13 第九讲 智能感官仿生学（上）.pptx

第1页：第九讲 智能感官仿生学（上）

第九讲智能感官仿生学（上）

第2页：内容提要

内容提要

• 智能感官仿生原理
• 电子鼻
• 电子舌
• 多频脉冲电子舌
• 智能感官应用方法学

第3页：引子•電子鼻嗅到了商機

引子

• 引子
• 電子鼻嗅到了商機
• 现代分析化学思想及困境
• 仿生学思想及技术

第4页：分析化学方法分类图

2006-5-15分析化学化学分析仪器分析酸碱滴定配位滴定氧化还原滴定沉淀滴定电化学分析光化学分析色谱分析波谱分析重量分析滴定分析电导、电位、电解、库仑极谱、伏安发射、吸收，荧光、光度气相、液相、离子、超临界、薄层、毛细管电泳红外、核磁、质谱

第5页：分析化学主要发展趋向化学计量

分析化学主要发展趋向化学计量学在线分析原位分析实时分析活体分析教育传感器定性固定化接口自动化微型化新技术新原理新仪器分离技术仪器和计算机联用技术其它科技领域生物分析环境分析过程分析表面分析大分子表征化学图象无损分析单细胞分析单分子单聚集体分析

第6页：现代化学分析策略分离分析非分

现代化学分析策略分离分析非分离分析特异性分析(单电极或)整体特征分析(品种类群分析)非特异性分析(多电极或)成份类群分析特定化学成份鉴别(定性与定量)修饰电极非修饰电极交互感应修饰电极

第7页：智能感官仿生原理

一、智能感官仿生原理

第8页：一、选题背景

一、选题背景

• 一、选题背景
• 三个技术要素是交互感应电极及阵列、自学习专家数据库和智能模式识别，本质上是一种基于化学传感技术的仿生感觉。人工智能味觉识别系统的工作模式

第9页：交互感应原理当由多个不同的非

1、交互感应原理当由多个不同的非选择性传感器组成一个传感器阵列时，由于各个传感器对被测液中不同的组分均具有不同的感应度――而且是交互感应，这样不同的传感器就可以获得的一系列有差异的信号，特别是在对多个样品进行测试比较时，就可以通过化学计量学或模式识别分析将不同样品的相关信息进行整合，得到样品相似、差异等方面的细致描述，这就是人工智能味觉系统的核心原理和技术基础。

第10页：交互感应原理是一种仿生学原理

交互感应原理是一种仿生学原理，生物感觉的进化使得感觉器官具有极大的经济性和智能性，一个核心的问题是怎样利用少量类型的感受器件来感测丰富多彩的外部环境。

• 交互感应原理是一种仿生学原理，生物感觉的进化使得感觉器官具有极大的经济性和智能性，一个核心的问题是怎样利用少量类型的感受器件来感测丰富多彩的外部环境。
• 阵列中所使用的传感器材料一般应当满足如下要求
• （1）一种传感材料对不同物质具有交互感应能力，至少对几种样品的信息能感受；
• （2）不同的传感材料对不同的物质具有不同程度的选择性；
• （3）传感器响应数值具备重现性；
• （4）传感器阵列在实际的分析中能适应不同的环境并具有良好的耐受性。

第11页：味觉电极阵列交互响应

味觉电极阵列交互响应

味觉电极阵列交互相应响应0.050.10.150.250.2PVC-PtEPVC-PPy-PtECholicacidFerroceneTDAOleicacid18-crown-6CholesterinTBP-TBA0-0.05PVCmembraneelectrodesΔOCP/vHClSucroseNaClCaffeinMSG

第12页：指纹观念中药指纹(红外光谱

2、指纹观念中药指纹(红外光谱、气相、液相等)原油指纹（荧光谱）一种科学思想，不仅仅是一种技术！

第13页：交互感应电极芯片构建技术缺点

３、交互感应电极芯片构建技术缺点优点原理技术方法类型对非或弱电介质低响应系统和数据简单检测敏感薄膜上的电位法电位变化结构复杂，有冗余信息信息量丰富对应刺激电位的响伏安法伏安法应电流检测时间长，对味觉信息包含动力学和界面低幅正弦波扰动阻抗谱法关联度低结构信息仅对电活性物质有响应系统简单电流变化电流法表达物理特性传感稳定性差结构简单，重现性好测量时间短偏振角漂移频率变化表面等离子共振石英晶体微量天平物理法表达重量变化系统简单频率变化表面声波表达部分物质重现性好光效应光吸收法

第14页：电极修饰材料及方法种类制备方

电极修饰材料及方法种类制备方法成型抛光1贵金属及稀土金属2脂质/聚合物材料特点金、铱、钯、铂、铑、钌等信号稳定磷脂、油酸等部分特异性3硫属化物玻璃薄膜4导电聚合物5人工超分子6其它材料Cd-Ag-As-I-S，Pb-Ag-As-I-S，Tl-Ag-As-I-Setc.聚吡咯、聚苯胺等-环糊精,酞菁,金属卟啉,三－十二烷基甲基氯化铵,壳聚糖,聚硫化苯乙烯等碳糊、普鲁士兰等溶解，溶剂蒸发性能稳定，具有激光脉冲沉低检测限降信号响应丰富电化学方法信号稳定，部分物理或化学特异性凝聚良好载体物理制备

第15页：

第16页：交互感应数据分析

４、交互感应数据分析

仿生智能识别多元变量统计分析化学计量学相似度分析模式识别聚类分析主成份分析……

第17页：智能系统的特征定义

智能系统的特征定义：具有人类智能的系统称为智能系统，不管实现智能的途径是一种高层次仿生技术。智能本质上是一种数学！

• 智能系统的特征定义：具有人类智能的系统称为智能系统，不管实现智能的途径是一种高层次仿生技术。智能本质上是一种数学！
• 智能系统的特征（具有下列特征之一的系统就称为智能系统）1多信息感知与融合2联想记忆3自治性——自相似、自学习、自适应、自组织、自维护4知识表达、获取、存储和处理（主要的是识别、推理与决策）5容错

第18页：相似性计算方法一个指纹

（１）相似性计算方法一个指纹

指纹矩阵:x=[x1,x2,..,xn]111221221nm1m2xxx2nX=xxxLxLMMmnxLx

第19页：相似性计算方法夹角余弦法相关

相似性计算方法夹角余弦法相关系数法x,yxyCxy=

第20页：量夹角法

向量夹角法

• 向量夹角法
• 目前根据整体谱图进行质量控制的数据处理方法主要有模式识别与人工神经网络的方法，它们给出的答案是一种分类及定性的信息，不直接定量比较两张指纹图谱间的相似度。但在很多情况下我们需要利用这种相似度的计算提供定量的评价信息，为中药质量控制提供依据。
• 基于这种情况我们提出了一种定量直接比较两张指纹谱相似度的新方法：向量夹角法

第21页：量夹角法的基本原理

向量夹角法的基本原理

• 向量夹角法的基本原理
• n个数值组成的行(x1,x2,x3,…xn)称为n维向量简记为大写字母X为向量X的模
• 定义而
• 向量X及Y的向量夹角余弦按照下式计算
• 向量夹角余弦约接近1说明两向量相似度越高2123nx2+x2+x2+...xX＝X
• Y＝x1y1+x2y2+...xnyn是向量X与Y的内积XYcos=X
• Y

第22页：量夹角法的基本原理

向量夹角法的基本原理

• 向量夹角法的基本原理
• 每个色谱指纹图谱都可以看作一组对应保留时间下的峰高(或峰面积)的数值，可以把这组数值看作多维空间中的向量
• 两个指纹图谱间相似性的问题转化为多维空间的两个向量的相似性问题，利用上式能够定量表征指纹图谱间的相似性

第23页：量夹角法计算相似度的基本步

向量夹角法计算相似度的基本步骤

• 向量夹角法计算相似度的基本步骤
• 一在统一的样品处理与分析测试条件下获得色谱指纹图谱；
• 二进行谱图积分获得保留时间、峰高等信息
• 三根据分析时的基线噪声水平，将信噪比<5的色谱峰除去不作考虑；
• 四用计算机自动进行两个指纹图谱之间的峰匹配，并利用上式计算相似度

第24页：实例:不同吴茱萸样品相似度比

实例

不同吴茱萸样品相似度比较表：1相似度计算结果Tabl1e:ResuolftsimilarityofChromatogramOrigin(产地与炮制方法)No.SimilarityShanglin,GuangX广i西(上林汤洗7遍)Huaihua,HuNan湖(南怀化)Xinhuang,HuNa湖n南(新晃甘草炮)制Guanyang,GuangX广i西(灌阳县)Guangyuan,SiChua四n川(广元)Baise,GuangXi广(西百色)Wenshizhen,GuangX广i西(文市镇)Guanyang,GuangX广i西(灌阳茶用)123456789Shanglin,GuangX广i西(上林甘草炮)制10Lingyun,GuangX广i西(凌云仰村)11Zuni,GuiZhou贵(州遵义)42.30%78.60%84.90%85.20%85.20%85.80%87.50%87.90%89.70%92.10%100%

第25页：实例:不同吴茱萸样品相似度比

实例

不同吴茱萸样品相似度比较061218243036424854如果只考虑信噪比>30的大色谱峰相似度＝95％如果考虑信噪比>5的所有色谱峰相似度＝86％计算机自动峰匹配比人工比较更能反应指纹谱的细微差别广西灌阳四川广元

第26页：表3 三地区向量余弦系数

表3三地区向量余弦系数与相关系数

第27页：模式识别

（２）模式识别

• （２）模式识别
• 传感器阵列输出的信号经专用软件采集、加工、处理后，利用多元数据统计分析方法、神经网络方法和模糊方法将多维响应信号转换为感官评定指标值或组成成分的浓度值，得到被测气味定性分析结果的智能解释器。
• 早期的电子鼻多用主成分分析、多元线性拟合、模板匹配、聚类等数据处理方法。

第28页：模式识别——人工神经网络

（２）模式识别——人工神经网络

• （２）模式识别——人工神经网络
• 由于气体传感器的响应与被测气体体积分数之间的关系一般是非线性的，现在的电子鼻系统多用神经网络方法和偏最小二乘法。近些年发展起来的人工神经网络(artificialneuralnetwork)由于具有很强的非线性处理能力及模式识别能力而得到了广泛的应用.神经网络通过学习自动掌握隐藏在传感器响应和气味类型与强度之间的、难以用明确的模型数学表示的对应关系。
• 许多统计技术和ＡＮＮｓ是互为补充的,所以常常与ＡＮＮｓ联合使用,以得到一组比用单个技术得到的数据更加全面的分类和聚类。这类统计学或化学计量学方法包括主分量分析,部分最小平方法,辨别分析法,辨别因子分析法,和聚类分析法等。

第29页：人工神经网络AxonCell

人工神经网络AxonCellBodyDendritesSynapse图4.人工神经网络神经元

• 人工神经网络AxonCellBodyDendritesSynapse图4.人工神经网络神经元
• Thebrainusesmassivelyparallelcomputation–»1011neuronsinthebrain–»104connectionsperneuron图3.脑细胞神经元input——MathematicalFunctions——output

第30页：人工神经网络法是接近人类大脑

•人工神经网络法是接近人类大脑思维方法的一种算法，它通过大量简单的处理单元即神经元广泛地互为连接而形成复杂的网络系统，可以通过训练学习外部环境。图5.多层神经网络

第31页：气体定量分析混合气体定量分析

气体定量分析混合气体定量分析理论模型

第32页：设混合气体中共有m种成分

•设混合气体中共有m种成分，浓度分别为C1，C2…，Cm，气体传感器阵列的维数为n，则其响应模式为R=F（C）。前馈神经网络承担模式识别任务，它接受气体传感器阵列的输出模式，经过运算处理，决策出被测介质中各成分的浓度。设神经网络的映射关系为Y=H（R）。显然，要使Y=C，必使H=F-1。系统的测量精度取决于神经网络的映射能力。

第33页：鲜味味群样品系统聚类图

0312欧氏9距离6样品系统聚类图—对鲜味味群的区分15845312样品号样品系统聚类图（可变类平均法参数β=-0.25）10911西湖古越铁啤酒龙山观音美乐干红鸡精桥香菇鸡精精67大太太太太味贺盛一品红鸡精鸡精食盐（３）聚类分析

第34页：样品系统聚类图—对食盐的浓度

样品系统聚类图—对食盐的浓度梯度实验4526879310样品号15样品系统聚类图（可变类平均法参数β=-0.25）12欧氏9距离63caffeinMSG-NaSucrose0.0250.1000.0500.2500.010HClNaCl

第35页：样品系统聚类图—对味群和果酸

样品系统聚类图—对味群和果酸的实验欧氏距离3691978624350样品号15样品系统聚类图（可变类平均法参数β=-0.25）12HClAceticacidMalicacidTartaricacidCitricacidSucroseCaffeinNaClMSG

第36页：主成分分析的基本思想

主成分分析的基本思想1.多指标问题的麻烦一是指标多,二是多指标间的相关性.这样它们所提供的整体信息就会发生重叠,不易得出简明的规律。2.主成分分析是研究如何将多指标问题化为较少的综合指标问题.3.多变量之间存在相关性，主成分分析就是通过原始变量相关矩阵或协方差矩阵内部结构关系的研究，利用原始变量的线性组合形成几个综合指标（主成分），从而起到降维和简化问题的作用。（４）主成分分析

第37页：主成分与原始变量之间的基本关

主成分与原始变量之间的基本关系1.每一个主成分都是原始变量的线性组合。2.主成分的数目大大少于原始变量的数目。3.主成分保留了原始变量绝大多数信息。4.各主成分之间互不相关(信息不重叠)。

第38页：主成分分析的基本理论

主成分分析的基本理论X= (X1,X2,…,Xp)′线性变换形成新的综合变量（即主成分）FF1=u11X1+u12X2+…+u1pXpF2=u21X1+u22X2+…+u2pXp………Fp=up1X1+up2X2+…+uppXpF=UX

第39页：主成分的求解经过一系列的数学

主成分的求解经过一系列的数学上的矩阵的转换之后,求解主成分的问题,即求解转换矩阵U,就变成了求解特征根和特征向量的问题了

第40页：主成分的求解求解主成分的过程

主成分的求解求解主成分的过程就是求满足三个原则的原始变量X1,X2,…,Xp的线性组合的过程，就是求出转换矩阵U的过程。1.Ui′Ui＝12.F兴与F钉互不相关3.F1，F2，…Fp的方差是按从大到小排列，F1最大，为第一主成分。

第41页：主成分的求解

主成分的求解1.对原始变量X=(X1,X2,…,Xp)′而言,协方差矩阵或相关矩阵正是对各变量离散程度与变量之间的相关程度的信息的反映。2.为了保留原始变量尽可能多的信息，就是在求主成分时的方差和尽可能接近原始变量方差的总和。3.因此，求解主成分时，总是从原始变量的协方差矩阵或相关矩阵的结构分析入手。

第42页：称E[X−E(X)][Y−

称E[X−E(X)][Y−E(Y)]为X,Y的协方差.记为cov(X,Y)=E[X−E(X)][Y−E(Y)]称

• 称E[X−E(X)][Y−E(Y)]为X,Y的协方差.记为cov(X,Y)=E[X−E(X)][Y−E(Y)]称
• cov(X,Y)D(Y)D(X)cov(X,Y)为（X,Y）的协方差矩阵协方差定义

第43页：选择初始变量分析协方差矩阵分

选择初始变量分析协方差矩阵分析相关矩阵特征值标准正交特征向量主成分对主成分进行分析深入研究度量或取值范围相同？是否逻辑框图是否有接近零的情况否其他处理是

第44页：原始数据相关矩阵标准方差特征

原始数据相关矩阵标准方差特征值,方差贡献率累计方差贡献率因子载荷作图分析

第45页：PCA数学建模

PCA数学建模

第46页：0406080100minm

020406080100minmAU02004006008001000min020406080100mAU12001000800600400200014001600020406080100minmAU02004006008001000四川广东江西图三产地川芎各10个色谱图的叠加

第47页：图三个产地的川芎的PCA投影

图三个产地的川芎的PCA投影图

第48页：智能感官系统电子鼻

智能感官系统电子鼻

对气体监测电子舌：对液体监测狭义电子舌：对液体监测电子鼻：对气体监测广义无交互感应芯片有交互感应芯片

第49页：电子鼻

二、电子鼻

第50页：什么是电子鼻

什么是电子鼻？

• 什么是电子鼻？
• 电子鼻是利用气体传感器阵列的响应图案来识别气味的电子系统，它可以在几小时、几天甚至数月的时间内连续地、实时地监测特定位置的气味状况。
• 电子鼻主要由气味取样操作器、气体传感器阵列和信号处理系统三种功能器件组成。
• 电子鼻识别的主要机理是在阵列中的每个传感器对被测气体都有不同的灵敏度，例如，一号气体可在某个传感器上产生高响应，而对其他传感器则是低响应；同样，二号气体产生高响应的传感器对一号气体则不敏感，归根结底，整个传感器阵列对不同气体的响应图案是不同的，正是这种区别，才使系统能根据传感器的响应图案来识别气体。电子鼻是由多个性能彼此重叠的气敏传感器和适当的模式分类方法组成的具有识别单一和复杂气味能力的装置。

第51页：电子鼻技术的基本原理电子鼻

电子鼻技术的基本原理电子鼻的工作可简单归纳为：传感器阵列－信号预处理－神经网络和各种算法－计算机识别(气体定性定量分析）。从功能上讲，气体传感器阵列相当于生物嗅觉系统中的大量嗅感受器细胞，神经网络和计算机识别相当于生物的大脑，其余部分则相当于嗅神经信号传递系统。

第52页：

第53页：作传感器的材料必须具备两个基

•作传感器的材料必须具备两个基本条件:1)对不同的气味均有响应,即通用性要强,要求对成千上万种不同的嗅味能在分子水平上作出鉴别。2)与嗅味分子的相互作用或反应必须是快速、可递的,不产生任何“记忆效应”。金属氧化物型传感器已被普遍应用在电子鼻中。最常见的材料有锡、锌、钛、钨和铱的氧化物,并掺入像铂和钯等贵金属催化剂。酞菁类聚合物是有机半导体敏感材料的代表,它们所具有的环状结构使得吸附气体分子与有机半导体之间产生电子授受关系。不同的酞菁聚合物可选择如真空升华技术、ＬＢ膜技术、旋涂技术和自组织膜技术等制膜技术在检测器件上制得薄膜型气敏元件,并可制得传感器阵列,使其与计算机模式识别技术结合使用。聚吡咯、蒽、二萘嵌苯、β—胡萝卜素等近年来也被用作有机半导体气敏材料受到人们关注。

第54页：微机械聚合物化学传感器

微机械聚合物化学传感器

2001美国《Micromachinedpolymer-basedchemicalgassensorarray》

第55页：电子鼻原理示意图

电子鼻原理示意图

第56页：

第57页：电子鼻系统类型

电子鼻系统类型

ElectronicNoseSystemsCIMCoatedSensorSensorProcessorSignalProcessorPatternRecognitionKnowledgeBaseIdentificationRawelectricalsignalProcessedElectricalsignalDenoisedElectricalsignalTraining&TestingOdorantMoleculesChemicalInformationFeatureExtractorRelevantfeatures

第58页：电子鼻实验装置与气路

电子鼻实验装置与气路

ExperimentalSetupSwitchingBoxMassFlowControllerNetworkAnalyzerVOCinbubblerNitrogenVOCPCSensorCell

第59页：电子鼻传感器池装置

电子鼻传感器池装置

EXPERIMENTALSETUPGasBubblerSensorCellMassFlowControllerMassFlowMeterNetworkAnalyzerSwitchingBoxPost-Itnotes

第60页：气味信号的形态

气味信号的形态

HowDoesOdorSignallookLike?

第61页：挥发性成分识别流程

挥发性成分识别流程

IdentificationofVOCsPreprocessingIncreasingPatternSeparabilityNeuralNetworkTrainingNeuralNetworkValidationVOCIdentificationRawSensorReadings(6-D)Filtering,Normalization,De-trending,etc.Fuzzynose(FNOSE),Featurerangestretching,orNonlinearclustertransformationMultilayerperceptronLEARN++(forincrementallearning)Classification.....

第62页：商品化的电子鼻

商品化的电子鼻

第63页：電子鼻的應用範圍

電子鼻的應用範圍

• 電子鼻的應用範圍
• 在經過適當的訓練後，電子鼻可以辨識出各種稻米，以及稻米的產地。
• 疾病的偵測──Osmetech的電子鼻能嗅出尿道感染的七種病菌中的六種。
• 食品的品質監測──電子鼻能嗅出食物是否已變質或腐壞。
• 動植物習性的研究──電子鼻可以分辨出不同種類的非洲野貓的味道變化。

第64页：电子鼻具有便携及实时

• 电子鼻具有便携及实时、在线、原位分析等特点,可用于气味鉴别、复杂环境下气体浓度鉴别和可燃气体、有机挥发物或有毒气体的鉴别,具有广泛的应用前景。
• 电子鼻技术的长处在于对气体进行定性分析。近20年来，电子鼻研究取得了长足进展。尽管受敏感膜材料、制造工艺、数据处理方法等方面的限制，电子鼻的检测与识别范围与人们的期望还存在距离，但是，将之应用于食品、化妆品、香料香精等轻工业品香气质量评定的时机已经成熟了。