基于電子鼻技術多算法檢測熱帶水果品質的實驗研究

王宇菲+譚妹二+許桂香

摘要：文章以海南熱帶農產品中的主要產品，熱帶水果在倉儲、運輸中存在的品質改變問題的實時監測為目的，綜合選取實驗對象，通過電子鼻原理技術設備進行實驗測試，采用BP、PCA-BP、LDA-BP神經網絡算法進行分析比較，得出客觀數據，用以分析所研究電子鼻系統關鍵技術的識別性能及其穩定性。

關鍵詞：電子鼻；熱帶水果；算法分析

中圖分類號：TP391.4 文獻標示碼：A DOI：10.3969/j.issn.1003-6970.2016.03.010

0引言

海南熱帶農產品中主要以熱帶水果為主要產品，海南熱帶水果也一直以來備受全國人民的青睞和喜愛，尤其在冬季的大陸水果市場更是占據主要角色，長期以來在倉儲和運輸中各種水果的品質變化問題一直很重要，其決定了水果上市的品質好壞及經濟效益。熱帶農產品無論果蔬或其他農產品，在倉儲和運輸過程中都會釋放一定的特征氣體，如：氨氣、乙醇、硫化氫及其他揮發性有機氣體等，通過這些氣體的濃度、密度指標即可分析出產品的品質變化情況，及倉儲、運輸的最優時期值，通過對其實時的監測和檢測來監控器變化狀態，采取必要措施，保證農產品的品質，減少其過程中的損失。電子鼻既對人類嗅覺感知的模擬。20世紀九十年代，英國Warwick大學的Gardner和Southampton大學的Bartlett率先提出“電子鼻”一詞，并定義為：“是一類由具有部分選擇性的化學傳感器陣列與相關的模式識別系統組成的，通過傳感器的部分專一性和系統的模式識別功能，用來檢測簡單或復雜氣味的電子儀器設備”。市場上主要以國外產品為主，且價格較為昂貴，大多在十幾萬、幾十萬美元左右，由于傳感器技術、微電子及MEMS等技術的發展及應用的需求，電子鼻系統的產品也隨之向小體積、低成本、實用性趨勢發展，其市場化前景很好。

我們可通過對市場上現有電子鼻系統的技術設計與改進，使其能夠進行充分的科學實驗，通過選取具有代表性的芒果、香蕉、木瓜、釋迦等熱帶水果，對其進行品質識別實驗、腐敗過程監測實驗通過對所得取得實驗數據處理，對其檢測識別效果進行比對及分析，得到有價值的研究結論。

1實驗平臺搭建

檢驗平臺搭建主要以電子鼻系統的基本功能模塊配置為基礎，大致包括：傳感器陣列、信號采集模塊、氣路控制模塊、氣室溫度控制模塊、控制器、數據存儲模塊、通訊接口、按鍵及顯示屏幾個模塊，并獨立工作，由內置訓練好的識別算法給出識別結果。

工作原理是通過采樣系統將待測樣品的特征氣體采入氣室中，然后由信號采集模塊采集傳感器陣列對樣品氣體的響應，提供給模式識別單元給出最終的判斷結果。

實驗平臺構成的另一主要部分是軟件系統，其功能為完成系統操作的各種控制。按照模塊功能劃分，可系統軟件分為主程序、ADC驅動、溫濕度傳感器驅動、LCD驅動、測量控制模塊、溫度控制模塊、識別算法模塊和通訊模塊。

2實驗過程描述

本次測試中采用了不同品質狀態的四中熱帶水果農產品進行四組實驗（本實驗分別選取海南代表性的熱帶水果澳芒、木瓜、釋迦、香蕉等為實驗對象），其揮發的特征氣體組分十分復雜，而且氣體傳感器具有交叉靈敏度，所以氣體傳感器陣列的輸出信號并不能直接用于芭蕉品質的判斷。因此，必須選擇有效的數據預處理技術并結合智能模式識別對相關數據進行處理，其主要包括數據處理、特征提取、降維處理和識別算法四部分。

傳感器歸一化可以使每個傳感器的輸出處于[0，1]之間，從而使響應向量的每一個元素處于同一數量級，即可減少識別中的計算誤差，又可使神經網絡識別器的輸入空間準備合適的數據。

本實驗針對不同品質狀態的澳芒、木瓜、釋迦、香蕉等樣品，系統分別進行了2分鐘的數據采集，在1Hz的采樣頻率下每個傳感器輸出120個數據，因此每個樣品獲得了120×6的數據。由每路傳感器響應的最大值組成的樣品特征矩陣是一個六維數據，在進行模式識別時，計算量仍然較大。因此，嘗試使用了PCA和LDA兩中方法對特征數據進行了降維處理。將省略降維處理步驟的算法稱之為BP算法；在降維處理中采用PCA算法的數據處理步驟稱為PCA+BP算法；而降維處理中采用LDA算法的數據處理步驟稱為LDA+BP算法。并對比了這三種不同算法的判別結果。

釋迦、香蕉品質識別實驗樣品實物照片

各樣品品質識別實驗的樣品為正常樣品、擠傷的樣品、略有腐敗或開裂的樣品各1個，下圖為樣品實物照片。每個樣品重復測試3次。作為對比，在潔凈的空氣中做了3次對比實驗。

先進行傳感器歸一化處理，然后提取最大值特征，再對比PCA和LDA的降維效果，最后比較BP、PCA+BP和LDA+BP算法的判別結果。

3實驗綜合數據分析

從實驗數據的主成分分析結果看，每一組中品質不好的兩個樣品的氣體主成分的貢獻率均在50%以上，累計貢獻率達89.62%，可以認為基本代表了數據的基本信息。從具體試驗數據里可以得出，各類之間有明顯的邊界，其中空氣樣本與每組中三類樣品對象的氣體都能明顯區分開，而三類樣品對象之間，除了正常的樣品對象與其它兩個差品質對象之間的類間距較遠外，其余兩個差品質對象的類間距都較近。這應該是由于擠傷的樣品對象、腐敗獲開裂樣品對象會釋放一些相似的特征氣體所造成的。

對傳感器響應數據進行歸一化及特征提取后，使用LDA分析方法對數據進行降維處理以及LDA的處理。其中，LD1和LD2的變化量分別為86.34%和10.13%，其數據總貢獻率為89.62%，將其作為BP神經網絡的輸入信號，可有效地對樣品進行分類識別。

最終用測試樣本進行測試，結果表明使用LDA+BP算法時系統判別準確率可達100%，即可有效的對每種水果樣品的三種樣品的狀態進行區分，以達到品質檢測的目的。

澳芒、木瓜、釋迦、香蕉腐敗過程監測實驗的樣本為每組3個形狀略有區別，品質腐敗程度不一樣的，每天每個樣本測試3次，一共測試了5-9天不等。樣品的變化過程如下圖所示。

從實驗數據總的趨勢來看，在腐敗過程中，隨著腐敗過程的進行，數據第一主成分的值在不斷的增大，而第二主成分的值則是一個反復震蕩的過程。這可能是由于樣品的腐敗過程的復雜性造成的，另一種可能是由于系統存在一定的測量誤差創成的。

最終用測試樣本進行測試，結果表明使用LDA+BP算法時系統判別準確率可達100%，基本可有效區分四種熱帶水果樣品的不同腐敗階段，可以進行四種熱帶水果樣品的腐敗預測。使用BP神經網絡和PCA+BP的方法，其識別準確率分別為76.16%和85.18%，具體結果如下表所示。

該系統能夠成功識別所實驗不同樣品的狀態。實驗結果表明，在直接采用BP神經網絡算法時，我們的系統的識別正確率為74.07%；而采用PCA+BP神經網絡及LDA+BP神經網絡識別算法時，系統的識別正確率分別為85.18%和100.00%。

另外該系統在預測四種熱帶水果的腐敗進程上也具有一定的效果。經測試，使用LDA+BP算法時系統判別準確率可達95.23%，基本可有效區分各類水果的不同腐敗階段，可以進行熱帶水果的腐敗預測。同時，還使用BP神經網絡和PCA+BP的方法對同樣四種熱帶水果的腐敗過程進行預測，其預測確率分別為78.06%和86.17%。

4結束語

由于農產品的類別不同，所釋放的氣味氣體非常復雜，本系統只能對熱帶農產品中熱帶水果的品質狀態進行一個基本分類，不能區分其所有品質狀態，目前可實現一種低成本的簡易少類別的測試技術產品?；陔娮颖堑年P鍵技術，并且通過優化設計使其趨向于便攜式的發展，尋求一種專門針對熱帶農產品品質檢測的便攜式類電子鼻檢測系統，最終形成產品化，應用到倉儲和物流過程中去，具有很好的市場經濟效益及應用需求前景。