类别由单个树的输出类别模式确定，其中每个决策树将完全增长而没有大小。有精度高，学习速度快，可以忍受内部噪声，不易过度学习的优点，广泛用于医学，生物信息学，管理等领域。域[13]。分类系统性能的评估采用两种方法：常用的10次交叉验证和外部测试集的验证。项研究基于Weka软件来建立随机森林分类器（由Weka论坛http://www.cs.waikato.ac.nz/ml/weka/免费提供）。4给出了传感器优化前后森林随机分类结果的比较。果表明，优化前的传感器网络对10种中草药的判断率均超过80％。分类效果更好。化的传感器网络还可以对中药材的10种口味进行分类，肯定率达到85％以上，最高为96％。别能力得到了改善。化前后的传感器网络的PCA和Fisher LDA分析结果表明，优化后的传感器网络可以代替原始网络，从而完成识别10种中药的任务：确保所获取信息的完整性和可靠性，即不丢失原始数据的有效信息；比较和分析矩阵优化前后的随机森林分类器的肯定判断率，不难看出优化后的分类效果有所改善，说明优化后的矩阵在一定程度上去除了冗余信息，提高了数据处理效率。过进一步调查，发现采用判别逐步分析方法优化的传感器网络要好一些。合分析，识别中药的最佳网络包括传感器S1，S2，S5，S6，S8和S12。优化方法是有效且可实现的。得继续讨论的事实是，在这项研究中，优化前后的传感器网络无法完全区分生姜家族的10种草药，特别是姜黄，益智和姜黄。管将三种风味药用物质与其他七种风味药用物质区分开，但是这三种很难彼此区分开。因可能是这三种药物很难与同一鉴别模型中的其他几种药物鉴别。议进一步改进有关数据处理方法检测和判别模型建立的未来研究；其次，可以在本研究中对传感器使用的4米αFOX3000模型优化前后的森林随机分类结果进行比较。子只有12个由探测器组成的传感器。关研究尚未报道传感器对中药气味的敏感性和特异性。三个可能在其“盲嗅区”中。议将来在几种电子鼻和大量传感器的基础上进行传感器的优化和特异性研究。
本文转载自
恒温阀芯 https://www.wisdom-thermostats.com