摘要
本发明提供一种电子鼻轻量化气体识别方法，兼顾了气体识别的准确性和模型的轻量化，可部署在资源受限的电子鼻微处理器上。本发明包括如下步骤：（一）、使用电子鼻进行数据采集，并对数据进行预处理；（二）、模型预训练，包括如下步骤：（1）、对预处理后的数据进行处理，生成虚拟传感器信号；（2）、使用生成的虚拟传感器信号构建马尔可夫链，并生成马尔可夫转移场时空伪图像；（3）、将时空伪图像作为输入，对卷积神经网络模型进行多轮并行训练，选出预训练好的最终模型；（三）、将模型部署到电子鼻的微处理器上；当在实际场景中使用该电子鼻时，电子鼻采集气体信号数据，由该电子鼻微处理器中的预训练模型推理识别，得到最终识别结果。
