一种基于分组卷积-TCN神经网络的气体识别方法

本发明涉及深度学习及气体识别技术领域，尤其涉及一种基于分组卷积‑TCN神经网络的气体识别方法，包括如下步骤：步骤1：使用MEMS气体传感器阵列采集气体数据，得到不同流量下的MEMS气体传感器阵列气体数据集；步骤2：对得到的试验数据进行预处理；步骤3：模型建立：构建分组卷积神经网络与TCN神经网络相结合的模型，用于提取与流量无关的气体传感器的特征，并实现气体识别；步骤4：完成模型训练和性能评估；步骤5：量化并部署分组卷积‑TCN神经网络模型。本发明将气体传感器数据使用分组卷积进行流量补偿，提高了在不同流量下对目标气体的检测精度；同时本发明改进了TCN神经网络结构，使用深度可分离卷积替代经典卷积，使得模型尺寸和推理时间显著减少。