随着科学技术的飞速发展,人们对舒适、智能化家居生活的追求也随之增加,而伴随着这种追求增加的还有各种室内空气污染问题。品质参次不齐的建筑材料、装饰材料所带来的各种有害气体,以及生活中常见的香烟、劣质香水等气味都会导致室内空气质量不断恶化,危害长期居住于其中的居民的身体健康。传统家电使用单一传感器监测单个气味成分的方法已不足以应对日益增多的室内空气污染源,同时也不能满足人们对智能化生活方式的需求。本课题依托现有的智能家居物联网云平台,结合仿生嗅觉与模式识别,设计了基于仿生嗅觉的家居异味智能监测系统。根据所需要识别的家居异味种类,构建了可搭载于家电设备上的气味感知模块。同时提出了可应用于智能家居系统中的气味监测方案,相比于传统家电的机器本地识别,本方案在云平台执行对家居异味的识别任务,降低了家电设备运行负担。对比BP-Adaboost方法和仿生嗅觉的传统气味识别方法(PCA+LDA)对家居异味的分类识别效果。最后进行了系统性能测试。具体工作如下:1.对室内气味检测技术与仿生嗅觉的国内外研究现状进行了介绍与分析。2.家居异味智能监测系统架构设计与气味监测方案设计。3.家居异常气味特征数据库的构建,其中包括作为采集端的气味感知模块的设计;针对真实环境的特殊性,提出了可行的家居异常气味样本的采集方案;以及最后的气味特征数据库建立。数据库的建立为后续气味识别模型的验证分析提供了基础。4.BP-Adaboost气味识别方法与传统仿生嗅觉气味识别方法(PCA+LDA)的对比分析,通过对比两者对测试样本集的识别率,以及对比BP-Adaboost分类器与其基分类器对同一批测试样本集的识别率,判断BP-Adaboost作为家居异味识别模型的可行性。结果表明,BP-Adaboost对于家居异常气味测试样本集的识别率达到了88.0%,高于使用PCA+LDA方法或单一基分类器对测试样本集的识别率。因此选择BP-Adaboost作为云平台的气味识别模型。5.系统性能检测,通过对系统功能以及气味监测性能进行测试,测试结果表明,本课题中所设计基于仿生嗅觉的家居异味智能监测系统能够实现对常见家居异常气味的监测,该系统具备可行性。