長期以來食物品質(zhì)評價(jià)主要通過專家感官評測和化學(xué)評測兩種方法。感官評測的主觀性強(qiáng),，存在較大個(gè)體差異,，標(biāo)準(zhǔn)不統(tǒng)一，重復(fù)性差,，并且人的感官對食品氣味具有適應(yīng)性,，容易出現(xiàn)疲勞影響評價(jià)結(jié)果；化學(xué)評測方法,，如氣相色譜質(zhì)譜分析儀(GC-MS),、試紙法等，測量過程中需要制備和處理樣品,，對檢測人員的專業(yè)水準(zhǔn)有較高的要求,，而且化學(xué)檢測方法又有檢測周期較長、儀器成本高等局限性,，因此難以推廣[1-2],。電子鼻系統(tǒng)的出現(xiàn)從根本上克服了以上缺點(diǎn),，與傳統(tǒng)的氣體成分分析方法相比，它具有體積小,、功耗低,、可靠性高、價(jià)格低廉,、可以實(shí)現(xiàn)在線測量,、可以實(shí)現(xiàn)便攜式設(shè)計(jì)等優(yōu)點(diǎn)，已被廣泛應(yīng)用于環(huán)境監(jiān)控,、化學(xué)工業(yè)控制,、醫(yī)療衛(wèi)生、食品質(zhì)量檢測等領(lǐng)域[3-5],。

  　采用分立式傳感器陣列,，研制了電子鼻系統(tǒng)。實(shí)驗(yàn)中,，通過對5種不同種類的食用醬進(jìn)行氣體成分檢測,，獲得“氣體指紋信息”，建立“氣味指紋數(shù)據(jù)庫”,，在此基礎(chǔ)上對未知醬品進(jìn)行檢測,，實(shí)現(xiàn)了對不同種類食用醬的準(zhǔn)確區(qū)分。
1 硬件設(shè)計(jì)
    電子鼻系統(tǒng)在硬件設(shè)計(jì)方案上由采樣系統(tǒng)和控制系統(tǒng)兩部分組成,，如圖1所示,。采樣系統(tǒng)包括傳感器陣列、傳感器陣列驅(qū)動電路以及氣體采集裝置,。傳感器陣列置于氣體采集裝置內(nèi)部,可對被測敏感氣體進(jìn)行探測,。傳感器陣列驅(qū)動電路通過電纜與傳感器陣列相連，向傳感器陣列提供驅(qū)動電流,，并使它們工作在預(yù)置狀態(tài),。氣體采集裝置用來為氣體檢測提供一個(gè)穩(wěn)定的實(shí)驗(yàn)環(huán)境。環(huán)境條件的改變可以通過電源控制模塊對氣體采集裝置的控制得以實(shí)現(xiàn),。

    控制系統(tǒng)由傳感器陣列信號調(diào)理電路,、模數(shù)轉(zhuǎn)換模塊ADC以及中央處理器組成。傳感器陣列信號調(diào)理電路根據(jù)各氣體傳感器的氣敏特性存在差異性,，設(shè)計(jì)出針對不同參數(shù)特性量級的信號調(diào)理電路,。模數(shù)轉(zhuǎn)換器ADC將傳感器陣列信號調(diào)理電路輸出的模擬量轉(zhuǎn)換為中央處理器所需的數(shù)字量。同時(shí),，為了對數(shù)據(jù)進(jìn)行快速處理,，控制系統(tǒng)采用32位微處理器STM32F103ZE作為核心控制器，可以對各信號調(diào)理電路通道進(jìn)行切換和模數(shù)轉(zhuǎn)換器ADC的控制,。測試過程中,，控制系統(tǒng)通過RS232通信方式將數(shù)據(jù)實(shí)時(shí)上傳至上位機(jī)進(jìn)行數(shù)據(jù)整理,，并通過主成分分析PCA和學(xué)習(xí)矢量量化LVQ混合神經(jīng)網(wǎng)絡(luò)模式識別算法對數(shù)據(jù)進(jìn)行分析，最終將氣體檢測結(jié)果呈現(xiàn)出來,。
1.1傳感器陣列
     傳感器陣列作為獲取樣品特征信息的源頭，是硬件系統(tǒng)的核心部分,。根據(jù)食物品質(zhì)評價(jià)的需求,，選用了6種性能優(yōu)良的費(fèi)加羅金屬氧化物半導(dǎo)體傳感器TGS2610、TGS2600,、TGS2620,、TGS2602、TGS2201和TGS2611構(gòu)成傳感器陣列,，性能指標(biāo)如表1所示,。

1.2 氣體采集裝置
    傳感器陣列及傳感器驅(qū)動電路均置于5 L的玻璃氣室中，如圖2所示,。由于被測氣體與傳感器接觸后,，其表面電導(dǎo)率會發(fā)生變化，通過信號調(diào)理電路將半導(dǎo)體傳感器輸出信號調(diào)整在0~5 V之間,，經(jīng)過處理的信號通過采集系統(tǒng)傳輸給中央處理器[6],。

    由于半導(dǎo)體傳感器的性能受其工作環(huán)境溫度的影響，實(shí)驗(yàn)中,，采用溫度傳感器監(jiān)測環(huán)境溫度,，利用水浴加熱的方式保證測試環(huán)境溫度恒定，減小溫度因素對傳感器特性的影響,，同時(shí)促進(jìn)樣品氣體的充分揮發(fā),。
1.3 傳感器陣列調(diào)理電路
     由于各氣體傳感器的氣敏特性(內(nèi)阻)存在差異性，傳感器陣列信號調(diào)理電路針對不同量級(1 kΩ,、15 kΩ,、27 kΩ)的傳感器內(nèi)阻，設(shè)計(jì)出相應(yīng)的配套驅(qū)動電路,，并且可以根據(jù)實(shí)際情況由微處理器對各通路進(jìn)行切換,，如圖3所示。

2 系統(tǒng)軟件設(shè)計(jì)
      上位機(jī)軟件從控制系統(tǒng)獲取傳感器陣列的響應(yīng)數(shù)據(jù),，并對其進(jìn)行整理,，通過混合PCA和LVQ模式識別算法對數(shù)據(jù)進(jìn)行分析。
        首先,，利用主成分分析方法PCA對從6個(gè)半導(dǎo)體氣體傳感器獲取的數(shù)據(jù)進(jìn)行分析,，通過式(1)對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化，然后通過式(2)進(jìn)行線性變換得到一個(gè)新變量組,，從而找出數(shù)據(jù)中最“主要”的元素和結(jié)構(gòu),，去除數(shù)據(jù)中的噪音和冗余,，將原有的復(fù)雜數(shù)據(jù)矩陣降維，揭示隱藏在復(fù)雜數(shù)據(jù)背后的簡單邏輯關(guān)系,。

       利用PCA分析方法降維后得到的主成分函數(shù)COEFF繪制坐標(biāo)系得到二維PCA散點(diǎn)圖形使降維后的數(shù)據(jù)可視化,，然后通過LVQ神經(jīng)網(wǎng)絡(luò)，對PCA分析所得到的新變量組進(jìn)行模式識別,，最終將檢測結(jié)果呈現(xiàn)出來,具體實(shí)現(xiàn)過程如下：
       (1)通過對標(biāo)準(zhǔn)樣本進(jìn)行檢測,，6個(gè)傳感器每次產(chǎn)生一組(6個(gè))電阻值，每組樣品采集100組數(shù)據(jù),，得到100×6的數(shù)據(jù)矩陣,，作為樣本的原始數(shù)據(jù)，將多個(gè)樣本的原始數(shù)據(jù)匯集形成樣本數(shù)據(jù)庫,。對未知樣品進(jìn)行檢測時(shí),，將數(shù)據(jù)庫中的樣本數(shù)據(jù)與未知樣本的數(shù)據(jù)融合，進(jìn)行PCA分析,，最終得到PCA的成分圖譜,。PCA分析方法流程圖如圖5所示。

    (2)對PCA分析所得到的新變量組進(jìn)行LVQ所需要訓(xùn)練參數(shù)的設(shè)定,。輸入層根據(jù)訓(xùn)練樣本為6個(gè)傳感器的電子數(shù)據(jù),，從而確定輸入層節(jié)點(diǎn)數(shù)為6個(gè)。輸出層為所識別的類別數(shù),，根據(jù)對5種醬品的品質(zhì)進(jìn)行鑒別,，固確定輸出層個(gè)數(shù)為5個(gè)，隱含層通過實(shí)驗(yàn)確定為12,，學(xué)習(xí)速率和初始權(quán)值向量選取系統(tǒng)默認(rèn)值,。
     (3)最后軟件系統(tǒng)通過PCA和LVQ混合神經(jīng)網(wǎng)絡(luò)模式識別算法所得到氣味的“指紋信息”與數(shù)據(jù)庫中的特征數(shù)據(jù)進(jìn)行比對，最終將氣體檢測結(jié)果呈現(xiàn)出來,。
3 實(shí)驗(yàn)結(jié)果及分析
     實(shí)驗(yàn)中,利用自主研制的電子鼻系統(tǒng)對5種不同的食用醬進(jìn)行檢測,，并對未知醬品進(jìn)行識別。5種醬品分別為大醬,、豆瓣醬,、多味辣醬、黃干醬和沙茶醬,。所有醬品在相同的條件下進(jìn)行實(shí)驗(yàn)處理,。實(shí)驗(yàn)中每種樣品取5 g放入蒸發(fā)皿中，放入氣室內(nèi),。 當(dāng)樣品在氣室中靜置5 min后采集傳感器數(shù)據(jù),。采集樣品數(shù)據(jù)前獲取100組電阻值作為R0樣本，采集樣品后600個(gè)點(diǎn)作為Rx,，分別繪制電子鼻系統(tǒng)對6種樣品的標(biāo)準(zhǔn)化響應(yīng)曲線,，如圖6所示,。

    通過電子鼻系統(tǒng)對6種樣品的標(biāo)準(zhǔn)化響應(yīng)曲線對比，發(fā)現(xiàn)各曲線相似度極高,，很難發(fā)現(xiàn)不同醬品標(biāo)準(zhǔn)化響應(yīng)曲線的差別,。因此，需要借助PCA方法做進(jìn)一步處理,，繪制的PCA分析圖譜如圖7所示,。  

    由圖8可知，電子鼻對5種樣品的混淆度為0,，可以準(zhǔn)確地對5種醬品進(jìn)行檢測評價(jià)。
    基于PCA和LVQ混合神經(jīng)網(wǎng)絡(luò)算法的電子鼻系統(tǒng)硬件方面由采樣系統(tǒng)和控制系統(tǒng)組成,，在軟件方面根據(jù)主成分分析（PCA）和學(xué)習(xí)矢量量化（LVQ）混合神經(jīng)網(wǎng)絡(luò)模式識別算法,，研制出能夠?qū)ξ宸N不同種類的食用醬進(jìn)行準(zhǔn)確評價(jià)的電子鼻系統(tǒng)。系統(tǒng)依據(jù)氣體傳感器在氣體特性上存在差異,，對其信號調(diào)整電路進(jìn)行了優(yōu)化,，并建立了氣味的“指紋信息”數(shù)據(jù)庫，最終將氣體檢測結(jié)果呈現(xiàn)出來,。
參考文獻(xiàn)
[1] 張青春,，葉小婷. 基于電子鼻技術(shù)的混合氣體檢測方法研究[J].電子技術(shù)應(yīng)用,2011,37(12):80-82.
[2] 石志標(biāo)，黃勝全,，范雪冰,，李揚(yáng). 基于生物嗅覺的電子鼻研究[J]. 中國機(jī)械工程，2007, 18(23):2810-2813.
[3] MAHMOUDI E. Electronic nose technology and its applications[J]. Sensors & Transducers, 2009,107(8):17-25.
[4] YU H, WANG J, YAO C, et al. Quality grade identication of green tea using E-nose by CA and ANN [J]. LWT  Food Science and Technology, 2008(41):1268-1273.
[5] ZHANG S, XIE C, BAI Z, et al. Spoiling and formaldehyde-containing detections in octopus with an E-nose[J]. Food Chemistry, 2009(113):1346-1350.
[6] 袁桂玲,，袁軍強(qiáng). 基于ICA算法的智能電子鼻在混合氣體特征提取中的應(yīng)用[J]. 計(jì)算機(jī)測量與控制,2011,19(4):984-986.
[7] CARMEL L, LEVY S, LANCET D, et al. A feature extraction method for chemical sensors in electronic noses[J].  Sensors and Actuators B, 2003(93):67-76.
[8] 欒淑禾,，閏衛(wèi)平，全寶富,，陳麗華. 用于電子鼻研究的多傳感器實(shí)時(shí)動態(tài)測試系統(tǒng)設(shè)計(jì)[J]. 測控技術(shù), 2005,24(2):1-4.
[9] 劉樹海,，鄭傳濤，徐琳,，等.基于恒電流源的電阻式氣敏傳感器檢測系統(tǒng)[J]. 吉林大學(xué)學(xué)報(bào):信息科學(xué)版, 2012,30(4):376-380.