王巍巍, 張賽男

(吉林財經(jīng)大學 網(wǎng)絡(luò)實驗中心，吉林 長春 130117)

基于PCA與BP混合神經(jīng)網(wǎng)絡(luò)算法的電子鼻系統(tǒng)*

王巍巍, 張賽男

(吉林財經(jīng)大學 網(wǎng)絡(luò)實驗中心，吉林 長春 130117)

為了對食物品質(zhì)進行非接觸式評價，基于6種費加羅金屬氧化物氣體傳感器陣列，通過由數(shù)據(jù)采集模塊和微處理器模塊組成的硬件設(shè)計方案，設(shè)計并研制了可對被測食物進行實時、無損檢測的電子鼻系統(tǒng)。在軟件設(shè)計方案上，該系統(tǒng)采用主成分分析(PCA)和反向傳播(BP)混合神經(jīng)網(wǎng)絡(luò)模式，通過LabVIEW對氣體“指紋信息”數(shù)據(jù)庫進行分析。實驗結(jié)果表明：該設(shè)計的電子鼻系統(tǒng)可以很好地區(qū)分不同種類的食醋，并提供了一種對食醋品質(zhì)評價的便利方法。

非接觸式； 氣體傳感器陣列； 主成分分析； 反向傳播； 混合神經(jīng)網(wǎng)絡(luò)； 電子鼻

0 引 言

隨著社會的發(fā)展和人們生活水平的不斷提高，食用醋的調(diào)味與藥用價值越來越得到人們的重視。目前對于食用醋品質(zhì)檢測常用的方法是頂空固相提取氣相色譜法、熱分解質(zhì)譜法和原子吸收光譜法等[1，2]。雖然這些檢測方法能夠準確地提取信息，但分析過程都比較復(fù)雜、周期長、成本高[3，4]，并且不能實現(xiàn)實時檢測。

本文面向食用醋品質(zhì)的快速評價，以半導(dǎo)體氧化物氣體傳感器陣列為檢測器，構(gòu)建了可對食用醋品質(zhì)進行無損實時檢測分析的電子鼻系統(tǒng)。實驗中，對5種不同種類的食用醋進行檢測，并采用主成分分析(principal component analysis,PCA)和反向傳播(BP)混合神經(jīng)網(wǎng)絡(luò)模式作為系統(tǒng)模式識別算法[5]，能夠準確區(qū)分不同種類的食用醋。

1 系統(tǒng)總體硬件設(shè)計

在硬件設(shè)計方案方面，電子鼻主要包括數(shù)據(jù)采集系統(tǒng)和微處理器系統(tǒng)，如圖1所示。

數(shù)據(jù)采集系統(tǒng)包括氣體傳感器陣列、傳感器驅(qū)動電路、信號調(diào)理電路、24位A/D轉(zhuǎn)換器和RS—232通信電路。氣體傳感器陣列置于被測氣體環(huán)境中，將氣體濃度信息轉(zhuǎn)換成模擬電信號。傳感器驅(qū)動電路為傳感器陣列提供穩(wěn)定的工作電壓，使它們工作在最佳狀態(tài)。信號調(diào)理電路用于抑制傳感器陣列信號中夾雜的干擾信號，并提高其負載能力，以滿足下級A/D轉(zhuǎn)換電路要求。A/D轉(zhuǎn)換模塊受微處理器控制，將調(diào)理后的傳感器模擬信號轉(zhuǎn)換成數(shù)字信號，方便數(shù)據(jù)分析處理。數(shù)據(jù)通信電路基于RS—232數(shù)據(jù)傳輸模式，將數(shù)據(jù)通過RS—232接口送至上位機。

系統(tǒng)微控制器采用32位基于ARM7內(nèi)核的LPC2138芯片，可以實現(xiàn)對A/D轉(zhuǎn)換和USB數(shù)據(jù)傳輸?shù)目刂啤?/p>

2 系統(tǒng)硬件設(shè)計

2.1 傳感器陣列

根據(jù)被測氣體特性，傳感器陣列選用費加羅公司的TGS2600,TGS2602,TGS2610,TGS2611,TGS2620 5種廣譜型器件和MQ—03型傳感器，性能指標如表1所示。

表1 6種氣體傳感器性能指標Tab 1 Performance index of six kinds of gas sensors

2.2 傳感器陣列驅(qū)動/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(1，15，27 kΩ)的傳感器內(nèi)阻，設(shè)計出相應(yīng)的配套驅(qū)動電路，并且可以根據(jù)實際情況由微處理器對各通路進行切換，如圖2所示。為了減少交叉電源波動對傳感器的影響，在傳感器供電方面采用驅(qū)動電壓和偏置電壓分離設(shè)計。H5V為傳感器驅(qū)動電壓，M5V為傳感器信號調(diào)理電路偏置電壓。S1_r1，S1_r2，S1_r3為量程切換控制端，INA_CH0為傳感器共同輸出端[6,7]。

圖2 傳感器陣列信號調(diào)理電路Fig 2 Signal modulating circuit of sensor array

2.3 數(shù)據(jù)采集模塊

系統(tǒng)以32位微處理器LPC2138為核心，實現(xiàn)對電子鼻各個外設(shè)進行控制和數(shù)據(jù)采集。信號調(diào)理電路輸出信號通過A/D轉(zhuǎn)換器后，模擬信號轉(zhuǎn)換為數(shù)字信號，最后通過RS—232通信端口將采集到的數(shù)據(jù)上傳至上位機。A/D轉(zhuǎn)換模塊采用MAXIM公司生產(chǎn)的逐次逼近型A/D轉(zhuǎn)換芯片MAX1168作為信號采集單元。RS—232接口芯片采用MAX232，實現(xiàn)RS—232接口到串行UART接口的轉(zhuǎn)換，如圖3所示。

圖3 電子鼻數(shù)據(jù)采集系統(tǒng)原理圖Fig 3 Principle diagram of data acquiring system of elctronic nose

3 系統(tǒng)軟件設(shè)計

數(shù)據(jù)采集系統(tǒng)所采集到的數(shù)據(jù)經(jīng)過RS—232接口傳送至上位機，基于PCA和BP混合神經(jīng)網(wǎng)絡(luò)模式識別，采用LabVIEW平臺，對氣體數(shù)據(jù)進行分析[8]。

首先，上位機對從6種半導(dǎo)體氣體傳感器獲取的數(shù)據(jù)，通過公式(1)進行歸一化預(yù)處理，剔除原始大量數(shù)據(jù)之間存在的冗余度，使其更加適應(yīng)接下來的分析，從而使分析結(jié)果更加準確

y=(x-minValue)/(maxValue-minValue).

(1)

其中,x,y分別為數(shù)據(jù)歸一化處理前、后的值，maxValue,minValue分別為其中一種傳感器所采集得到的樣本的最大值和最小值。

對數(shù)據(jù)預(yù)處理結(jié)果進行PCA，從而實現(xiàn)對原有數(shù)據(jù)的降維。然后通過BP神經(jīng)網(wǎng)絡(luò)，對PCA所得到的新變量組進行模式識別，最終將檢測結(jié)果呈現(xiàn)出來。

具體實現(xiàn)過程如下：

1)首先通過對標準樣本進行檢測，每種樣品采集60組數(shù)據(jù)，共計60×5組數(shù)據(jù)，形成樣本數(shù)據(jù)庫。對未知樣品進行檢測時，被測樣本數(shù)據(jù)與數(shù)據(jù)庫數(shù)據(jù)進行PCA，最終得到PCA的成分圖譜。PCA方法流程圖如圖4所示。

圖4 PCA方法流程圖Fig 4 Flow chart of PCA method

2)然后對PCA所得到的新變量組進行BP所需要訓練參數(shù)的設(shè)定。根據(jù)訓練樣本為6種傳感器數(shù)據(jù)，從而確定輸入層節(jié)點數(shù)為6個。輸出層為所識別的類別數(shù)，根據(jù)本文對5種食用醋進行鑒別，因此，確定輸出層個數(shù)為5個，隱含層通過實驗確定為12，學習速率和初始權(quán)值向量選取系統(tǒng)默認值。

3)最后，上位機通過PCA和BP混合神經(jīng)網(wǎng)絡(luò)模式識別算法所得到的分析結(jié)果與數(shù)據(jù)庫中的特征數(shù)據(jù)進行比對，最終確定被測樣品種類。

4 實驗結(jié)果與分析

實驗中，利用自主研制的電子鼻系統(tǒng)對5種不同的食用醋進行檢測分析，檢測對象分別為陳醋、白醋、香醋、米醋、蘋果醋。將氣體傳感器陣列裝入5 L測量容器中，每次取樣量定為10 mL，對食用醋揮發(fā)出的氣體進行測量，測試環(huán)境為室溫20 ℃，濕度為50 %RH。當樣品在氣室中靜置5 min后采集傳感器數(shù)據(jù)。選取每種測試對象的60組數(shù)據(jù)，共計300組數(shù)據(jù)為數(shù)據(jù)樣本。其中每種測試對象的55組數(shù)據(jù)，共計275組數(shù)據(jù)作為訓練樣本，余下25組數(shù)據(jù)作為測試樣本。將訓練樣本數(shù)據(jù)進行數(shù)據(jù)預(yù)處理后，通過PCA后的圖譜如圖5所示。

圖5 電子鼻系統(tǒng)PCA分析圖譜Fig 5 PCA analysis spectrum of electronic nose system

由圖中可以看出:不同種類的食醋可以單一地被區(qū)分開來，具有相近配料的食醋在圖中的位置也相鄰。

運用BP神經(jīng)網(wǎng)絡(luò)對PCA的結(jié)果進行模式識別，輸出結(jié)果對應(yīng)于5種不同種類的食醋，標號為1，2，3，4，5。BP神經(jīng)網(wǎng)絡(luò)的輸出為[y1,y2,y3,y4,y5],且它們同時滿足條件

1)y1=max{y1,y2,y3,y4,y5}，

2)y1≥0.9，

則認為檢測對象為標1號食醋，否則，不能識別。

基于上述準則，測試樣本識別結(jié)果如表2所示。

表2 BP神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果Tab 2 Forecast result of BP neural network

由圖中可知，電子鼻對5種樣品的準確分辨率為100 %，可以準確地對5種食用醋進行檢測。

5 結(jié) 論

本文基于PCA和BP混合神經(jīng)網(wǎng)絡(luò)模式識別算法，研制出應(yīng)用于食用醋檢測分析的電子鼻系統(tǒng)。實驗結(jié)果表明：本系統(tǒng)能夠準確區(qū)分5種不同種類的食用醋?？梢詫υ撓到y(tǒng)進一步優(yōu)化設(shè)計，建立更加全面的數(shù)據(jù)庫，以實現(xiàn)對不同食用醋品質(zhì)的分析。

[1] Mahmoudi Esmaeil. Electronic nose technology and its applications[J].Sensors & Transducers,2009,107(8):17-25.

[2] 張曉敏.電子鼻在食品工業(yè)中的應(yīng)用進展[J].中國食品添加劑,2008(2):52-56.

[3] Mahmoudi Esmaeil.Electronic nose technology and its applications[J].Sensors & Transducers,2009,107(8):17-25.

[4] 張順平,張覃軼,李登峰,等.電子鼻技術(shù)在食醋識別中的應(yīng)用[J].傳感技術(shù)學報,2006,19(1):104-107.

[5] 張覃軼,孫 偉,謝長生,等.基于電子鼻的空氣中可揮發(fā)有機物定量分析[J].傳感器與微系統(tǒng),2006,25(11):21-24.

[6] 欒淑禾，閏衛(wèi)平，全寶富，等.用于電子鼻研究的多傳感器實時動態(tài)測試系統(tǒng)設(shè)計[J].測控技術(shù),2005,24(2):1-4.

[7] 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].吉林大學學報:信息科學版,2012,30(4):376-388.

[8] 張 鑫.基于LabVIEW的陣列式氣體傳感器動態(tài)數(shù)據(jù)采集系統(tǒng)[D].廈門：廈門大學,2007.

Electronic nose system based on PCA and BP hybrid neural network algorithm*

WANG Wei-wei, ZHANG Sai-nan

(Network Central Laboratory,Jilin University of Finance and Economics,Changchun 130117,China)

For non contact food quality evaluation,through hardware design scheme consists of data acquisition module and microprocessor module,an electrical noise system is designed and developed based on six kinds of Figaro metal-oxide gas sensor array for real time food non-destructive examination(NDE).As for the software design scheme,the principal component analysis(PCA)and back propagation(BP)are utilized and used to analyze gas“fingerprint information”database by LabVIEW.The experimental results show that the designed electronic nose system can distinguish different types of vinegar accurately,and provide a convenient method for vinegar quality evaluation.

non-contact; gas sensor array; principal component analysis(PCA); back propagation(BP); hybrid neural network; electronic nose

2013—09—30

全國教育信息技術(shù)研究“十二五”規(guī)劃2013年度立項青年課題項目(136241402)

TP 271

A

1000—9787(2014)04—0090—03

王巍巍(1977-)，女，吉林省長春人，碩士研究生，工程師，研究方向為計算機應(yīng)用。