摘要
机器味觉是一种模拟生物味觉系统工作原理的仿生检测技术，借助于味觉传感器阵列和数据处理模型实现味觉物质的决策分析。基于神经传导机制的生理通道模型具有明显的生物学结构特点和功能特性，提供一种解释感官系统工作机理的工具。而且，生理通道模型结合机器味觉可以获取真实的感知信息，使机器味觉系统的输出更贴近人体的感知模式，从而实现味觉物质的有效分析。因此，本研究基于人体神经传导机制提出机器味觉的生理通道模型，增强机器味觉系统仿生特性的同时实现有效味觉分析。主要工作如下： （1）基于机器味觉和机器嗅觉技术分别获取不同食品材料的味觉和嗅觉检测数据。所获的检测数据用于所提生理通道模型普适性和有效性的验证。另外，通过生理感官获取材料的人工检测数据，所获数据用于感官评估及嗅-味联觉效应解析。 （2）提出基于人体神经传导机制的味觉通路计算模型（Computational Model of Taste Pathways，CMTP）以增强机器味觉系统的仿生特性并实现味觉的有效分类。首先，CMTP描述从舌部到大脑皮层的味觉传导通路的动力学特性。其次，CMTP关键模块的输出具有混沌特性，这验证关键模块结构的合理性。然后，在刺激作用下，CMTP节点输出呈现快速响应能力和1/f特性，这反映CMTP的仿生性能。接着，啤酒、茶叶和苹果样品机器味觉数据输入下，CMTP节点输出呈现快速响应能力和混沌特性。这表明CMTP增强机器味觉系统的仿生特性，使其处理结果贴近人体感知模式。最后，相较于多个识别模型和消融实验的分类结果，CMTP实现啤酒、茶叶和苹果的有效分类。 （3）为解决CMTP参数生理依据有限的问题，基于生物神经系统感知原理提出赫布-适应性学习规则（Hebbian-Habituation Learning Rules，HHLRs）来优化CMTP参数，从而实现味觉物质的有效识别和甜度评估。首先，HHLRs 优化 CMTP 模式识别模块的节点连接权值，使权值具有生物学意义。其次，基于优化前后CMTP节点输出动力学特性的仿真结果验证HHLRs的有效性。结果表明，相较于未优化CMTP，优化CMTP节点输出的1/f特性和同步性得到改善，优化CMTP的仿生性能得到增强。这验证HHLRs的有效性。最后，优化CMTP用于机器味觉的物质分类和甜度评估。相较于未优化CMTP、信号预处理和模式识别模型，优化CMTP取得最佳分类和评估性能。 （4）提出基于CMTP和卷积神经网络（Convolutional Neural Network，CNN）的味觉分类方法，该方法在不同尺寸数据中实现味觉的有效分类。首先，在小样本数据的味觉分类中，CMTP结合CNN取得优于多个识别模型的分类性能，包括96.00%和96.67%的准确率、94.95%和95.77%的Kappa系数及0.9750和0.9792的接受者操作特征曲线面积值。其次，在大样本数据的味觉分类中，CMTP结合时间-通道拓展（Time-Channel Expansion， TCE）用于机器味觉的数据增强。CMTP-TCE获得优于传统识别和其他数据增强模型的性能，由此验证 CMTP-TCE 增强的有效性。最后，点积注意力机制（Dot-Product Attention Mechanism，DPAM）结合残差网络（Residual Network，ResNet）识别CMTP-TCE输出以实现大样本数据味觉的有效分类。通过不同倍数增强数据的味觉分类和消融实验研究得， CMTP结合DPAM-ResNet获得大样本数据的最佳分类结果。 （5）通过对嗅-味神经传导机制进行建模，提出一种嗅-味联觉模型（Olfactory-Taste Synesthesia Model，OTSM）实现风味的有效分类。首先，OTSM描述人体嗅-味觉信息传导通路的动力学特性。其次，在刺激作用下，OTSM 节点输出具有 1/f 特性和同步性。这表明，OTSM具有仿生性能。然后，OTSM用于风味物质分类且取得优于多个分类模型下单一机器嗅觉、单一机器味觉和机器嗅-味觉融合系统的识别结果。接着，OTSM结合机器嗅觉和机器味觉解析嗅-味联觉效应（包括前鼻和后鼻、光环和喇叭效应）。在前鼻和后鼻效应研究中，OTSM输出的识别结果反映前鼻和后鼻效应3个阶段的不同感知强度。通过OTSM输出的识别结果揭示前鼻和后鼻效应。在光环和喇叭效应研究中，OTSM输出和光环/喇叭效应感官评估分数间存在高度相关性。通过相关性分析结果揭示光环和喇叭效应。最后，在风味物质的辨识应用中，OTSM获得优于多个信号预处理和模式识别模型的性能，包括95.56%的准确率、94.17%的Kappa系数及95.58%的F1分数。 综上，基于神经传导机制提出的 CMTP 和 OTSM 获取了有效的人体感知信息，增强了机器味觉系统的仿生特性，使机器味觉系统的处理结果贴近人体感知模式。而且，CMTP和OTSM分别实现了有效的味觉和风味分类，提升了机器味觉系统的决策性能。
NETL