基于电子舌与GAN-CDAE-ELM模型的咖啡产地快速溯源检测

• 作者: 高继勇 王首程 于雪莹 王志强
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 咖啡 电子舌 生成对抗网络 卷积降噪自编码器 极限学习机
• 年，卷（期）: 2021,（21）
• 所属期刊栏目: 研究与设计|Research and Design
• 页码范围: 36-43
• 页数: 8页
• 分类号: TH879|TP391.4
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.2107660

摘要

为了实现对咖啡产地的快速溯源检测,提出了一种基于电子舌与生成对抗网络(GAN)-卷积降噪自编码器(CDAE)-极限学习机(ELM)组合模型相结合的检测方法.针对电子舌检测原始数据样本数量不足而导致深度学习模型准确率低、泛化能力差等问题,采用生成对抗网络(GAN)扩充训练样本数据规模,提高系统的鲁棒性;针对电子舌输出信号复杂、维度大、噪声多的特点,采用卷积降噪自编码器(CDAE)在低维特征空间对电子舌信号进行特征提取,提高关键特征的表达能力;最后,采用极限学习机(ELM)对提取的特征信息进行分类鉴别,构建咖啡产地溯源检测分析模型.利用该模型对五种不同产区的咖啡进行分类鉴别,结果表明,与基于离散小波变换(DWT)结合支持向量机(SVM)与极限学习机(ELM)等传统机器学习模型以及VGG16网络等深度学习模型相比,GAN-CDAE-ELM对不同产地咖啡分辨效果更优,其测试集的准确率、精确率、召回率、F1-Score分别达到了99.00％、99.03％、99.00％、0.9901.该研究为基于智能感官系统的咖啡产地快速辨识与检测提供一种新思路.