机器味觉系统鉴评语言模糊输出及语义分析

【摘要】：随着近些年科技的发展,人类依据“仿生学”研究了大量的机器味觉系统,部分系统的检测精度早已超过了人类的味觉能力,然而,目前所有的仿生机器味觉系统检测食品后得出的结果均为数据化的定量结果,这与人类感知食品后得到的感知模糊语言的结果有着一定的差异,为了使机器味觉系统的检测结果更加接近于人类的感知模式,我们在SA-402B电子舌基础上,进行了进一步的研究,使其除了具有准确区分样本类别的能力外,还可以像人类一样说出符合人类情感的评价性模糊语言。本文采用电子舌系统,选取中国白酒作为研究对象,获取4种不同香型白酒的味觉信息。分析白酒味觉感知间的差异性信息及重复性数据实验特征,确保使用电子舌系统采集的白酒味觉信息的稳定性,为后续工作提供基础。采用主成分分析,核主成分分析分别对白酒味觉信息数据进行降维至2维处理,即消除冗余信息,又为搭建白酒味觉信息二维云模型提供基础,降维后数据通过先后代入逆向云发生器和前正向云发生器,建立出不同香型白酒味觉信息的二维云滴点。并通过对人工感官鉴评实验中出现的数据进行统计与分析,得出不同香型白酒的评价词语出现的频率和顺序。根据词频和词序,计算云滴组中每个词语对应的云滴范围,完成白酒评价词语与味觉信息数据间的关联,即模型搭建完成。采用遗传算法优化的支持向量机,BP神经网络,极限学习机分别对白酒味觉数据进行训练与预测,选择最优的模式识别算法,作为实现白酒味觉模糊评价中的第一步识别白酒香型。并对250组白酒味觉数据通过搭建的模型进行模糊评价,并与人工感官进鉴评结果进行比较,观察与分析所搭建的模型输出结果与人工感官鉴评结果间的一致性。结果表明,机器味觉系统对于稀释后白酒的味觉检测具有良好的可行性与稳定性。在预测白酒香型的模式识别算法中,基于遗传算法优化的支持向量机,BP神经网络,极限学习机的预测准确率结果分别为100%,91.67%,93.21%。三种算法均适用于本文中提出的方法,本文中选择了正确率相对较高一些的遗传算法优化的支持向量机为白酒香型进行判别。两种降维方式搭建的白酒味觉信息云模型均具有输出语言的模糊性,并均与人工感官鉴评结果相似,通过计算每种香型白酒词语频率与人工感官鉴评结果的标准差,来完成对输出语义的分析,得到基于KPCA搭建的白酒鉴评语言模型的结果更加符合人类对白酒味觉感知的评价输出,更相近于人类情感。综上所述,本文提出的模型有效的完成了定量数字化结果与模糊语言间的转换,使得机器味觉系统向拟人化结果更加迈向一步。