基于DCGAN和1DCNN的小样本烟叶霉变识别方法研究与应用  

作　　者：黄越辉 李捷 陈达畅 

机构地区：[1]武汉轻工大学,湖北武汉430023

出　　处：《电大理工》2023年第4期7-11,26,共6页Study of Science and Engineering at RTVU.

基　　金：2022年度湖北省自然科学基金青年项目“检测SF6绝缘设备故障气体的多孔增敏ZnFe204传感特性及机理研究”(2022CFB941)。

摘　　要：传统烟叶霉变检测方法利用机器学习、神经网络等作为电子鼻烟叶霉变识别的方法,需要大量数据集来训练模型,为了缩短开发周期,提升训练模型的泛化能力,提出一种基于深度卷积生成对抗网络(Deep Convolutional Generative Adversarial Networks,DCGAN)和一维卷积神经网络(1D Convo⁃lutional Neural Network,1DCNN)的小样本烟叶霉变识别方法。该方法对较少的样本数据集进行增强后,再进行一维卷积神经网络训练进行分类识别。利用设计的烟叶霉变便携式电子鼻作为实验平台,实验结果表明,DCGAN-1DCNN模型与传统识别方法BP(Back Propagation)、SVM(Supported Vector Machine)等相比,对小样本烟叶霉变的预测更为准确。

关 键 词：烟叶霉变 霉变识别 DCGAN 1DCNN 电子鼻 

分 类 号：TP39[自动化与计算机技术—计算机应用技术]