黃星奕 陳 瑋

（江蘇大學(xué)食品與生物工程學(xué)院，江蘇 鎮(zhèn)江 212013）

長(zhǎng)久以來(lái)，對(duì)煙絲、煙葉等霉變的檢驗(yàn)，主要采用目測(cè)法和評(píng)吸法［1］。人工感官檢驗(yàn)帶有相當(dāng)?shù)闹饔^性，目測(cè)法會(huì)不可避免地出現(xiàn)誤判，評(píng)吸法則有可能損害評(píng)吸者的健康。因此，需要尋求客觀、可靠的新方法對(duì)煙絲霉變進(jìn)行輔助評(píng)判。

電子鼻是一種由氣敏傳感器陣列和適當(dāng)?shù)哪Ｊ阶R(shí)別方法組成的智能氣味檢測(cè)設(shè)備，主要用來(lái)檢測(cè)和分析樣品中揮發(fā)成分的整體信息。與人的嗅覺判斷相比，電子鼻的測(cè)定不受主觀因素的影響，結(jié)果更加客觀可靠。近年來(lái)，電子鼻技術(shù)憑 借 快 速、無(wú) 損 等 優(yōu) 勢(shì) 在 食 品 檢 測(cè)［2，3］、環(huán) 境 監(jiān) 測(cè)［4，5］、醫(yī)藥［6，7］等領(lǐng)域均得到應(yīng)用。目前，電子鼻技術(shù)在煙草行業(yè)中的應(yīng)用亦有報(bào)道。朱先約等［8］利用電子鼻技術(shù)實(shí)現(xiàn)了對(duì)不同國(guó)家烤煙的有效區(qū)分；田耀偉等［9］應(yīng)用電子鼻對(duì)卷煙真?zhèn)芜M(jìn)行了有效鑒別；龍章德等［10］使用電子鼻有效地對(duì)湖南省不同區(qū)縣、不同部位的煙葉原料進(jìn)行了鑒別。然而對(duì)于煙草質(zhì)量檢測(cè)方面的研究相對(duì)較少，還未有使用電子鼻檢測(cè)煙絲霉變的相關(guān)報(bào)道。鑒于目前煙草霉變的檢測(cè)方法還比較傳統(tǒng)、單一，且多年來(lái)一直未有突破，本研究在實(shí)驗(yàn)室研制的電子鼻系統(tǒng)基礎(chǔ)上，使用電子鼻技術(shù)對(duì)煙絲霉變進(jìn)行無(wú)損檢測(cè)。

1 材料與方法

1.1 試驗(yàn)材料

煙絲：云南省紅河卷煙廠。樣本已經(jīng)專家評(píng)判、貼好標(biāo)簽，見表1。樣本主要分為兩大類：霉變煙絲和非霉變煙絲，其中霉變煙絲又包括輕微霉變、中等霉變和嚴(yán)重霉變3種。

表1 樣本類別Table 1 Samples category

1.2 試驗(yàn)儀器

電子鼻系統(tǒng)（圖1）：由課題組自主研制。系統(tǒng)硬件部分主要包括傳感器陣列、數(shù)據(jù)采集裝置、計(jì)算機(jī)以及氣路通道等裝置。傳感器陣列由5只日本費(fèi)加羅公司的TGS系列氣敏傳感器（TGS825，TGS822，TGS2611，TGS2610，TGS826）構(gòu)成，它們與氣體分子發(fā)生氧化或還原反應(yīng)使內(nèi)部電阻值發(fā)生改變，從而引起輸出電壓的變化。軟件部分主要是對(duì)傳感器陣列輸出的電信號(hào)進(jìn)行接收、傳輸、數(shù)據(jù)存儲(chǔ)及處理。

圖1 電子鼻系統(tǒng)的結(jié)構(gòu)示意圖Figure 1 The schematic diagram of electronic nose system

1.3 試驗(yàn)方法

每次取樣5g放入100mL燒杯中，用保鮮膜密封燒杯口。室溫下集氣30min后進(jìn)行電子鼻頂空氣體采樣，采樣間隔1s，每個(gè)樣本采集500個(gè)數(shù)據(jù)。待測(cè)氣體在微型泵的作用下經(jīng)進(jìn)樣通道進(jìn)入傳感器陣列反應(yīng)室，與氣敏傳感器反應(yīng)產(chǎn)生電信號(hào)。通過(guò)上位機(jī)軟件和數(shù)據(jù)采集裝置將輸出的電壓值采集到計(jì)算機(jī)中供后續(xù)離線處理、分析。

每次測(cè)樣后排空氣路尾氣并向反應(yīng)室中通入氧氣，使傳感器復(fù)原，為下一次測(cè)樣做好準(zhǔn)備。4種不同類別的煙絲樣本交替進(jìn)行檢測(cè)。每種取樣20個(gè)，4種共80個(gè)樣本。

2 結(jié)果與討論

2.1 電子鼻數(shù)據(jù)特征值提取

圖2為傳感器陣列響應(yīng)值的原始曲線。由圖2可知，在測(cè)量初始階段氣敏傳感器的響應(yīng)信號(hào)逐漸增強(qiáng)，隨著測(cè)量時(shí)間的推移，響應(yīng)信號(hào)逐步趨于平緩。采集到的測(cè)試值實(shí)際為傳感器對(duì)環(huán)境的響應(yīng)值與待測(cè)氣體的響應(yīng)值之和。為了消除環(huán)境因素的影響提高數(shù)據(jù)準(zhǔn)確度，從采集到的測(cè)試值中減去傳感器對(duì)環(huán)境的響應(yīng)值，得到傳感器對(duì)待測(cè)氣體的真實(shí)響應(yīng)值，將所得數(shù)據(jù)用于特征值提取。

圖2 傳感器響應(yīng)原始曲線Figure 2 The original sensor response curves

圖3是進(jìn)行上述處理步驟后用于特征值提取的數(shù)據(jù)曲線。根據(jù)曲線特性，決定從數(shù)據(jù)曲線中分別提取穩(wěn)定值（最后5次采樣數(shù)據(jù)的平均值）和全段數(shù)據(jù)平均值作為特征值。每個(gè)樣本通過(guò)5個(gè)傳感器可得到10個(gè)特征值。

圖3 傳感器TGS2610響應(yīng)特征值提取Figure 3 Feature extraction of sensor TGS2610response

2.2 不同霉變程度的煙絲樣本區(qū)分

2.2.1 主成分分析 主成分分析（principal component analysis，PCA）是一種多元統(tǒng)計(jì)方法，通過(guò)降維技術(shù)把多個(gè)變量轉(zhuǎn)化為少數(shù)幾個(gè)主成分。用少數(shù)幾個(gè)主成分來(lái)反映原始變量的主要信息，從而使得問(wèn)題簡(jiǎn)化［11］。利用PCA方法對(duì)提取到的每個(gè)樣本的10個(gè)特征參數(shù)進(jìn)行處理，結(jié)果見圖4。第一主成分的得分率為80.86%，第二主成分的得分率為8.40%，2個(gè)主成分的累積得分率為89.26%，這2個(gè)主成分已代表樣本的主要特征信息，可用來(lái)表示煙絲樣本的整體信息。由圖4可知，1＃、2＃和4＃樣本是完全分開的，2＃、3＃和4＃樣本的邊緣之間存在部分重疊，表明4種樣本總體上存在可區(qū)分趨勢(shì)，其中霉變和非霉變樣本可以完全分開。

2.2.2 BP神經(jīng)網(wǎng)絡(luò)分析 由于電子鼻獲取的氣味信號(hào)反映的是待測(cè)樣本的整體信息，且單個(gè)傳感器對(duì)不同氣體分子會(huì)有不同程度的響應(yīng)，傳感器的響應(yīng)值與所測(cè)氣味成分之間并非簡(jiǎn)單的線性關(guān)系，這里采用神經(jīng)網(wǎng)絡(luò)來(lái)表征它們之間的映射關(guān)系。BP神經(jīng)網(wǎng)絡(luò)是一種多層前饋神經(jīng)網(wǎng)絡(luò)，信號(hào)前向傳遞，誤差反向傳播。在前向傳遞中，輸入信號(hào)從輸入層經(jīng)隱含層逐層處理，直至輸出層。如果輸出層得不到期望輸出，則進(jìn)入反向傳播，根據(jù)預(yù)測(cè)誤差調(diào)整網(wǎng)絡(luò)權(quán)值和閾值，從而使BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)輸出不斷逼近期望輸出［12］。圖5為BP神經(jīng)網(wǎng)絡(luò)的基本拓?fù)浣Y(jié)構(gòu)，輸入層、隱含層和輸出層組成為10－11－4。

圖4 主成分分析結(jié)果Figure 4 The results of principal component analysis

圖5 BP神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)Figure 5 The topology of BPNN

從80個(gè)樣本中隨機(jī)抽取60個(gè)作為訓(xùn)練集，剩余20個(gè)作為測(cè)試集。網(wǎng)絡(luò)訓(xùn)練部分參數(shù)：學(xué)習(xí)因子lr＝0.12，最大訓(xùn)練次數(shù)1 000次，目標(biāo)誤差0.004。經(jīng)測(cè)試，樣品訓(xùn)練集的正確率為93.33%，測(cè)試集的正確率為90.00%，詳細(xì)結(jié)果見表2。試驗(yàn)結(jié)果表明利用電子鼻技術(shù)對(duì)煙絲是否霉變的識(shí)別是可行的、有效的。

表2 BP神經(jīng)網(wǎng)絡(luò)判別結(jié)果Table 2 The discrimination results of BPNN

3 結(jié)論

建立了一種使用電子鼻技術(shù)對(duì)煙絲霉變進(jìn)行無(wú)損檢測(cè)的新方法。通過(guò)使用課題組自主研制的電子鼻對(duì)4種霉變程度樣本檢測(cè)發(fā)現(xiàn)，不同霉變程度的煙絲樣本揮發(fā)出的氣味指紋信息存在一定的差異。PCA結(jié)果顯示不同樣本間存在可區(qū)分趨勢(shì)，采用BP神經(jīng)網(wǎng)絡(luò)可進(jìn)一步判別不同霉變程度，判別正確率達(dá)到90.00%，表明電子鼻技術(shù)可作為一種有效的輔助性手段對(duì)煙絲霉變進(jìn)行客觀、可靠的評(píng)判。在此基礎(chǔ)上，將繼續(xù)改進(jìn)現(xiàn)有裝置，優(yōu)化傳感器陣列以及探索新的模式識(shí)別方法，使其逐漸從實(shí)驗(yàn)室階段向?qū)嶋H應(yīng)用階段過(guò)渡。

1 孔凡玉，林建勝，張成省，等.儲(chǔ)煙霉變機(jī)理與防霉技術(shù)研究進(jìn)展［J］.中國(guó)煙草學(xué)報(bào)，2009，15（5）：78～81.

2 Wang Bei，Xu Shi－ying，Sun Da－wen.Application of the electronic nose to the identification of different milk flavorings［J］.Food Research International，2010，43（1）：255～262.

3 Kazimierz Brudzewski，Stanislaw Osowski，Anna Dwulit.Recognition ofcoffee using differential electronic nose［J］.IEEE Transactions on Instrumentation and Measurement，2012，61（6）：1 803～1 810.

4 De Cesare F，Pantalei S，Zampetti E，et al.Electronic nose and SPME techniques to monitor phenanthrene biodegradation in soil［J］.Sensors and Actuators B：Chemical，2008，131（1）：63～70.

5 田秀英，蔡強(qiáng)，葉朝霞，等.工業(yè)園區(qū)TVOC和惡臭的電子鼻檢測(cè)技術(shù)研究［J］.環(huán)境科學(xué)，2011，32（12）：3 635～3 640.

6 Vassilis S Kodogiannis，John N Lygouras，Andrzej Tarczynski，et al.Artificial odor discrimination system using electronic nose and neural networks for the identification of urinary tract infection［J］.IEEE Transactions on Information Technology in Biomedicine，2008，12（6）：707～713.

7 鄒慧琴，劉勇，陶歐，等.電子鼻MOS傳感器陣列優(yōu)化及其在中藥材快速鑒別中的應(yīng)用［J］.中國(guó)中藥雜志，2013，38（2）：161～166.

8 朱先約，宗永立，李炎強(qiáng)，等.利用電子鼻區(qū)分不同國(guó)家的烤煙［J］.煙草科技，2008（3）：27～30.

9 田耀偉，楊雷玉，朱先約，等.電子鼻在卷煙真?zhèn)舞b別中的應(yīng)用.食品工業(yè)科技，2011（4）：376～382.

10 龍章德，林順順，田兆福，等.基于電子鼻分析的原料煙葉鑒別［J］.食品與機(jī)械，2013，29（4）：35～39.

11 王力賓，顧光同.多元統(tǒng)計(jì)分析：模型、案例及SPSS應(yīng)用［M］.北京：經(jīng)濟(jì)科學(xué)出版社，2010：200～205.

12 史峰，王小川，郁磊，等.MATLAB神經(jīng)網(wǎng)絡(luò)30個(gè)案例分析［M］.北京：北京航空航天大學(xué)出版社，2010：1～2.