CAJ | 학술논문

采用正常玉米样品40个,发霉玉米样品41个,建立了电子鼻对霉变与正常样品的识别模型,优化了10个传感器的组合,并对32个未知样品进行判别,其中霉变样品15个,正常样品17个.结果表明传感器优化前后主成分分数分别为86.34％和97.54％,优化后提高了11.2％.采用Euclid、Malahanobis、Correlation以及DFA四种算法对检验集未知样品进行判定,优化前总判别率分别为Euclid:68.75％,Malahanobis:75％,Correlation:84.38％,DFA:81.25％;优化后总判别率分别为Euclid:68.75％,Malahanobis:75％,Correlation:90.63％,DFA:87.5％.优化后Correlation和DFA法的判别率比优化前提高,其中Correlation法达90.63％.在对霉变和正常玉米判别时,霉变样品的判别率要远高于正常样品的判别率.
채용정상옥미양품40개,발매옥미양품41개,건립료전자비대매변여정상양품적식별모형,우화료10개전감기적조합,병대32개미지양품진행판별,기중매변양품15개,정상양품17개.결과표명전감기우화전후주성분분수분별위86.34％화97.54％,우화후제고료11.2％.채용Euclid、Malahanobis、Correlation이급DFA사충산법대검험집미지양품진행판정,우화전총판별솔분별위Euclid:68.75％,Malahanobis:75％,Correlation:84.38％,DFA:81.25％;우화후총판별솔분별위Euclid:68.75％,Malahanobis:75％,Correlation:90.63％,DFA:87.5％.우화후Correlation화DFA법적판별솔비우화전제고,기중Correlation법체90.63％.재대매변화정상옥미판별시,매변양품적판별솔요원고우정상양품적판별솔.