新書推薦：
《
爱的能力：为什么我们既渴望爱，又害怕走进爱（第13版）
》
售價：HK$
83.8
《
环艺设计手绘：景观/室内 马克笔 手绘效果图技法精解
》
售價：HK$
95.8
《
明清与李朝时代
》
售價：HK$
81.6
《
感动，如此创造
》
售價：HK$
71.8
《
商业人像摄影
》
售價：HK$
95.8
《
抗争表演
》
售價：HK$
74.4
《
咏春八斩刀
》
售價：HK$
83.8
《
聊不完的艺术家：跨界设计师穆夏
》
售價：HK$
117.6
|
| 編輯推薦： |
进入21世纪以来，全球科技创新进入空前密集活跃的时期，新一轮科技革命和产业变革正在重构全球创新版图、重塑全球经济结构。当前，世界主要国家都把人工智能作为国家战略，机器嗅觉作为人工智能的一个分支，提供了一种全新感知环境的方式，也在此轮创新潮流中发挥自己的作用。
随着60年的技术积累，目前机器嗅觉领域成果丰富，为了便于各行业人员利用机器嗅觉解决各自问题，本书将机器嗅觉技术从硬件组成到算法模型进行了全面、系统地梳理和呈现。内容力求深入浅出，同时书中也提供了嵌入式的解决方案，为机器嗅觉在具体场景中落地提供了完整的流程。
|
| 內容簡介： |
人工智能作为引领未来的前瞻性、战略性技术，日渐成为国际竞争的新焦点、经济发展的新引擎，人工智能必将深刻改变人们的生活和生产方式，给全世界发展带来新的机遇和挑战。
本书从硬件、软件和算法三个层面系统地介绍机器嗅觉技术，既有理论层面的介绍，也有基于嵌入式平台的实施方案。既介绍基础知识，又紧跟时代发展需求，不同于科研论文着重聚焦于某个研究热点。为了方便机器嗅觉的刚入门者，本书力求系统地描述机器嗅觉技术，方便读者对该技术有一个全面、清晰的认识。
|
| 關於作者： |
贾鹏飞
博士，广西大学副教授，硕士生导师。从事机器嗅觉理论研究和应用落地，已研制的设备用于高压柜绝缘异常、医疗废弃物处置、细菌感染和柑橘成熟度检测。发表SCI论文40余篇，授权专利20余项，主持或参与国家重点研发计划“智能机器人”重点专项、国家自然科学基金、中国博士后基金和重庆市自然科学基金等项目。
贾国彬
美国索菲亚大学金融工商管理硕士在读，技术经纪人和经理人。图玛机器智能实验室和图玛牧玛科技事务所创始人。长期涉足机器设备、检验检测、科研服务、医疗健康、工业制造和环保设备等产业，以及可靠性工程、技术转移、机器视觉和机器嗅觉的应用研究。主持或参与近10项技术转移转化项目，申请专利7项。
|
| 目錄：
|
目录/CONTENTS
第一章机器嗅觉的概念、发展综述
第一节基本概念
第二节发展历史和现状
第二章机器嗅觉的硬件构成及采样实验
第一节气路
第二节气体传感器及电路
第三节数据采集卡
第四节电脑端界面
第五节气体采样实验
第三章特征提取
第一节初级特征提取
第二节第二级特征提取
第四章分类器
第一节BP神经网络
第二节RBF神经网络
第三节支持向量机
第五章优化算法
第一节群体优化算法概述
第二节粒子群优化算法
第三节标准粒子群优化算法
第四节量子粒子群优化算法
第五节改进的量子粒子群优化算法
第六节磷虾群优化算法
第六章机器嗅觉在低浓度气体中的运用
第一节低浓度气体样本的制备
第二节低浓度气体的重要性
第三节特征提取算法的选取
第四节实验步骤
第七章有标签训练样本少的解决方案
第一节半监督学习
第二节迁移学习
第三节主动学习
第八章深度学习在机器嗅觉中的应用
第一节何为深度森林
第二节深度森林与决策树以及随机森林的对比
第三节深度森林的结构
第四节深度森林和深度神经网络比较
第五节深度森林在处理机器嗅觉数据中的
应用实例
第九章宽度学习在机器嗅觉中的应用
第一节宽度学习
第二节宽度学习在处理机器嗅觉数据中的
应用实例
第十章基于嵌入式平台的机器嗅觉解决方案
第一节为什么要在嵌入式平台运行机器嗅觉系统
第二节基于K210的机器嗅觉解决方案
第三节基于树莓派的机器嗅觉解决方案
参考文献
|
| 內容試閱：
|
前言
人工智能作为引领未来的前瞻性、战略性技术，日渐成为国际竞争的新焦点、经济发展的新
引擎，人工智能必将深刻改变人们的生活和生产方式，给全世界发展带来新的机遇和挑战。
人工智能正重新改变和升级传统行业发展模式、重构创新和经济结构，逐渐成为全球经济和
社会发展的强大推动力。
国际上，人工智能战略竞争态势异常严峻，美国、俄罗斯、英国、德国、日本和韩国等发达
国家均将人工智能上升为国家战略。美国政府一方面发布《国家人工智能研究和发展战略计
划》（2016年）和《维护美国人工智能领导地位的行政命令》（2019年），旨在保证美国在人
工智能领域的领导地位，继续实现“全面领先”；另一方面，美国全面禁止人工智能领域技
术和产品对我国出口，全面启动科技战争，华为、中兴和大疆等一大批企业和机构被列为出
口管制。2019年10月，俄罗斯总统普京签署命令发布了《2030年前俄罗斯国家人工智能
发展战略》，将人工智能技术的发展提升至国家战略高度，确保俄罗斯国家安全，提升整体
经济实力，并谋求俄罗斯在人工智能领域的全球领先地位。
2017年7月，国务院发布《新一代人工智能发展规划》，明确人工智能国家战略规划，到2030
年人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心。党
的“十九大报告”进一步强调“推动互联网、大数据、人工智能和实体经济深度融合”。2018
年10月，中共中央总书记习近平同志在中央政治局第九次集体学习时强调指出，人工智能
是引领这一轮科技革命和产业变革的战略性技术，具有溢出带动性很强的“头雁”效应。截
至2019年3月份，人工智能连续第三年被写入当年的政府工作报告，并提出拓展“智能 ”。
机器嗅觉，又被称为电子鼻或者人工智能嗅觉，作为一种仿生模拟哺乳动物嗅觉系统的人工
智能技术，与机器视觉和语音处理等同属于模拟感官的智能技术，主要用于分析气味/气体
数据，为感知世界提供一种另外的角度，机器嗅觉起源于20世纪60年代，经过近60年的
发展，理论研究和应用实践成果丰富。早期突出其用电子技术模拟仿真生物的鼻子，因此更
多地被称为电子鼻。随着人工智能技术的发展，其中涉及的人工智能算法研究越来越多、越
来越深入和复杂，人工智能算法在整个系统中发挥的作用也越来越大，因而现阶段称之为机
器嗅觉或者人工智能嗅觉则更为合理，本书中将其称为机器嗅觉。目前，机器嗅觉的应用场
景已经包括：医疗诊断、环境监测、食品安全、生产过程控制和“三废”检测等，并取得了
不错的成绩。
本书作者所在的科研团队由传感器材料、智能信号处理和嗅觉模型领域的科研人员组成，旨
在响应国家号召，围绕气味/气体分析开展传感器材料、设备研制、模型和算法等方面的研
究。核心研究内容包括：气敏纳米传感材料仿真、制备和测试，机器嗅觉硬件系统研发及制
造，机器嗅觉算法系统中模型建立和优化，与其他系统的嵌入式融合和各种气味/气体数据
库建立等。
本书的编写是为了方便入门机器嗅觉的科研工作者，同时也将我们多年的工作进行一个系统
性的汇报，感谢参与本书编写的王宇、曹怀升、张峻源、徐多、杨心语、杨天宇、杨文川、
张强和李四等人的辛苦付出。
虽然本书在编写过程中力求完善，但仍难免疏漏，如有任何问题，请读者见谅，并与我们联
系，我们将悉心听取，并做改正。
编者2022年1月
第一章机器嗅觉的概念、发展综述
第一节基本概念
众所周知，我们人类可以通过多个角度来综合感知并接受各种外界环境信息，包括但不限于
视觉、听觉、嗅觉、味觉和触觉等［1］，其中嗅觉对人类了解外界气味信息有着十分重要的
作用。同时，嗅觉也是生物嗅觉系统对某种气体/气味产生的一种生理反应。人体对气体的
嗅觉来自鼻腔中的嗅觉受体细胞，嗅觉受体细胞受到气体分子的刺激而产生的信号经过嗅觉
神经传递到嗅小球，经过某种处理后，经过僧帽细胞传递到粒状细胞层，最后传递至大脑中
枢的嗅觉区域［2］。嗅觉区域根据已经储备的“经验”做出判断，这个经验可能是生活经验，
也可能是专业经验。图11给出人体嗅觉系统生理结构图。
图11人体嗅觉系统生理结构图
嗅上皮细胞是感知气味的皮质组织，也被称为初级神经元，是人体嗅觉系统的第一组成部分
［1］。它由三种细胞组成：双极性嗅觉神经元（也称受体细胞）、支撑细胞（也可被称为支
柱细胞，一种神经胶质细胞）和基础细胞（如干细胞等）。其中受体细胞是嗅上皮组织中最
重要的细胞，它直接感受气体分子，是嗅觉系统处理气体分子的第一阶段。
嗅觉球是人体嗅觉系统的第二组成部分［1］。嗅上皮组织的嗅神经元（嗅觉受体细胞）的轴
突聚集在一起并且通过筛骨中的小孔到达嗅觉球。嗅觉球内部有大量复杂的球状神经原形质
（称为嗅小球）形成二级嗅觉神经元。在二级嗅觉神经元中，嗅觉神经纤维连接双极细胞的
轴突，嗅小球的神经纤维网；连接嗅觉感受神经元的轴突和僧帽细胞的突触。
大脑皮质是人体嗅觉系统的第三组成部分［1］。嗅觉球的信息由嗅觉管道传送到嗅前核、嗅
结节、前梨状皮质和扁桃体，最后传送到处理嗅觉信号的大脑中央。然而，嗅上皮组织、嗅
觉球和嗅觉神经以及下丘脑会随着年龄的增大而老化，相应的嗅觉功能也会衰退。
由于人体的嗅觉功能会随着年龄逐渐衰退，在某些需要用气味判断的东西，例如有毒气体、
食品的新鲜程度等会受到影响。因此，仿生嗅觉技术出现是很有必要的。
机器嗅觉，又称为人工嗅觉系统或者电子鼻，通过模拟哺乳动物嗅觉器官来识别气体/气味。
1994年，JulianW.Gardner给其做了如下定义［3］：电子鼻是一个具有部分专一性的传感器
阵列，并结合了相应的模式识别算法构成的系统，用于识别单一成分或者复杂成分的气体或
者气味。早期突出其用电子技术模拟仿真生物的鼻子，因此更多地被称为电子鼻。随着人工
智能技术的发展，特别是近些年来，人工智能发展上升到国家战略，其中涉及的人工智能算
法研究越来越多、越来越深入和复杂，人工智能算法在整个系统中发挥的作用也越来越大，
因而现阶段称之为机器嗅觉更为合理。
完整的机器嗅觉系统由气体传感器阵列、信号处理单元和模式识别单元组成。与生物嗅觉系
统相比较，气体传感器阵列相当于生物嗅觉中大量的感受器细胞，信号处理单元相当于嗅神
经信号传递系统，模式识别单元相当于生物的大脑。图12给出机器嗅觉系统的完整工作
流程图。
图12机器嗅觉系统工作流程图
1气体传感器阵列技术
近年来，随着气体传感器技术的发展，应用在机器嗅觉上的气敏传感器技术由最初的单个传
感器发展到现在的多个传感器同时使用，很大程度上降低了单个传感器的性能对整个机器嗅
觉的影响，极大地提高了机器嗅觉工作的稳定性。当机器嗅觉中的气敏传感器与目标气体接
触时，气敏传感器会与气体/气味中的化学成分产生响应，然后会输出一个可以测量的响应
电信号，该传感器阵列中，不同的传感器对不同的气体响应不同，传感器阵列输出信号含有
丰富的信息。
机器嗅觉被设计用来模拟生物嗅觉功能，我们的鼻腔嗅觉受体细胞对于每一种气味都有响应，
只是不同细胞对不同的气味响应程度不同，因此，在构建机器嗅觉的传感器阵列时，也要保
持这个特征。同时因为待检测的气体/气味中化学成分十分复杂，如果阵列中每个传感器只
对某一类气体/气味（如醇类）有响应，那将极大地限制机器嗅觉的应用范围。因此，在传
感器阵列的选择上不追求高选择性，而是要具有广谱响应的特性，也即阵列中每个传感单元
要能对多种气体成分产生响应，从而利用传感器的交叉敏感性，获取更多有用信息。目前，
广泛地用于构建机器嗅觉的气体传感器阵列类型有：金属氧化物半导体型、电化学型、碳纳
米材料型和导电聚合物型等。它们具有如下优缺点：
①金属氧化物型：优点是制作简单、成本低、具有较好的广谱响应性，是目前机器嗅觉研究
中应用最多的传感器，具有代表性的商品化气体传感器厂家既有日本的费加罗公司，也有我
国郑州的炜盛公司，特别是郑州炜盛公司近年来发展迅猛，其生产的传感器性能优良，基本
能够满足科研和实际应用需要；金属氧化物型传感器的缺点是响应受环境温湿度影响较大，
响应基准值易随时间漂移，易“中毒”，需工作在200~400℃的加热状态，随着使用时间变
长，灵敏度会有所下降，寿命一般为2~3年［4］。
②电化学型：优点是灵敏度高，选择性好，目前应用得比较广泛，市场上也有该类传感器出
售；缺点是寿命短，体积大，不易微型化，响应时间慢，抗干扰能力差，灵敏度会受到温度
影响［5］。
③碳纳米材料型：能定量及定性分析大气中氢气和氦气等惰性气体［6］；缺点是抗干扰能力
弱，某些制备方法得到的碳纳米管的生长机理还不明确，对碳纳米管的结构还不能做到任意
的调节和控制，对人体有一定的毒性［7］。
④脂涂层型：典型的有石英晶体和压电晶体型。其优点是：精确度高、灵敏度高、质量小和
功耗低；缺点是测试范围小，受环境影响大［8］。
⑤导电聚合物型：优点是工作在常温下，稳定性和线性化好，易于微型化［9］；缺点是加工
困难、有时间漂移、对湿度敏感和恢复时间长。
选用合适的气体传感器对于机器嗅觉识别气体/气味来说，是非常重要的。这是因为不同的
环境条件下需要使用适合此环境的气体传感器，这样会降低环境条件对传感器的影响，从而
达到最优的识别效果，因此科研人员和工程师，需要根据具体的应用场景，结合对设备的功
耗、实时性和稳定性等要求综合做出构建气体传感器阵列的方案。
2数据处理和模式识别
数据处理和模式识别是机器嗅觉的“大脑”，其主要作用是挖掘隐藏在气体传感器响应数据
中的关键信息，并根据这些信息做出正确的定性/定量判断。数据处理可由滤波去噪、特征
提取、数据降维和参数优化等环节组成（如图13所示）。其中，滤波去噪主要是去除传感
器响应中的白噪声和背景噪声；特征提取是从传感器响应中提取出能够表征其特征的关键信
息；数据降维是寻找一个低维映射，实现特征在低维空间中的重现，从而降低分类器的计算
复杂度，整个数据处理过程包括上述各个环节，每个环节都存在参数，需要去设定，参数优
化的作用就是在某一机器嗅觉的性能指标（如识别率，当然有时还要考虑数据分析的时长限
制，此时就需要将识别率和分析时长两者结合，做成一个综合性能指标）的指导下，优化参
数设定，以保证整个机器嗅觉的工作性能。数据处理的目的是从气体传感器的原始响应曲线
中，获取包含特征信息丰富、维数低的“高质量”数量，从而提高模式识别算法的正确率并
最大限度地降低其计算工作量。
模式识别算法在机器嗅觉系统中发挥着重要作用，主要负责对输入的数据进行定性/定量分
析，统计模式识别、人工神经网络和化学计量学等大量方法都可用于处理机器嗅觉的数据，
特别是近几年来，随着人工智能技术的迅猛发展，越来越多的模式识别算法被提出。
不论是数据处理还是模式识别，人工智能算法在机器嗅觉中扮演着重要的角色。在气体传感
器阵列输入的气味图谱中，包含着丰富的气体成分和浓度信息，但这些信息很多都是隐形的，
无法直接获取，通过人工智能算法对气体传感器阵列的输入进行滤波去噪、特征提取以及模
式识别等一系列处理，使得机器嗅觉系统能够精确地辨识多种气体/气味，因此可以说气体
传感器阵列和人工智能算法共同决定了机器嗅觉系统的性能。
图13机器嗅觉系统数据处理流程图
第二节发展历史和现状
1机器嗅觉的发展历史
在机器嗅觉的发展过程中，大量科研人员推动了机器嗅觉技术的发展，对机器嗅觉的研究有
着巨大的贡献。人类对气味的探索在一定程度上推动了人类社会的发展，机器嗅觉让人类从
另一个角度上去认知物质中气味的本质，同时，也加快了人工智能技术的发展。
1961年，Moncrieff制成了一种机械式气味检测装置，它可以检测简单的气体成分。1964年，
Wilkens和Hatman利用气体在电极上的氧化还原反应对嗅觉过程进行了电子模拟，研制出
世界上第一个机器嗅觉系统，这是关于机器嗅觉的最早报道。1965年，Buck等利用金属和
半导体电导的变化对气体进行了测量，Dravieks等则利用接触电势的变化实现了气体的测量。
然而，作为气体分类用的智能化学传感器阵列的概念一直到1982年才由英国Warwick大学
的Persuad等人提出，他们的机器嗅觉系统包括气体传感器阵列和模式识别两部分，其中传
感器阵列包括三个半导体气体传感器。这个机器嗅觉系统可分辨桉树脑、玫瑰油、丁香牙油
等挥发性化学物质的气味。但随后的5年，机器嗅觉的研究并没引起国际学术界的广泛重视。
1987年，在英国Warwick大学召开的第八届欧洲化学传感研究组织年会成为机器嗅觉技术
研究的重要转机。在会议上，以Gardner为首的Warwick大学气敏传感研究小组发表了传感
器在气体测量方面的论文，重点提出了模式识别的概念，这引起了学术界的广泛兴趣。
随着传感器技术的不断发展，1989年，北大西洋公约研究组织专门召开了化学传感器信息
处理高级专题讨论会，包括了人工嗅觉及其系统设计这两个专题，并对机器嗅觉做了定义：
电子鼻（当时被称为电子鼻，这在本书前文有解释）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。
1991年8月，北大西洋公约研究组织在冰岛召开了第一次电子鼻专题会议，电子鼻技术的
研究由此得到快速发展。1994年，Gardne发表了关于电子鼻的综述性文章，正式提出“电
子鼻”的概念，标志着机器嗅觉技术进入到成熟、发展阶段。1994年以来，历经近30年，
机器嗅觉技术取得了突飞猛进的发展。目前对于机器嗅觉的研究主要集中在传感器及机器嗅
觉硬件的设计、模式识别及其理论和不断扩大其应用领域。
近年来，国内也逐渐加大对机器嗅觉技术的研究力度，但由于研究时间相比国外而言较短，
我们在了解机器嗅觉技术时需要借助国外对相关研究的报道、专业论文和嗅觉模拟技术的综
述。
2机器嗅觉的应用领域
机器嗅觉是一种新兴的人工智能识别技术，近年来，机器嗅觉技术也受到广大研究者的关注。
随着研究人员对机器嗅觉的不断深入研究，现阶段已经有了广泛的应用。
在食品工程中，机器嗅觉可应用于对蔬菜、海鲜等新鲜度的检测［10］。长期以来，人们都
是依靠自身的嗅觉来判断从蔬菜和海鲜中散发出来的气味是否新鲜，然而，人的鼻子的识别
过程中会受到各种各样的限制，例如，人的生理、经验、情绪和环境等因素各不相同，很难
得到科学、客观、准确的结论。因此，需要一种准确、客观的识别技术来判断气体的类别。
生活环境中，有各种各样的对人体有害的污染气体。例如，刚装修的房子中含有大量的甲醛
气体，如果人居住在含有高浓度甲醛气体的房子中，会有致癌的危险。机器嗅觉可以对我们
所居住的环境进行实时检测［11］，可将有害气体的浓度控制在适度范围之内，保证我们的
正常生活，保障人们的生命和财产安全。
在医疗诊断中，机器嗅觉可以进行伤口细菌检测［12］。据数据统计，伤口感染成为成年人
死亡的一大重要因素。医生在对伤口感染进行判断时，传统的方式是细菌培养法，也就是用
棉签等蘸取伤口表面脓液，放在培养皿上培养至少48小时，然后才能确认是否发生感染，
这个过程非常耗时，早一分钟确诊感染情况，对于减轻病患痛苦都有很大意义。如果运用机
器嗅觉对伤口顶空气体进行识别，从而判断出伤口是否发生感染以及感染的细菌类型，这样
可有效地对症下药，使伤口快速愈合。同时，机器嗅觉还可用于诊断肺癌、乳腺癌等。使用
机器嗅觉进行医疗诊断可有效地避免由于应用X线检查或电子计算机断层扫描（CT）等影像
检查技术所存在的辐射、费用以及造影剂副作用等问题。
在海关检查中，工作人员会使用警犬去检查旅客的行李中是否携带违禁物品，如毒品和炸药
等［13］。但训练和饲养警犬需要耗费很大的精力和成本，而且动物具有自身的情绪，这在
检测过程中也是一个不确定的因素。因此，利用机器嗅觉技术进行检查，可以更加精确和客
观地得到检测结果。据报道，现已制作出一种准确的机器嗅觉系统，其识别功能超过警犬，
可以分辨出多种气体类型，并且成本低廉，可长时间使用，很好地帮助警方搜捕罪犯和搜查
毒品。
综上所述，机器嗅觉技术的应用研究正在不断地深入发展，并在很多行业具有广阔的应用前
景［14-16］（见表11）。
表11机器嗅觉的主要应用领域
应用领域应用举例
汽车发动机控制、汽车排气质量检测
航空航天发动机控制、机舱环境监测
农业化肥及农药分析
化学分析实验室日常材料化验
消防煤矿、油田、油库、建筑物报警
生物与环保微生物检测、土地、水、空气污染检测
化工控制药品、化工材料的生产
质量控制饮料、烟草、食品质量检测
安全公安、海关检测，毒气、爆炸性气体检测
到目前为止，尽管有许多研究者在机器嗅觉技术的领域中做出了巨大贡献，也获得了一些重
大的研究成果，但是机器嗅觉是一个非常复杂的技术，它融合了计算机技术、传感器技术、
应用数学和人工智能等多个学科领域的相关知识，因此，还存在许多需要研究者去解决的问
题，下面是本书作者总结的部分需要解决的问题：
①人类对哺乳动物的嗅觉机理尚未完全明了，需要对目前建立的机器嗅觉模型进行优化，并
进一步对动物嗅觉进行研究。
②机器嗅觉传感器阵列中的气敏传感器在重复性、稳定性和抗干扰性等方面的性能还有待于
改进和提升。
③在特征提取过程中，需设计出更好的算法，将尽可能多的特征信息提取出来，从而提高最
后的识别精度。
随着传感技术、信息处理和人工智能技术的发展，且随着人类对嗅觉过程的了解不断深入，
我们有理由相信，机器嗅觉技术必将更加完备，功能会逐渐强大，未来必会满足人类的日常
生产和生活的需要。
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
