基于嗅-味联觉感知模型的风味识别方法.pdf

《基于嗅-味联觉感知模型的风味识别方法.pdf》由会员分享，可在线阅读，更多相关《基于嗅-味联觉感知模型的风味识别方法.pdf（30页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 202011070975.3 (22)申请日 2020.10.09 (71)申请人 东北电力大学 地址 132012 吉林省吉林市长春路169号 (72)发明人 门洪郑文博石岩英宇翔 刘晶晶 (74)专利代理机构 西安合创非凡知识产权代理 事务所(普通合伙) 61248 代理人 杨蕾 (51)Int.Cl. G06N 3/063(2006.01) G06F 17/13(2006.01) G01N 33/02(2006.01) (54)发明名称 一种基于嗅-味联觉感知模型的风味识别。

2、方 法 (57)摘要 本发明公开了一种基于嗅味联觉感知模型 的风味识别方法， 涉及风味识别方法技术领域， 该方法包括建立嗅味联觉感知模型， 将嗅味觉 传感器获取的不同样本的风味信息输入到嗅味 联觉感知模型中， 通过小波包变换方法提取嗅 味联觉感知模型在输入风味信息下的特征， 并将 此特征输入到GSSVM模型中， 实现对不同样本的 定性分类。 嗅味联觉感知模型的构建是根据人 体的嗅味联觉神经传导通路， 其中包括嗅味联 觉孤束核模块构建、 嗅味联觉丘脑腹后内侧核 模块构建及嗅味觉联接结构模块构建。 本发明 的风味识别方法能够更为准确的对不同风味信 息进行定性分析。 权利要求书4页 说明书17页 附。

3、图8页 CN 111950721 A 2020.11.17 CN 111950721 A 1.一种基于嗅-味联觉感知模型的风味识别方法， 其特征在于， 包括以 下步骤： S1： 建立嗅-味联觉感知模型中孤束核模块的拓扑结构和动力学特性描述模型； S2： 建立嗅-味联觉感知模型中丘脑腹后内侧核模块的拓扑结构和动力学特性描述模 型； S3： 建立嗅-味联觉感知模型中联接结构模块的拓扑结构和动力学特性描述模型； S4： 通过结合步骤S1-S3中模块及对脑神经模块、 三叉神经模块、 岛叶皮层模块、 球周细 胞模块、 嗅球模块、 前嗅核模块、 前梨状皮层模块、 外皮层模块及嗅-味觉反馈模块构建嗅- 味联。

4、觉感知模型； S5： 通过嗅-味觉传感器获取不同样本的风味信息并输入步骤S4中的嗅-味联觉感知模 型中； S6： 通过小波包变换方法提取嗅-味联觉感知模型在输入不同样本的风味信息下的特 征， 并将此特征输入到GS-SVM模型中， 实现对不同样本的定性分类。 2.根据权利要求1所述的基于嗅-味联觉感知模型的风味识别方法， 其 特征在于， 所述孤束核模块的拓扑结构为多输入多输出的结构模式， 孤束核模块接受 面神经模块、 舌咽神经模块、 迷走神经模块及三叉神经模块的输出和岛叶皮层模块的反馈 信息， 并输出味觉信息至丘脑腹后内侧核模块和岛叶皮层模块， 其中三叉神经模块的拓扑 结构为单输出的结构模式； 。

5、三叉神经模块输出信息至孤束核模块， 所述三叉神经模块设置 有一个节点， 为J5； 所述孤束核模块设置有四个节点， 分别为J1、 J2、 K1和K2， 其动力学特性描述模型分别为 公式 （1） 至公式 （4） 的微分方程： （1） （2） 权利要求书 1/4 页 2 CN 111950721 A 2 （3） （4） 其中， a和b1均为微分方程系数， n为味觉感知模型的通道数； J1i(t） 、 J2i(t)、 K1i(t)、 K2i(t)分别为第i通道J1、 J2、 K1、 K2节点的电位状态 (i=1,n)； Q(J1i(t)， Q(J2i(t)， Q(K1i(t)， Q(K2i(t)， Q。

6、(E1i(t)， Q(E2i(t)， Q(E3i(t)及Q(J5i (t)为第i通道J1， J2， K1， K2， E1， E2， E3， J5节点的输出； E1， E2， E3分别为味觉感知模型中对脑神经模块中的面神经模块、 舌咽神经模块、 迷走神 经模块的节点； Q(J1j(t)为第j通道J1节点的输出 (j=1,n)； Q(K1j(t)为第j通道K1节点的输出； D6(t)为味觉神经传导通路中岛叶皮层发出到孤束核的反馈环节的电位状态； Wjj为所有通道J1节点间的连接系数； Wj1j2， Wj2j1为同一通道J1和J2节点的连接系数， 所有通道J1和J2节点的连接系数值一致； Wj1k1。

7、， Wk1j1为同一通道J1和K1节点的连接系数， 所有通道J1和K1节点的连接系数值一致； Wj1k2， Wk2j1为同一通道J1和K2节点的连接系数， 所有通道J1和K2节点的连接系数值一致； Wj1e1为同一通道J1和E1节点的连接系数， 所有通道J1和E1节点的连接系数值一致； Wj1e2为同一通道J1和E2节点的连接系数， 所有通道J1和E2节点的连接系数值一致； Wj1e3为同一通道J1和E3节点的连接系数， 所有通道J1和E3节点的连接系数值一致； Wj1j5为同一通道J1和J5节点的连接系数， 所有通道J1和J5节点的连接系数值一致； Wj2k1， Wk1j2为同一通道J2和K。

8、1节点的连接系数， 所有通道J2和K1节点的连接系数值一致； Wkk为所有通道K1节点间的连接系数； Wk1k2， Wk2k1为同一通道K1和K2节点的连接系数， 所有通道K1和K2节点的连接系数值一致； Kd6为J1节点和反馈环节D6间的连接系数； i， j取值均为1至n， ij， n为味觉感知模型 通道数。 3.根据权利要求1所述的基于嗅-味联觉感知模型的风味识别方法， 其 特征在于， 所述丘脑腹后内侧核模块的拓扑结构为多输入单输出的结构模式， 即丘脑 腹后内侧核模块接受孤束核模块、 岛叶皮层模块的味觉信息及前梨状皮层模块的嗅觉信 权利要求书 2/4 页 3 CN 111950721 A 。

9、3 息， 并输出至岛叶皮层模块， 所述丘脑腹后内侧核模块设置有四个节点， 分别为J3、 J4、 K3、 K4， 其动力学特性描述模型分别为公式 （8） 至公式 （11） 的微分方程： （8） （9） （10） （11） 其中， a和b1均为微分方程系数， n为味觉感知模型的通道数； J3(t)， J4(t)， K3(t)， K4(t)为J3， J4， K3， K4节点的电位状态； Q(J3(t)， Q(J4(t)， Q(K3(t)， Q(K4(t)， Q(B3(t)为J3， J4， K3， K4， B3节点的输出； B3节点为前梨状皮层模块节点； Q(J1j(t)为第j通道J1节点的输出， 其。

10、中 j取值为1至n； D5(t)为味觉传导通路中岛叶皮层到丘脑腹后内侧核反馈环节的电位状态； Wj3j1为所有通道J1节点和J3节点的连接系数； Wj3j4， Wj4j3为J3和J4节点的连接系数； 权利要求书 3/4 页 4 CN 111950721 A 4 Wj3k3， Wk3j3为J3和K3节点的连接系数； Wj3k4， Wk4j3为J3和K4节点的连接系数； Wj4k3， Wk3j4为J4和K3节点的连接系数； Wk3k4， Wk4k3为K3和K4节点的连接系数； Kd5为J3节点和反馈环节D5间的连接系数；为味觉感知模型的中心噪声的电 位状态。 4.根据权利要求1所述的基于嗅-味联觉。

11、感知模型的风味识别方法， 其 特征在于， 所述联接结构模块的拓扑结构为多输入的结构模式， 联接结构模块接受味 觉神经系统岛叶皮层模块及丘脑腹后内侧核模块的味觉信息及嗅觉神经系统外皮层模块 的嗅觉信息， 所述嗅-味觉联接结构模块N节点的动力学特性描述模型为公式 （22） 的微分方 程： （22） 其中， a和b1均为微分方程系数， s为味觉感知模型的通道数减1； Nl(t) 为第l通道N节点的电位状态， l=1,2,n； n为味觉感知模型通道数； Q(K3(t)， Q(M(t)， Q(C(t)为K3， M， C节点的输出； Q(Nj(t)为第j通道N节点的输出， 其中 l取值为1至s； Wnn为。

12、所有通道N节点间的连接系数； Wnk3为K3和N节点的连接系数； Wnm为N和M节点的连接系数； Wnc为N和C节点的连接系数； Q(C(t)为外皮层模块的输出， 外皮层模块用C节点表示； Q(M(t)为岛叶皮层模块的输出， 岛叶皮层模块用M节点表示。 5.根据权利要求1所述的基于嗅-味联觉感知模型的风味识别方法， 其 特征在于， 所述嗅-味联觉感知模型中， 三叉神经模块J5节点与孤束核模块J1节点相联， J5节点输出兴奋性信息至J1节点； 前梨状皮层模块的B3输出抑制性嗅觉信息至丘脑腹后内侧核模块的J3节点， 这条纤维 联系连接嗅-味觉感知模型； 来自外皮层模块的嗅觉信息与岛叶皮层模块的味觉。

13、信息以线性叠加方式输入到嗅-味 觉联接结构模块的N节点， 此外， N节点接受来自丘脑腹后内侧核模块K3节点的输出； 嗅-味联觉感知模型所有通道的N节点之间存在侧向连接， 每一通道N节点接受来自其 他通道N节点的兴奋性输出。 权利要求书 4/4 页 5 CN 111950721 A 5 一种基于嗅-味联觉感知模型的风味识别方法 技术领域 0001 本发明涉及风味识别方法技术领域， 具体涉及一种基于嗅-味联觉感知模型的风 味识别方法。 背景技术 0002 目前， 针对嗅-味觉神经传导机制的研究多与人体感官测试建立联系， 相关学者已 通过生理解剖、 电生理实验、 电磁成像技术、 脑成像技术等手段探究。

14、大脑皮层中枢神经系统 的嗅-味联觉机制， 有文献中揭示暴露在空气中食物的气味会对被试者的食欲产生显著影 响， 令人产生愉悦感的事物会提升被试者的饥饿感从而增加食欲； 有文献中指出食物是嗅 觉刺激为其味觉整体体验作出较大贡献产品类别， 大部分与食品有关的味觉感官享乐和评 价是依赖于嗅觉感知才得以形成的， 这一点通过研究嗅觉丧失症患者的味觉感知得以被证 实； 有文献发现人们对食物感知和喜爱感的形成来嗅觉和味觉系统的信息联觉能力， 并通 过实验加以验证， 结果表明， 将原发性嗅觉皮层鉴定为在对食物感知和喜爱感形成中起重 要作用的可能位点。 有论文及专利分别提出嗅、 味觉感知模型， 但食品进行感官体验。

15、和感官 评价通常是人体味觉与嗅觉协同作用之后的感官混合现象， 这两种模型均从单一感官通道 角度出发， 未考虑到嗅觉和味觉之间的感官混合现象。 0003 上述针对嗅-味联觉传导机制的研究， 主要是生理实验或单一嗅/味觉系统得到的 研究成果， 但是并没有对整体嗅-味联觉传导机制及其感知能力进行研究， 无法实现高度仿 生。 发明内容 0004 本发明的主要目的在于提供一种基于嗅-味联觉感知模型的风味识别方法。 0005 本发明采用的技术方案是： 一种基于嗅-味联觉感知模型的风味识别方法， 包括以 下步骤： S1： 建立嗅-味联觉感知模型中孤束核模块的拓扑结构和动力学特性描述模型； S2： 建立嗅-味。

16、联觉感知模型中丘脑腹后内侧核模块的拓扑结构和动力学特性描述模 型； S3： 建立嗅-味联觉感知模型中联接结构模块的拓扑结构和动力学特性描述模型； S4： 通过结合步骤S1-S3中模块及对脑神经模块、 三叉神经模块、 岛叶皮层模块、 球周细 胞模块、 嗅球模块、 前嗅核模块、 前梨状皮层模块、 外皮层模块及嗅-味觉反馈模块构建嗅- 味联觉感知模型； S5： 通过嗅-味觉传感器获取不同样本的风味信息并输入步骤S4中的嗅-味联觉感知模 型中； S6： 通过小波包变换方法提取嗅-味联觉感知模型在输入不同样本的风味信息下的特 征， 并将此特征输入到GS-SVM模型中， 实现对不同样本的定性分类。 000。

17、6 进一步地， 所述孤束核模块的拓扑结构为多输入多输出的结构模式， 孤束核模块 说明书 1/17 页 6 CN 111950721 A 6 接受面神经模块、 舌咽神经模块、 迷走神经模块及三叉神经模块的输出和岛叶皮层模块的 反馈信息， 并输出味觉信息至丘脑腹后内侧核模块和岛叶皮层模块， 其中三叉神经模块的 拓扑结构为单输出的结构模式； 三叉神经模块输出信息至孤束核模块， 所述三叉神经模块 设置有一个节点， 为J5； 所述孤束核模块设置有四个节点， 分别为J1、 J2、 K1和K2， 其动力学特性描述模型分别为 公式 （1） 至公式 （4） 的微分方程： （1） （2） （3） （4） 说明书 。

18、2/17 页 7 CN 111950721 A 7 其中， a和b1均为微分方程系数， n为味觉感知模型的通道数； J1i(t） 、 J2i(t)、 K1i(t)、 K2i(t)分别为第i通道J1、 J2、 K1、 K2节点的电位状态 (i=1,n)； Q(J1i(t)， Q(J2i(t)， Q(K1i(t)， Q(K2i(t)， Q(E1i(t)， Q(E2i(t)， Q(E3i(t)及Q(J5i (t)为第i通道J1， J2， K1， K2， E1， E2， E3， J5节点的输出； E1， E2， E3分别为味觉感知模型中对脑神经模块中的面神经模块、 舌咽神经模块、 迷走神 经模块的节点。

19、； Q(J1j(t)为第j通道J1节点的输出 (j=1,n)； Q(K1j(t)为第j通道K1节点的输出； D6(t)为味觉神经传导通路中岛叶皮层发出到孤束核的反馈环节的电位状态； Wjj为所有通道J1节点间的连接系数； Wj1j2， Wj2j1为同一通道J1和J2节点的连接系数， 所有通道J1和J2节点的连接系数值一致； Wj1k1， Wk1j1为同一通道J1和K1节点的连接系数， 所有通道J1和K1节点的连接系数值一致； Wj1k2， Wk2j1为同一通道J1和K2节点的连接系数， 所有通道J1和K2节点的连接系数值一致； Wj1e1为同一通道J1和E1节点的连接系数， 所有通道J1和E1。

20、节点的连接系数值一致； Wj1e2为同一通道J1和E2节点的连接系数， 所有通道J1和E2节点的连接系数值一致； Wj1e3为同一通道J1和E3节点的连接系数， 所有通道J1和E3节点的连接系数值一致； Wj1j5为同一通道J1和J5节点的连接系数， 所有通道J1和J5节点的连接系数值一致； Wj2k1， Wk1j2为同一通道J2和K1节点的连接系数， 所有通道J2和K1节点的连接系数值一致； Wkk为所有通道K1节点间的连接系数； Wk1k2， Wk2k1为同一通道K1和K2节点的连接系数， 所有通道K1和K2节点的连接系数值一致； Kd6为J1节点和反馈环节D6间的连接系数； i， j取值。

21、均为1至n， ij， n为味觉感知模型 通道数。 0007 更进一步地， 所述丘脑腹后内侧核模块的拓扑结构为多输入单输出的结构模式， 即丘脑腹后内侧核模块接受孤束核模块、 岛叶皮层模块的味觉信息及前梨状皮层模块的嗅 觉信息， 并输出至岛叶皮层模块， 所述丘脑腹后内侧核模块设置有四个节点， 分别为J3、 J4、 K3、 K4， 其 动 力 学 特 性 描 述 模 型 分 别 为 公 式（8）至 公 式（1 1）的 微 分 方 程 ： （8） 说明书 3/17 页 8 CN 111950721 A 8 （9） （10） （11） 其中， a和b1均为微分方程系数， n为味觉感知模型的通道数； J3。

22、(t)， J4(t)， K3(t)， K4(t)为J3， J4， K3， K4节点的电位状态； Q(J3(t)， Q(J4(t)， Q(K3(t)， Q(K4(t)， Q(B3(t)为J3， J4， K3， K4， B3节点的输出； B3节点为前梨状皮层模块节点； Q(J1j(t)为第j通道J1节点的输出， 其中 j取值为1至n； D5(t)为味觉传导通路中岛叶皮层到丘脑腹后内侧核反馈环节的电位状态； Wj3j1为所有通道J1节点和J3节点的连接系数； Wj3j4， Wj4j3为J3和J4节点的连接系数； Wj3k3， Wk3j3为J3和K3节点的连接系数； Wj3k4， Wk4j3为J3和K。

23、4节点的连接系数； Wj4k3， Wk3j4为J4和K3节点的连接系数； Wk3k4， Wk4k3为K3和K4节点的连接系数； Kd5为J3节点和反馈环节D5间的连接系数；为味觉感知模型的中心噪声的电 位状态。 0008 更进一步地， 所述联接结构模块的拓扑结构为多输入的结构模式， 联接结构模块 接受味觉神经系统岛叶皮层模块及丘脑腹后内侧核模块的味觉信息及嗅觉神经系统外皮 层模块的嗅觉信息， 所述嗅-味觉联接结构模块N节点的动力学特性描述模型为公式 （22） 的 微分方程： 说明书 4/17 页 9 CN 111950721 A 9 （22） 其中， a和b1均为微分方程系数， s为味觉感知模。

24、型的通道数减1； Nl(t) 为第l通道N节点的电位状态， l=1,2,n； n为味觉感知模型通道数； Q(K3(t)， Q(M(t)， Q(C(t)为K3， M， C节点的输出； Q(Nj(t)为第j通道N节点的输出， 其中 l取值为1至s； Wnn为所有通道N节点间的连接系数； Wnk3为K3和N节点的连接系数； Wnm为N和M节点的连接系数； Wnc为N和C节点的连接系数； Q(C(t)为外皮层模块的输出， 外皮层模块用C节点表示； Q(M(t)为岛叶皮层模块的输出， 岛叶皮层模块用M节点表示。 0009 更进一步地， 所述嗅-味联觉感知模型中， 三叉神经模块J5节点与孤束核模块J1节 。

25、点相联， J5节点输出兴奋性信息至J1节点； 前梨状皮层模块的B3输出抑制性嗅觉信息至丘脑腹后内侧核模块的J3节点， 这条纤维 联系连接嗅-味觉感知模型； 来自外皮层模块的嗅觉信息与岛叶皮层模块的味觉信息以线性叠加方式输入到嗅-味 觉联接结构模块的N节点， 此外， N节点接受来自丘脑腹后内侧核模块K3节点的输出； 嗅-味联觉感知模型所有通道的N节点之间存在侧向连接， 每一通道N节点接受来自其 他通道N节点的兴奋性输出。 0010 本发明的优点： 本发明提出的风味识别方法从嗅-味神经传导动力学特性角度描述人类风味信息的处 理过程， 贴近人类的嗅-味联觉体验， 提高风味识别系统的仿生度。 0011。

26、 本发明的风味识别方法能够准确的对酒类或其它液体饮料的风味信息进行识别， 并作出定性分类， 可以广泛应用于酒类及其它饮料的生产和鉴别之中。 0012 除了上面所描述的目的、 特征和优点之外， 本发明还有其它的目的、 特征和优点。 下面将参照图， 对本发明作进一步详细的说明。 附图说明 0013 构成本申请的一部分的附图用来提供对本发明的进一步理解， 本发明的示意性实 施例及其说明用于解释本发明， 并不构成对本发明的不当限定。 0014 图1是本发明的一种基于嗅-味联觉感知模型的风味识别方法的孤束核模块的拓 扑结构； 说明书 5/17 页 10 CN 111950721 A 10 图2是本发明的。

27、一种基于嗅-味联觉感知模型的风味识别方法的三叉神经模块的拓扑 结构； 图3是本发明的一种基于嗅-味联觉感知模型的风味识别方法的丘脑腹后内侧核模块 的拓扑结构； 图4是本发明的一种基于嗅-味联觉感知模型的风味识别方法的前梨状皮层模块的拓 扑结构； 图5是本发明的一种基于嗅-味联觉感知模型的风味识别方法的联接结构模块的拓扑 结构； 图6是本发明的一种基于嗅-味联觉感知模型的风味识别方法的外皮层模块的拓扑结 构； 图7是本发明的一种基于嗅-味联觉感知模型的风味识别方法的岛叶皮层模块的拓扑 结构； 图8是本发明的一种基于嗅-味联觉感知模型的风味识别方法的整体嗅-味联觉感知模 型的拓扑结构； 图9是本发。

28、明的一种基于嗅-味联觉感知模型的风味识别方法的流程图； 图10是本发明的一种基于嗅-味联觉感知模型的风味识别方法的不同品牌啤酒风味信 息的雷达图； 图11是本发明的一种基于嗅-味联觉感知模型的风味识别方法中GS-SVM的参数搜索过 程； 图12是本发明的一种基于嗅-味联觉感知模型的风味识别方法中GS-SVM的分类结果。 具体实施方式 0015 为了使本发明的目的、 技术方案及优点更加清楚明白， 以下结合附图及实施例， 对 本发明进行进一步详细说明。 应当理解， 此处所描述的具体实施例仅仅用以解释本发明， 并 不用于限定本发明。 0016 参考图1至图12， 一种基于嗅-味联觉感知模型的风味识别。

29、方法， 包括以下步骤： S1： 建立嗅-味联觉感知模型中孤束核模块的拓扑结构和动力学特性描述模型； S2： 建立嗅-味联觉感知模型中丘脑腹后内侧核模块的拓扑结构和动力学特性描述模 型； S3： 建立嗅-味联觉感知模型中联接结构模块的拓扑结构和动力学特性描述模型； S4： 通过结合步骤S1-S3中模块及对脑神经模块、 三叉神经模块、 岛叶皮层模块、 球周细 胞模块、 嗅球模块、 前嗅核模块、 前梨状皮层模块、 外皮层模块及嗅-味觉反馈模块构建嗅- 味联觉感知模型； S5： 通过嗅-味觉传感器获取不同样本的风味信息并输入步骤S4中的嗅-味联觉感知模 型中； S6： 通过小波包变换方法提取嗅-味联觉。

30、感知模型在输入不同样本的风味信息下的特 征， 并将此特征输入到GS-SVM模型中， 实现对不同样本的定性分类。 0017 本实施例中， 所述孤束核模块的拓扑结构为多输入多输出的结构模式， 孤束核模 块接受面神经模块、 舌咽神经模块、 迷走神经模块及三叉神经模块的输出和岛叶皮层模块 说明书 6/17 页 11 CN 111950721 A 11 的反馈信息， 并输出味觉信息至丘脑腹后内侧核模块和岛叶皮层模块， 其中三叉神经模块 的拓扑结构为单输出的结构模式； 如图2所示， 三叉神经模块输出信息至孤束核模块， 所述 三叉神经模块设置有一个节点， 为J5； 所述孤束核模块设置有四个节点， 分别为J1。

31、、 J2、 K1和K2， 其动力学特性描述模型分别为 公式 （1） 至公式 （4） 的微分方程： （1） （2） （3） （4） 其中， a和b1均为微分方程系数， n为味觉感知模型的通道数； 说明书 7/17 页 12 CN 111950721 A 12 J1i(t） 、 J2i(t)、 K1i(t)、 K2i(t)分别为第i通道J1、 J2、 K1、 K2节点的电位状态 (i=1,n)； Q(J1i(t)， Q(J2i(t)， Q(K1i(t)， Q(K2i(t)， Q(E1i(t)， Q(E2i(t)， Q(E3i(t)及Q(J5i (t)为第i通道J1， J2， K1， K2， E1，。

32、 E2， E3， J5节点的输出； E1， E2， E3分别为味觉感知模型中对脑神经模块中的面神经模块、 舌咽神经模块、 迷走神 经模块的节点； Q(J1j(t)为第j通道J1节点的输出 (j=1,n)； Q(K1j(t)为第j通道K1节点的输出； D6(t)为味觉神经传导通路中岛叶皮层发出到孤束核的反馈环节的电位状态； Wjj为所有通道J1节点间的连接系数； Wj1j2， Wj2j1为同一通道J1和J2节点的连接系数， 所有通道J1和J2节点的连接系数值一致； Wj1k1， Wk1j1为同一通道J1和K1节点的连接系数， 所有通道J1和K1节点的连接系数值一致； Wj1k2， Wk2j1为同。

33、一通道J1和K2节点的连接系数， 所有通道J1和K2节点的连接系数值一致； Wj1e1为同一通道J1和E1节点的连接系数， 所有通道J1和E1节点的连接系数值一致； Wj1e2为同一通道J1和E2节点的连接系数， 所有通道J1和E2节点的连接系数值一致； Wj1e3为同一通道J1和E3节点的连接系数， 所有通道J1和E3节点的连接系数值一致； Wj1j5为同一通道J1和J5节点的连接系数， 所有通道J1和J5节点的连接系数值一致； Wj2k1， Wk1j2为同一通道J2和K1节点的连接系数， 所有通道J2和K1节点的连接系数值一致； Wkk为所有通道K1节点间的连接系数； Wk1k2， Wk2。

34、k1为同一通道K1和K2节点的连接系数， 所有通道K1和K2节点的连接系数值一致； Kd6为J1节点和反馈环节D6间的连接系数； i， j取值均为1至n， ij， n为味觉感知模型 通道数。 0018 本实施例中， 味觉感知模型中对脑神经模块 （E1， E2， E3） 的动力学特性描述模型： (5) (6) (7) 说明书 8/17 页 13 CN 111950721 A 13 E1i(t） 、 E2i(t)、 E3i(t)分别为第i通道E1、 E2、 E3节点的电位状态； i=1,2,n， n为味觉感 知模型通道数； Wr1， Wr2， Wr3为同一通道E1， E2和E3节点与RG的连接系数。

35、， 所有通道的连接系数值一致； We3e2为同一通道E2和E3节点间的连接系数， 所有通道的连接系数值一致； NGp(t)为味觉感知模型中外周噪声的电位状态； a和b1为微分方程系数； RG为味觉感知 模型中的外界刺激； RGi(t)为第i通道味觉感知模型外界刺激的电位状态。 0019 本实施例中， 所述丘脑腹后内侧核模块的拓扑结构为多输入单输出的结构模式， 如图3所示， 即丘脑腹后内侧核模块接受孤束核模块、 岛叶皮层模块的味觉信息及前梨状皮 层模块的嗅觉信息， 并输出至岛叶皮层模块， 所述丘脑腹后内侧核模块设置有四个节点， 分 别为J3、 J4、 K3、 K4， 其动力学特性描述模型分别为公。

36、式 （8） 至公式 （11） 的微分方程： （8） （9） （10） （11） 说明书 9/17 页 14 CN 111950721 A 14 其中， a和b1均为微分方程系数， n为味觉感知模型的通道数； J3(t)， J4(t)， K3(t)， K4(t)为J3， J4， K3， K4节点的电位状态； Q(J3(t)， Q(J4(t)， Q(K3(t)， Q(K4(t)， Q(B3(t)为J3， J4， K3， K4， B3节点的输出； Q(J1j(t)为第j通道J1节点的输出， 其中 j取值为1至n； D5(t)为味觉传导通路中岛叶皮层到丘脑腹后内侧核反馈环节的电位状态； Wj3j1为所。

37、有通道J1节点和J3节点的连接系数； Wj3j4， Wj4j3为J3和J4节点的连接系数； Wj3k3， Wk3j3为J3和K3节点的连接系数； Wj3k4， Wk4j3为J3和K4节点的连接系数； Wj4k3， Wk3j4为J4和K3节点的连接系数； Wk3k4， Wk4k3为K3和K4节点的连接系数； Kd5为J3节点和反馈环节D5间的连接系数；为味觉感知模型的中心噪声的 电位状态。 0020 本实施例中， 所述Q(B3(t)为B3节点的输出， 为嗅觉感知模型中前梨状皮层模块的 输出； 前梨状皮层模块的拓扑结构为多输入多输出的结构模式， 如图4所示， 前梨状皮层模 块接受嗅球模块及外皮层模。

38、块的信息， 并输出至外皮层模块、 丘脑腹后内侧核模块及前嗅 核模块； 所述前梨状皮层模块设置有四个节点， 分别为A1、 A2、 B3、 B4， 其动力学特性描述模型分 别为公式 （12） 至公式 （15） 的微分方程： （12） （13） 说明书 10/17 页 15 CN 111950721 A 15 （14） （15） 其中， a和b2均为微分方程系数， m为嗅觉感知模型的通道数； A1(t） 、 A2(t)、 B3(t)、 B4(t) 分别为A1、 A2、 B3、 B4节点的电位状态； Q(A1(t)， Q(A2(t)， Q(B3(t)， Q(B4(t)， Q(C(t)为A1， A2， 。

39、B3， B4， C节点的输出， 其中C 节点为嗅觉感知模型中外皮层模块的拓扑形式； Q(M1k(t)为第k通道M1节点的输出， M1节点为嗅觉传导模型中嗅球的关键节点 (k= 1,m)； Wb3c为B3和C节点间的连接系数； Wa1m为所有通道M1节点与A1节点间的连接系数； Wa1a2， Wa2a1为A1和A2节点的连接系数； Wa1b3， Wb3a1为A1和B3节点的连接系数； Wa1b4， Wb4a1为A1和B4节点的连接系数； Wa2b3和Wb3a2为A2和B3节点的连接系数； Wb3b4， Wb4b3为B3和B4节点的连接系数。 0021 本实施例中， 嗅觉感知模型中嗅球模块 （M1。

40、， M2， G1， G2） 的动力学特性描述模型为： （16） 说明书 11/17 页 16 CN 111950721 A 16 （17） （18） （19） 其中， M1l(t） 、 M2l(t)、 G1l(t)、 G2l(t)分别为第l通道M1、 M2、 G1、 G2节点的电位状态 (l= 1,m)， m为嗅觉感知模型的通道数； a和b2均为微分方程系数； Q(M1l(t)， Q(M2l(t)， Q(G1l(t)， Q(G2l(t)， Q(P1l(t)， 为第l通道M1， M2， G1， G2， P1节点 的输出， 其中P1节点为嗅觉感知模型中球周细胞模块节点； Q(M1j(t)为第j通道。

41、M1节点的输出 (j=1,m)； Q(G1j(t)为第j通道G1节点的输出； D1(t)为嗅觉神经传导通路中前嗅核发出到嗅球的反馈环节的电位状态； D4(t)为嗅觉神经传导通路中外皮层发出到嗅球的反馈环节的电位状态； 为所有通道M1， G1节点间的连接系数； Wm1g1， Wg1m1为同一通道M1和G1节点的连接系数， 所有通道M1和G1节点的连接系数值一致； Wm1g2， Wg2m1为同一通道M1和G2节点的连接系数， 所有通道M1和G2节点的连接系数值一致； Wm1p1为同一通道M1和P1节点的连接系数， 所有通道M1和P1节点的连接系数值一致； Wm1r为同一通道M1和ROl的连接系数，。

42、 所有通道M1和ROl的连接系数值一致； ROl为第l通 道的外界刺激， 所有通道的外界刺激一致； ROl(t)为第l通道外界刺激的电位状态； Wm2g1， Wg1m2为同一通道M2和G1节点的连接系数， 所有通道M2和G1节点的连接系数值一致； Wg1g2为同一通道G1和G2节点的连接系数， 所有通道G1和G2节点的连接系数值一致； Wm1m2为同一通道M1和M2节点的连接系数， 所有通道M1和M2节点的连接系数值一致。 说明书 12/17 页 17 CN 111950721 A 17 0022 本实施例中， 嗅觉感知模型中球周细胞模块 （P1， P2） 的动力学特性描述模型为： （20） 。

43、（21） 其中， P1l(t） 、 P2l(t)为第l通道P1、 P2节点的电位状态 (l=1,m)， m为嗅觉感知模型的 通道数； a和b2均为微分方程系数； Q(P1l(t)为第l通道P1节点的输出； Q(P1j(t)为第j通道P1节点的输出 (j=1,m)； D2(t)为嗅觉神经传导通路中前嗅核发出到球周细胞的反馈环节的电位状态； Wpp为所有通道P1节点间的连接系数； Wp1p2为同一通道P1和P2节点的连接系数， 所有通道P1和P2节点的连接系数值一致。 0023 本实施例中， 所述联接结构模块的拓扑结构为多输入的结构模式， 如图5所示， 联 接结构模块接受味觉神经系统岛叶皮层模块及。

44、丘脑腹后内侧核模块的味觉信息及嗅觉神 经系统外皮层模块的嗅觉信息， 所述嗅-味觉联接结构模块N节点的动力学特性描述模型为 公式 （22） 的微分方程： （22） 其中， a和b1均为微分方程系数， s为味觉感知模型的通道数减1； Nl(t) 为第l通道N节点的电位状态， l=1,2,n； n为味觉感知模型通道数； Q(K3(t)， Q(M(t)， Q(C(t)为K3， M， C节点的输出； Q(Nj(t)为第j通道N节点的输出， 其中 l取值为1至s； Wnn为所有通道N节点间的连接系数； Wnk3为K3和N节点的连接系数； 说明书 13/17 页 18 CN 111950721 A 18 W。

45、nm为N和M节点的连接系数； Wnc为N和C节点的连接系数； Q(C(t)为外皮层模块的输出， 外皮层模块的拓扑结构为单输入多输出的结构模式， 如 图6所示， 外皮层模块接受前梨状皮层模块的嗅觉信息， 并输出信息至嗅球模块、 前梨状皮 层模块及联接结构模块； 外皮层模块用C节点表示； Q(M(t)为岛叶皮层模块的输出， 岛叶皮层模块的拓扑结构为多输入多输出的结构模 式， 如图7所示， 岛叶皮层模块接受孤束核模块、 丘脑腹后内侧核模块的信息， 并输出信息至 孤束核模块、 丘脑腹后内侧核模块及联接结构模块； 岛叶皮层模块用M节点表示。 0024 本实施例中， 所述嗅-味联觉感知模型中， 如图8所示。

46、， 三叉神经模块J5节点与孤束 核模块J1节点相联， J5节点输出兴奋性信息至J1节点； J1还接受来自对脑神经模块E1、 E2、 E3节点的兴奋性输出信息； 前梨状皮层模块A1节点接受来自嗅球模块所有M1节点的嗅觉处理信息， 并输出信息至 前嗅核模块的I1节点； 前梨状皮层模块的B3输出抑制性嗅觉信息至丘脑腹后内侧核模块的J3节点， 这条纤维 联系连接嗅-味觉感知模型； 来自外皮层模块的嗅觉信息与岛叶皮层模块的味觉信息以线性叠加方式输入到嗅-味 觉联接结构模块的N节点， 此外， N节点接受来自丘脑腹后内侧核模块K3节点的输出； 嗅-味联觉感知模型所有通道的N节点之间存在侧向连接， 每一通道N。

47、节点接受来自其 他通道N节点的兴奋性输出。 0025 实验验证： 本发明中以不同品牌的啤酒为实施例来详细说明本发明的风味识别方法对不同品牌 的啤酒的风味信息识别过程及定性分类， 但是在实际应用中不限于啤酒， 也可以为对其它 酒类及液体饮料的风味信息并对其进行准确的定性分类。 0026 （一） 实验设备及材料 不同样本可以为5种不同品牌的啤酒， 其具体参数见表1： 序号品牌酒精度 （% vol)）原汁麦浓度 （ 。 P）原料产地 1蓝带4.311水、 麦芽、 大米、 啤酒花广东肇庆 2雪花3.39水、 麦芽、 大米、 啤酒花吉林长春 3百威3.69.7水、 麦芽、 小麦、 啤酒花河北唐山 4哈尔。

48、滨3.69.1水、 麦芽、 大米、 啤酒花湖北武汉 5青岛4.311水、 麦芽、 大米、 啤酒花山东青岛 表1 不同品牌啤酒的参数信息 所述嗅觉传感器可以为PEN3电子鼻， 该电子鼻的传感器阵列包含10个金属氧化物传感 器， 可以实现气味信息交叉敏感的检测。 0027 所述味觉传感器可以为SA-402B电子舌， 该电子舌的传感器阵列由2个参比电极和 5个基本味觉传感器构成； 基本味觉传感器能够实现待测样本包括酸、 鲜、 咸、 苦、 涩5种基本 味以及回味的感官信息检测。 0028 （二） 获取不同品牌啤酒风味信息的具体过程： 1、 不同品牌啤酒嗅觉信息获取 （1） 实验人员将5ml啤酒样本放入。

49、50ml样品瓶， 拧紧瓶盖并保持10分钟， 确保密封瓶顶 说明书 14/17 页 19 CN 111950721 A 19 部气体达到饱和状态； （2） 气体检测之前， 实验人员需要清洗和校正传感器气室。 具体操作是： 向空气室内通 入流速为300ml/min活性炭干燥的清洁气体， 保持60s； （3） 校正完成后， 检测开始。 每组样本检测100s来使得传感器响应值达到稳定状态。 传 感器响应值是G/G0（G0/G） ， 其中G是为被测气体进入气室时传感器的电导， G0为纯净的空气 进入气室时传感器的电导。 0029 （4） 每种啤酒准备18组平行样品， 5种啤酒共获得90组数据。 取传感器。

50、响应曲线第 60s的电导率值作为特征值用于数据分析。 啤酒嗅-味觉信息获取实验条件一致： 室温20 0.5， 相对湿度为652%RH。 0030 2、 不同品牌啤酒味觉信息获取 （1） 放啤酒样本、 参比溶液和正负极清洗溶液； 所述参比溶液为含有0.3 mmol/L酒石酸和30mmol/L氯化钾的溶液； 所述正极清洗液的 制备过程为： 向约500毫升蒸馏水中加入300mL95%的乙醇， 并充分搅拌后， 再加入100ml 1M 盐酸溶液后， 将该溶液转移至1000mL容量瓶中进行定容， 得到正极清洗液； 所述负极清洗液 的制备过程为： 在约500ml蒸馏水中加入7.46g氯化钾、 500mL95。