- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
基于气体传感器阵列的地沟油识别方法
基于气体传感器阵列的地沟油识别方法
胡晓慧\王磊U,姚帅\肖兵
(1.同济大学中德学院,上海200000;2.上海鑫璞传感科技有限公司,上海200000)
摘要:目前有许多检测地沟油的方法,例如电导法、光谱法、色谱法等,但这些检测方法均需要在实验室
环境下对油样进行处理,因此在地沟油检测方面仍缺乏快速、实时、对油样无损的检测方法。在此基础
上,提出利用气体传感器阵列采集油样气味特征信息,使用支持向量机(SVM)算法对油样进行识别的
方法。对75组正常食用油及45组地沟油建立了基于SVM的地沟油鉴别模型,并对15组正常食用油
和15组地沟油进行识别,使用Matlab的SVM库及LIBSVM时的正确率均为27/30。实验证明了此方法
的可行性,将算法在嵌入式平台上实现后可对油样进行快速、实时、无损鉴别。
关键词:地沟油;气体传感器阵列;气味特征信息;支持向量机
中图分类号:TS227文献标识码:A文章编号^000-8829(2017)12-0001-04
IdentificationMethodofWasteOilBasedonGasSensorArray
HUXiao-hui1,WANGLei1’2,YAOShuai1,XIAOBing
(1.GDHK,TongjiUniversity,Shanghai200000,China;2.ShanghaiGoldHopeSensorTechnologyGo.,Ltd.,Shanghai200000,China)
Abstract:Atpresent,therearemanymethodstodetectwasteoil,suchasconductivity,spectroscopyandchro
matography,etc.Howeve,thesemethodsrequiretheprocessingofoilsamplesinthelaboratoryenvironment,so
thereisstilllackofrapid,real-timeandnondestructivedetectionmethods.Onthisbasis,amethodofusinggas
sensoaaytocollectthecharacteristicinformationoftheoilsamplesodo,andusingsupportvectomachine
(SVM)algorithmtoidentifyoilsamplesisproposed.AdiscriminativemodelofwasteoilbasedonSVMises
tablishedfo75groupsofnormalcookingoiland45groupsofwasteoil.15groupsofnormalcookingoiland15
groupsofwasteoilareidentified.WhenusingSVMlibraryandLIBSVM,thecoectrateisboth27/30.The
experimentprovesthefeasibilityofthismethod.Aftethealgorithmisimplementedontheembeddedplatform,
theoilsamplescanbeidentifiedquickly,real-timeandnondestructive.
Keywords:wasteoil;gassensoaay;odocharacteristic
您可能关注的文档
- 基于改进蚁群算法的机器人路径规划.pdf
- 基于改进萤火虫算法的图书馆室内机器人避障路径规划研究.pdf
- 基于高斯过程的短期风电功率概率预测.pdf
- 基于高斯投影的变电站巡检机器人定位建图技术.pdf
- 基于隔离薄膜的粗糙面磁粉检测方法.pdf
- 基于工业以太网的热电偶测温模块设计.pdf
- 基于构造简化模型和局部大气光遮罩的去雾算法.pdf
- 基于观测器的高速列车半主动悬架滑模容错控制.pdf
- 基于光滑l_p范数的压缩感知图像重构算法.pdf
- 基于光频域反射仪的机载光缆连接检测技术.pdf
- 高中英语短语宝典_轻松掌握必备短语,快速提升英语水平.docx
- 案例警示:杨浦大桥上海建工五建集团有限公2424“10·31”一般高处坠落死亡事故调查报告.docx
- 医疗信息安全发展分析及防护体系建设预测报告.docx
- 四年级数学教案——计算中的规律练习一(1).doc
- 2025-2030行李车细分市场消费行为与产品差异化战略研究.docx
- 2025年自动扶梯围裙板间隙检测技能实训试卷解析与未来发展趋势探讨.docx
- 旅游业市场发展分析及发展趋势与投资管理策略研究报告.docx
- 装运箱市场投资前景分析及供需格局研究研究报告.docx
- 2025年智慧城市交通系统报告及未来五至十年行业发展报告.docx
- 森林的功能教案 (2).docx
最近下载
- 2025医保政策培训(1).pptx VIP
- 2025年北京市自来水集团有限责任公司校园招聘笔试备考试题及答案解析.docx VIP
- Fujifilm富士相机X-T5用户手册.pdf
- 口袋妖怪梦的光点全图鉴.docx
- 东南大学出版社孙志忠版《数值分析解析》习题答案.pdf VIP
- 痰诱导检查课件.pptx VIP
- 中南林业科技大学涉外学院《高等数学A》2025-2026学年期末考试试卷(A)卷.docx VIP
- 人工髋关节置换术术后护理.pptx VIP
- 中南林业科技大学《高等数学A》2025-2026学年期末考试试卷(A)卷.docx VIP
- 【浅析幼儿园安全教育现状及改进对策研究—以A幼儿园为例6000字】.docx VIP
我的文档主要集中的行业是石油化工和安全生产,从事石油化工行业并且取得了中级注册安全工程资格。精通炼油工艺方面的工艺、安全、设备。希望通过平台共享自己的知识和经验。
原创力文档


文档评论(0)