杨志蒙，赵永礼，温举洪，彭志，银建新
（201620 上海市 上海工程技术大学 机械与汽车工程学院）
电子鼻检测是一种模仿生物嗅觉系统的智能识别技术，主要是通过气体传感器阵列与被测样本挥发的气体发生响应以获取被测样本信息，具有响应快速、灵敏度高、成本低和操作方便等特点。随着气体传感器的发展，电子鼻技术被广泛应用于食品质量检测、环境检测、疾病诊断和危险气体识别等领域[1-3]，其中食品质量与人们的身体健康密切相关，因此利用电子鼻技术对食品方面的研究成为近年来的研究热点[4-7]。例如，Rubio 等[8]采用adaline 神经网络有效区分了水果和蔬菜，但采用的系统需要800 s 的采样时间；
徐赛等[9]通过特征提取和概率神经网络（PNN）等算法很好地区分了普洱茶的种类；
王超等[10]采用核熵成分分析（KPCA）、线性判别分析（LDA）和支持向量机（SVM）等协同降维算法对不同白酒进行分类，并实现了96%的准确率。上述研究虽然对食品种类有了较好的区分，但存在采样时间长、传感器阵列数量多、功耗大等缺点。
针对上述研究存在的问题，本文设计了一种基于温度调制的电子鼻系统，通过对气体传感器提供不同的加热温度达到传感器复用的效果，有效减少了传感器阵列的数量，且具有响应快速、采样时间短等优点。利用电子鼻温度调制系统采集了烟台、洛川、灵宝和昭通4 个产地的苹果气味信息，并采用主成分分析（PCA）处理气味特征数据，利用支持向量机（SVM）和卷积神经网络（CNN）机器学习算法对不同产地的苹果进行分类识别，其中基于温度调制数据的算法识别比单一温度下的算法识别准确率更高。
1.1 系统工作原理
本电子鼻温度调制系统主要为半导体气体传感器提供加热电压，使得气体传感器在不同的加热温度下进行数据采集和处理，通过单片机ADC 模块采集气体传感器响应数据，并通过串口发送到PC 端上位机显示。图1 为气味识别系统工作原理框图[11]。
图1 气味识别系统工作原理Fig.1 Working principle of odor recognition system
1.2 硬件电路设计
系统温度调制电路如图2 所示，采用STM32F103C8T6 为主控芯片。为达到调制不同加热温度的目的，采用MCP41010 数字电位器对输出的加热电压分压，并设计功率放大电路使传感器能够稳定工作[12]。其中，MCP41010 是一个10 k 的数字电位器，具有256 个离散的滑动调节节点，可通过上位机软件调节不同的节点位置改变其阻值。
图2 温度调制电路Fig.2 Temperature modulation circuit
为使传感器能够稳定工作，采用功率放大电路（OCL）对数字电位器输出的功率进行放大，晶体管Q1采用NPN 型三极管2N3904，Q2采用PNP 型三极管2N3906，其最大功率P 的计算公式为：
式中：VCC——功率放大电路提供的供电电压；
UCES——三极管饱和压降；
RL——气体传感器加热电极电阻值。
苹果是世界四大水果之冠，因其爽脆的口感和富含丰富的营养价值而被广大消费者喜爱[13]。我国市场上的苹果主要来自烟台、洛川、灵宝和昭通四大产地，风味各具特色，而市场上常有非法经营者利用其他产地的苹果冒充四大产地苹果非法经营，破坏了良性市场竞争，因此开发一种快速简便识别苹果产地的方法技术十分重要。本文实验中，分别从烟台、洛川、灵宝和昭通4 个产地购买新鲜成熟的苹果各50 个。
2.1 主要仪器和设备
针对成熟苹果散发出来的芳香气体环境，本电子鼻系统采用3 颗气体传感器GS001、GS002 和GS003 组成阵列，各传感器特性见表1。基于温度调制系统，选择1.8 V 和1.2 V 两种加热电压，并用STM32F103C8T6 单片机采集数据和处理信息。
表1 气体传感器型号及其参数Tab.1 Gas sensor model and parameters
2.2 试验方法
采用设计有温度调制系统的电子鼻系统电子鼻系统对每个苹果样本单独进行气味采集，具体实验步骤如下：
（1）接通电路，加热电压调至1.2 V，将传感器在室温（25 ℃）中预热30 min 达到稳定状态；
（2）将苹果样本放入密闭气室，等待苹果气味充满气室后，用气泵抽取20 s 气室内气体至电子鼻系统；
（3）待传感器响应曲线恢复到稳定状态后，保存数据，进行下一次样本采集；
（4）重复步骤（2）、步骤（3），直至采集完1.2 V 加热电压下所有苹果样本气味；
（5）加热电压调至1.8 V，重复步骤（2）、步骤（3），直至采集完1.8 V 加热电压下所有苹果样本气味。
2.3 算法理论
2.3.1 主成分分析方法（Principal Component Analysis,PCA）
一种电子鼻常用的无监督数据降维方法，其提取传感器多指标信息并降低数据维度，同时保留原始数据中的大部分特性[14]。
2.3.2 支持向量机（Support Vector Machine,SVM）
一种基于统计学理论的有监督二分类模型，其通过线性和非线性核将变量映射到空间平面，并在特征空间中寻找使得两种类别距离最大的超平面[15]。
2.3.3 卷积神经网络（Convolutional Neural Networks,CNN）
由多层感知机演化而来，由于含有卷积层、池化层和全连接等多种结构的深度学习方法，使得卷积神经网络在视觉识别领域取得巨大成功[16]。其中，卷积层是构建卷积神经网络的核心层，包含多个卷积核，卷积核通过从左至右、从上往下滑动的方式依次对输入的特征信息进行提取，卷积层进行卷积的公式为：
式中：f（i）——当前层卷积的输出；
i——卷积层中卷积第i 个卷积核；
a——卷积层的输入；
w——卷积核i 的权值；
b——卷积核的偏置。
3.1 实验原始数据
本文采集气味信息的频率为1 Hz，从苹果气味响应前10 s 到响应恢复稳定状态为一个完整样本数据，每个样本数据120 s 左右。图3 显示了4个产地苹果分别在1.8 V 和1.2 V 加热温度下传感器的响应数据。
图3 4 种不同产地苹果响应曲线Fig.3 Response curves of apples from four different origins
3.2 数据的处理与分析
特征提取对机器学习模型的建立至关重要。由图3 可知，不同产地苹果存在着明显的响应差异，因此提取样本内10～100 s 的样本特征，采用主成分分析算法对不同加热温度下的响应数据进行降维处理，结果如图4 所示，图4（a）表示1.8 V 加热温度下样本数据的降维结果，图4（b）表示1.2 V加热温度下样本数据的降维结果，图4（c）表示融合1.8 V、1.2 V 两种加热温度下样本数据的降维结果。可以看出，3 种降维情况的前3 个主成分累计贡献率均已超过95%，能代表原始数据的大部分信息，因此选择前3 个主成分为降维特征。
图4 不同加热温度下的响应数据降维结果Fig.4 Dimension reduction results of response data at different heating temperatures
为更好地区分苹果的产地，从每个产地的样本中抽取30 个作为训练样本，其余20 个作为预测样本，本文采用支持向量机（SVM）和卷积神经网络（CNN）两种有监督学习算法对降维后的数据进行分类识别。由表2—表7 分析可知，1.8 V 加热温度下PCA-SVM 算法分类准确率为76.25%，PCACNN 算法分类准确率为78.75%，而1.2 V 加热温度下PCA-SVM 算法分类准确率为76.25%，PCACNN 算法分类准确率为77.5%。将1.8 V、1.2 V 加热温度下3 颗传感器的数据特征融合一起，PCASVM 和PCA-CNN 两种算法的准确率更高，分别达到了80%和85%。
表2 1.8 V 加热温度PCA-SVM 分类混淆矩阵Tab.2 Confusion matrix of PCA-SVM at 1.8 V heating temperature
表3 1.8 V 加热温度PCA-CNN 分类混淆矩阵Tab.3 Confusion matrix of PCA-CNN at 1.8 V heating temperature
表4 1.2 V 加热温度PCA-SVM 分类混淆矩阵Tab.4 Confusion matrix of PCA-SVM at 1.2 V heating temperature
表5 1.2 V 加热温度PCA-CNN 分类混淆矩阵Tab.5 Confusion matrix of PCA-CNN at 1.2 V heating temperature
表6 1.8 V、1.2 V 加热温度PCA-SVM 分类混淆矩阵Tab.6 Confusion matrix of PCA-SVM at 1.8 V and 1.2 V heating temperature
表7 1.8 V、1.2 V 加热温度PCA-CNN 分类混淆矩阵Tab.7 Confusion matrix of PCA-CNN at 1.8 V and 1.2 V heating temperature
本文提出一种基于温度调制的电子鼻检测方法，用于对苹果产地的快速识别。实验结果表明，相对于单一加热温度而言，2 种加热温度下PCASVM 和PCA-CNN 算法的分类精度更高。这说明通过温度调制使得传感器阵列得以复用，可以增强数据可靠性，也说明PCA-SVM 和PCA-CNN 算法在苹果产地快速识别方面具备一定潜力。未来将会结合静态温度和动态温度调制进行研究，并用于多种场景识别，以期拓展电子鼻系统更加多样性的应用。
猜你喜欢 电子鼻降维产地 混动成为降维打击的实力 东风风神皓极车主之友(2022年4期)2022-08-27基于电子鼻的肺癌无创检测研究现代仪器与医疗(2021年6期)2022-01-18Helicobacter pylori-induced inflammation masks the underlying presence of low-grade dysplasia on gastric lesionsWorld Journal of Gastroenterology(2020年26期)2020-08-17降维打击海峡姐妹(2019年12期)2020-01-14警惕“洗产地”暗礁中国外汇(2019年22期)2019-05-21电子鼻咽喉镜在腔镜甲状腺手术前的应用中医眼耳鼻喉杂志(2019年3期)2019-04-13食物离产地越远越好意林·全彩Color(2018年9期)2018-10-12测定不同产地宽筋藤中5种重金属中成药(2018年8期)2018-08-29RP-HPLC法同时测定7个产地天麻中5种成分中成药(2017年4期)2017-05-17香辛料识别中电子鼻采集及算法研究中国调味品(2017年2期)2017-03-20