《電子技術(shù)應(yīng)用》
您所在的位置:首頁 > 測試測量 > 設(shè)計(jì)應(yīng)用 > 基于PCA和LVQ混合神經(jīng)網(wǎng)絡(luò)算法的電子鼻系統(tǒng)
基于PCA和LVQ混合神經(jīng)網(wǎng)絡(luò)算法的電子鼻系統(tǒng)
來源:電子技術(shù)應(yīng)用2013年第10期
文政穎,, 米 捷
河南工程學(xué)院 計(jì)算機(jī)科學(xué)與工程系,河南 鄭州 450007
摘要: 為了對食物品質(zhì)進(jìn)行非接觸式評價(jià),,采用6種費(fèi)加羅金屬氧化物半導(dǎo)體傳感器陣列設(shè)計(jì)并研制了可對被測食物進(jìn)行無損檢測的電子鼻系統(tǒng),。系統(tǒng)主要由采樣模塊、控制模塊和上位機(jī)組成,,并采用主成分分析(PCA)和學(xué)習(xí)矢量量化(LVQ)混合神經(jīng)網(wǎng)絡(luò)模式識別算法對氣體“指紋信息”數(shù)據(jù)庫進(jìn)行分析,。實(shí)驗(yàn)結(jié)果表明,利用該電子鼻系統(tǒng)可以對5種不同的食用醬進(jìn)行檢測,,并且具有對未知醬品進(jìn)行識別的功能,。
中圖分類號: TP271
文獻(xiàn)標(biāo)識碼: A
文章編號: 0258-7998(2013)10-0076-04
An electronic nose system based on the algorithm of PCA and LVQ hybrid neural network
Wen Zhengying, Mi Jie
Department of Computer Science and Engineering, Henan Institute of Engineering, Zhengzhou 450007, China
Abstract: In order to evaluate the food quality without contacting, an electronic nose system composed of acquisition model, controller model and host computer is designed and developed based on six kinds of Figaro metal-oxide semiconductor sensor array, which can test the food without destructing. The Principal Component Analysis (PCA) and Learning Vector Quantization (LVQ) hybrid neural network pattern recognition algorithms are utilized in the proposed system to analyze the fingerprint database of gas. The experimental results show that this instrument can detect five different types of sauces accurately and is capable of distinguishing unknown sauce.
Key words : sensor array; principal component analysis; learning vector quantization; hybrid neural network; electronic nose

    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.

此內(nèi)容為AET網(wǎng)站原創(chuàng),,未經(jīng)授權(quán)禁止轉(zhuǎn)載。