周慧敏,李莎怡,陳婷婷,戚杰超,吳思妃,龔志涵,葉振龍,李 劍,惠國華,2*

(1.浙江農(nóng)林大學(xué)信息工程學(xué)院,杭州 311300;2.浙江省杭電智慧城市研究中心,杭州 310035)

用于紹興黃酒總糖含量預(yù)測的電子鼻系統(tǒng)構(gòu)建及其實(shí)驗(yàn)研究*

周慧敏1,李莎怡1,陳婷婷1,戚杰超1,吳思妃1,龔志涵1,葉振龍1,李 劍1,惠國華1,2*

(1.浙江農(nóng)林大學(xué)信息工程學(xué)院,杭州 311300;2.浙江省杭電智慧城市研究中心,杭州 310035)

構(gòu)建了電子鼻檢測系統(tǒng),用于紹興黃酒總糖含量的快速預(yù)測,采用具有8種氣體傳感器的電子鼻系統(tǒng)檢測了元紅、花雕、善釀、香雪4種經(jīng)典黃酒樣品,同時(shí)實(shí)驗(yàn)檢測了黃酒樣品的總糖含量,采用非線性雙重疊加隨機(jī)共振提取電子鼻檢測數(shù)據(jù)的特征值,采用特征值結(jié)合黃酒樣品總糖含量檢驗(yàn)結(jié)果建立了總糖含量預(yù)測模型。該模型不但可以預(yù)測黃酒樣品的總糖含量,而且可以實(shí)現(xiàn)黃酒樣品的類型檢測。該方法在黃酒品質(zhì)分析領(lǐng)域具有廣闊的應(yīng)用前景。

電子鼻;紹興黃酒;總糖含量;隨機(jī)共振;信噪比

紹興黃酒以精白糯米輔以上等鑒湖水釀造,酒精濃度在14°～18°之間,常作為調(diào)味料使用或直接飲用。按其釀造方式可分為元紅酒、加飯酒、善釀酒及香雪酒。隨著人們生活水平的提高,消費(fèi)者對黃酒的色澤、風(fēng)味、口感等因素的要求也顯著提高。紹興黃酒的品鑒通常采用人工感官審評方法,但人工感官易受外界因素干擾,品評的準(zhǔn)確性難以保證。儀器分析方法也是鑒定黃酒品質(zhì)的常用方法[1-6],但儀器分析方法存在耗時(shí)長、成本高、有污染等缺點(diǎn)。

電子鼻理論首先在1982年由Persand教授等提出[7],以其樣品前處理簡單、檢測速度快、易操作等優(yōu)點(diǎn),在酒類品質(zhì)分析中得到廣泛應(yīng)用。周海濤等使用電子鼻對勁酒進(jìn)行檢測鑒別,并進(jìn)行了傳感器陣列優(yōu)化分析,取得了較好的結(jié)果[8]。史志存等采用氣體傳感器件陣列結(jié)合模式識別技術(shù)構(gòu)成了電子鼻,并且對幾種白酒進(jìn)行了分類和模式識別實(shí)驗(yàn),結(jié)果證明電子鼻不僅能夠識別不同香型的白酒,而且可以辨識同一香型的不同白酒[9]。秦樹基等開發(fā)了一個(gè)能識別酒類的基于一個(gè)由3只具有不同寬譜氣敏響應(yīng)特性金屬氧化物傳感器組成陣列的電子嗅覺系統(tǒng),使用3層前饋神經(jīng)網(wǎng)絡(luò)用于分析傳感器陣列輸出的數(shù)據(jù),神經(jīng)網(wǎng)絡(luò)采用Levenberg-Marquardt算法訓(xùn)練后,電子嗅覺系統(tǒng)能成功地測定酒精濃度和烈性酒,識別葡萄酒和啤酒,正確識別率可達(dá)95%[10]。此外,電子鼻技術(shù)在其他類型食品品質(zhì)區(qū)分檢測中也得到了廣泛的應(yīng)用[11-17]。

圖1 電子鼻結(jié)構(gòu)示意圖

本文介紹了一種基于電子鼻系統(tǒng)的不同風(fēng)味紹興黃酒區(qū)分方法,選用紹興某釀酒公司生產(chǎn)的元紅、花雕、善釀和香雪4種黃酒產(chǎn)品作為檢測樣品,實(shí)驗(yàn)記錄了4種風(fēng)味黃酒樣品的電子鼻響應(yīng)數(shù)據(jù),并檢測了各樣品的總糖含量。在傳感器陣列優(yōu)化的基礎(chǔ)之上,采用非線性隨機(jī)共振方法提取黃酒電子鼻響應(yīng)特征值,并采用信噪比特征值與總糖含量數(shù)值線性擬合的方法構(gòu)建黃酒總糖含量預(yù)測模型,實(shí)驗(yàn)結(jié)果表明該方法不但可以預(yù)測黃酒樣品的總糖含量,而且可以實(shí)現(xiàn)黃酒樣品的類型檢測。

1 電子鼻系統(tǒng)及實(shí)驗(yàn)

1.1 樣品制備

實(shí)驗(yàn)采用紹興某釀酒公司生產(chǎn)的元紅、花雕、善釀和香雪4種黃酒產(chǎn)品,具體參數(shù)如表1所示。

表1 紹興黃酒參數(shù)

每種黃酒樣品取10組平行樣本,每組取20 mL,置于潔凈干燥的小樣品瓶中,并用封口膜密封,在室溫下靜置45 min,使樣品瓶頂空中積累一定的揮發(fā)性物質(zhì)。樣品檢測時(shí)先通入潔凈空氣穩(wěn)定60 s,然后通過儀器檢測探頭將揮發(fā)性氣體吸入電子鼻氣室,與傳感器陣列接觸,產(chǎn)生電信號,通過高速A/D采樣單元采集傳感器響應(yīng)信號并傳輸至電腦端進(jìn)行存儲(chǔ)。樣品檢測時(shí)間為40 s,檢測結(jié)束后通入潔凈的空氣清洗傳感器一段時(shí)間,以便進(jìn)行下一次的測量。

1.2 電子鼻系統(tǒng)

電子鼻系統(tǒng)結(jié)構(gòu)有3個(gè)模塊:氣敏傳感器陣列模塊、信號測量記錄模塊、模式識別模塊。電子鼻的檢測原理是記錄氣體傳感器陣列對樣品的響應(yīng)信號,響應(yīng)信號在計(jì)算機(jī)上經(jīng)處理后給出特征值,將特征值輸入模式識別庫中對比,給出類型判斷的結(jié)果,從而實(shí)現(xiàn)樣品類型判斷的目的。實(shí)驗(yàn)采用實(shí)驗(yàn)室自主研發(fā)的電子鼻系統(tǒng),結(jié)構(gòu)如圖1所示。主要包括信號采集、調(diào)理與數(shù)據(jù)傳輸單元,氣敏傳感器陣列及氣室,以及供氣、清洗動(dòng)力裝置3個(gè)部分。

研究表明,乳酸乙酯、乙酸乙酯、苯乙醇、丁酸2一甲基丁酯、異戊醇等是構(gòu)成黃酒芳香主體的主要來源[18],因此實(shí)驗(yàn)采用的電子鼻系統(tǒng)采用的8個(gè)氣體傳感器構(gòu)成了傳感器陣列單元,每個(gè)氣體傳感器特性如表2所示。

表2 電子鼻傳感器陣列

1.3 雙層疊加隨機(jī)共振模型

隨機(jī)共振是意大利科學(xué)家邦濟(jì)等提出用于解釋地球氣候周期性變化的一種非線性動(dòng)力學(xué)模型,它需要3個(gè)必備的因素:微弱輸入信號,外噪聲源和雙穩(wěn)態(tài)系統(tǒng)[19-22]。

(1)

式中:x為布朗粒子的運(yùn)動(dòng)軌跡,t為運(yùn)動(dòng)時(shí)間,M和D是可調(diào)節(jié)參數(shù),I(t)=S(t)+N(t)代表伴隨著內(nèi)秉噪聲N(t)的輸入信號S(t)。ξ(t)是外噪聲,V(t)是標(biāo)準(zhǔn)雙勢阱函數(shù),a和b為實(shí)參數(shù)。

(2)

將式(2)代入式(1)可以得到:

(3)

V(x)的極小值位于兩個(gè)勢阱±xm處,其中xm=(a/b)1/2。兩個(gè)勢阱之間相隔一個(gè)勢壘,勢壘位于xb=0處,高度為ΔU=a2/4b。在隨機(jī)共振三要素相互協(xié)調(diào)的情況下,勢壘被降低導(dǎo)致布朗運(yùn)動(dòng)粒子可以越過勢壘,從一個(gè)勢阱躍遷到另外一個(gè)勢阱中去。此時(shí),微弱信號的強(qiáng)度得到增強(qiáng),因此可以從強(qiáng)背景噪聲中被識別出來。

我們假設(shè)輸入信號為I(t)=Asin(2πft+φ),其中A是信號幅度,f是信號頻率,D是外噪聲強(qiáng)度,信噪比通常被用來表征隨機(jī)共振輸入輸出情況,如式(4)所示:

(4)

在這里,我們采用輸入信號I(t)=Asin(2πft+φ)+mea(t)+N(t)作為輸入矩陣,它包括一個(gè)周期性正弦信號Asin(2πft+φ),測量信號mea(t),以及內(nèi)秉噪聲N(t)。

在絕熱近似條件下,假設(shè)信號幅度極小(A?1),雙穩(wěn)態(tài)系統(tǒng)在沒有足夠能量驅(qū)動(dòng)的情況下,布朗運(yùn)動(dòng)粒子偏置于一側(cè)勢阱中。信號周期比一些典型勢阱內(nèi)系統(tǒng)弛豫時(shí)間要長的多,此時(shí)周期性驅(qū)動(dòng)力的出現(xiàn)使勢函數(shù)發(fā)生傾斜,最終導(dǎo)致布朗運(yùn)動(dòng)粒子從一個(gè)勢阱到另外一個(gè)勢阱的躍遷,因此勢函數(shù)V(x,t)與輸入信號協(xié)同為:

(5)

式(6)為V(x,t)對于x的一階導(dǎo)數(shù)和二階導(dǎo)數(shù),并且使等式等于0。

(6)

(7)

(8)

k2=h[a(xn+k1/2)-b(xn+k1/2)3+snn]

(9)

(10)

(11)

式中:xn為x(t)的n階值,snn是Sn(t)的n階值。h是計(jì)算步數(shù),此時(shí)將兩個(gè)單層隨機(jī)共振系統(tǒng)串聯(lián)起來就構(gòu)成了雙層隨機(jī)共振系統(tǒng),根據(jù)式(1),朗之萬方程可以次序?qū)憺?

(12)

在工程測量中,測量的數(shù)據(jù)通常包含目標(biāo)信號和干擾噪聲,如果目標(biāo)信號被強(qiáng)背景噪聲所掩蓋,我們是無法準(zhǔn)確檢測到的。在隨機(jī)共振的幫助下,內(nèi)秉噪聲被削弱而目標(biāo)信號微弱信號則被有效放大,使得目標(biāo)信號有可能被捕捉到。有時(shí)候由于目標(biāo)信號過于微弱和背景噪聲太強(qiáng),單層隨機(jī)共振并不能有效的降低系統(tǒng)噪聲,因此就需要將單層隨機(jī)共振輸出信號再次送到下一層隨機(jī)共振系統(tǒng)中進(jìn)行分析,這樣可以最終實(shí)現(xiàn)測量目標(biāo)微弱信號的目的。

2 黃酒樣品分析結(jié)果

2.1 傳感器陣列響應(yīng)

圖2所示為電子鼻傳感器陣列對被測花雕酒樣品的響應(yīng)圖,8種傳感器對樣品具有良好的響應(yīng),在0～12 s時(shí)間范圍內(nèi)各傳感器響應(yīng)值持續(xù)上升,在14 s時(shí)8個(gè)傳感器達(dá)到穩(wěn)定值。不同類型傳感器的穩(wěn)定值也不同,8種傳感器響應(yīng)穩(wěn)定值從大到小的順序依次為:傳感器8>傳感器2>傳感器5>傳感器6>傳感器1>傳感器4>傳感器3>傳感器7。這些檢測信息構(gòu)成了花雕酒樣品的電子鼻特征圖譜,不同的紹興黃酒樣品具有不同的電子鼻響應(yīng)特征圖譜,這就是電子鼻有效區(qū)分不同種類黃酒樣品的檢測基礎(chǔ)。本研究的目的在于利用電子鼻預(yù)測黃酒樣品的總糖含量,對于酒類樣品檢測而言,樣品揮發(fā)出的乙醇?xì)怏w對電子鼻氣體傳感器陣列有較大的影響,在某種程度上掩蓋了各氣體傳感器對總糖相關(guān)信號的反映,因此本研究對傳感器陣列進(jìn)行了優(yōu)化處理,隨機(jī)共振輸入信號中關(guān)閉傳感器s4的輸入量。

圖2 傳感器陣列對花雕黃酒樣品響應(yīng)

圖3 黃酒樣品總糖含量檢驗(yàn)結(jié)果

2.2 紹興黃酒總糖檢驗(yàn)結(jié)果

紹興黃酒總糖檢驗(yàn)結(jié)果如圖3所示,黃酒總糖含量按照元紅,花雕,善釀和香雪的順序升高。元紅屬于干黃酒,釀造過程中糖分大都發(fā)酵成為酒精,因此酒中總糖含量較低,口味醇和鮮爽?；ǖ窬茖儆诎敫尚忘S酒,釀造過程中糖分未全部發(fā)酵成酒精,口味醇厚柔和。而半甜型黃酒在釀造中采用獨(dú)特工藝,在糖化發(fā)酵開始的時(shí)候,發(fā)酵醪中酒精濃度處于較高的水平,高酒精濃度抑制微生物的生長,因此大部分糖分不能轉(zhuǎn)化為酒精,善釀就屬于半甜型黃酒。而香雪則采用淋飯操作,發(fā)酵中糖化到一定程度后,加入米白酒或者糟燒酒抑制微生物發(fā)酵作用,因此總糖含量最高,香雪屬于甜黃酒。黃酒樣品的總糖含量檢驗(yàn)結(jié)果與上述分析吻合。

4種黃酒樣品的電子鼻檢測數(shù)據(jù)雙層隨機(jī)共振信噪比曲線如圖4所示,在外部調(diào)制噪聲的作用下,首先各樣品的信噪比曲線呈現(xiàn)上升的趨勢,在噪聲強(qiáng)度38左右達(dá)到一個(gè)緩和的峰之后,在噪聲強(qiáng)度89附近出現(xiàn)一個(gè)尖銳的特征谷,信噪比谷值隨著元紅、花雕、善釀和香雪的順序而下降,之后各樣品的信噪比曲線開始上升并最終趨于平緩。我們選取信噪比曲線特征谷值作為黃酒樣品的表征參量,用于總糖含量預(yù)測模型的構(gòu)建。

圖4 黃酒樣品隨機(jī)共振信噪比曲線

圖5所示為紹興黃酒總糖含量預(yù)測曲線,橫坐標(biāo)為電子鼻檢測信噪比特征值,縱坐標(biāo)為黃酒總糖含量。根據(jù)現(xiàn)行有效的中華人民共和國國家標(biāo)準(zhǔn)GB/T 17946-2008針對紹興黃酒的地理標(biāo)志產(chǎn)品規(guī)定,可知四大類黃酒總糖含量的范圍,因此我們在圖5中劃分了四大類黃酒總糖含量的區(qū)域。A、B、C、D依次對應(yīng)元紅、花雕、善釀和香雪。預(yù)測模型如式(13),我們采用電子鼻檢測某種未知總糖含量的黃酒樣品,并計(jì)算出信噪比特征值,代入式(13)計(jì)算出結(jié)果,根據(jù)結(jié)果所處于的區(qū)域即可得到該樣品總糖含量的預(yù)測值,同時(shí)也可以實(shí)現(xiàn)該黃酒樣品類型的大致預(yù)測。

總糖含量=-656.889 19-7.38295×信噪比峰值,R=-0.992 32

(13)

圖5 黃酒總糖含量預(yù)測模型

在之前的研究中,我們采用電子鼻實(shí)驗(yàn)檢測了紹興黃酒的香氣特征,風(fēng)味特征從高到低依次為善釀>香雪>加飯>元紅,與本研究的結(jié)果差異可能是善釀的獨(dú)特釀造工藝引起的,善釀雖然屬于半甜型黃酒,但是其采用成品黃酒代替水淋入發(fā)酵醪中,發(fā)酵過程中雖然一方面抑制了酵母菌的生長速度,另外一方面部分糖分卻依然可以轉(zhuǎn)化為酒精,實(shí)際上善釀的香氣特征是發(fā)酵產(chǎn)物與未轉(zhuǎn)化糖分的綜合產(chǎn)物。因此,在本研究中優(yōu)化了氣體傳感器陣列,去除了乙醇傳感器s4的響應(yīng)輸入,以確保電子鼻區(qū)分不同種類黃酒總糖含量的準(zhǔn)確度。

3 結(jié)語

本文構(gòu)建了電子鼻檢測系統(tǒng),用于紹興黃酒總糖含量的快速預(yù)測,采用具有8種氣體傳感器的電子鼻系統(tǒng)實(shí)驗(yàn)檢測了元紅、花雕、善釀、香雪4種經(jīng)典黃酒樣品,同時(shí)實(shí)驗(yàn)檢驗(yàn)了黃酒樣品的總糖含量,并且從釀造工藝的角度分析了4種類型黃酒的差異。最終,在電子鼻氣體傳感器陣列優(yōu)化的基礎(chǔ)之上采用非線性隨機(jī)共振提取電子鼻檢測數(shù)據(jù)特征值,采用隨機(jī)共振信噪比特征谷值結(jié)合黃酒樣品總糖含量檢驗(yàn)結(jié)果建立了總糖含量預(yù)測模型:總糖含量=-656.889 19-7.382 95×信噪比峰值(R=-0.992 32)。該模型不但可以預(yù)測黃酒樣品的總糖含量,而且可以實(shí)現(xiàn)黃酒樣品的類型檢測,在黃酒品質(zhì)分析領(lǐng)域具有廣闊的應(yīng)用前景。

[1] 沈國惠,王榮民,王勤. 封缸酒揮發(fā)性風(fēng)味成分的研究[J]. 食品與發(fā)酵工業(yè),1986,6:33-36.

[2] 王榮民,沈國惠,林少雯,等. 黃酒低沸點(diǎn)揮發(fā)物氣相色譜分析初步探討[J]. 食品與發(fā)酵工業(yè),1980,4:30-34.

[3] 張笑麟,沐晨. 黃酒酒腳的沉出過程對酒中風(fēng)味物質(zhì)-乙酸乙酯含量的影響[J]. 浙江工學(xué)院學(xué)報(bào),1990,2:73-80.

[4] 李益圩,王冀平,孫力. 紹興加飯酒的香氣成分分析[J]. 分析測試學(xué)報(bào),1990,5:27-34.

[5] 殷德榮. 毛細(xì)管氣相色譜法測定紹興黃酒中揮發(fā)性物質(zhì)[J]. 中國衛(wèi)生檢驗(yàn)雜志,2006,16(8):930-931.

[6] 郭翔,胡普信,徐巖,等. 黃酒揮發(fā)性風(fēng)味物質(zhì)的研究[J]. 釀酒科技,2004,5:79-81.

[7] Persand K,Dodd G H. Analysis of Discrimination Mechanisms in the Mammalian Olfactory System Using a Model Nose[J]. Nature,1982,299(5881):352-355.

[8] 周海濤,殷勇,于慧春. 勁酒電子鼻鑒別分析中傳感器陣列優(yōu)化方法研究[J]. 傳感技術(shù)學(xué)報(bào),2009,22(2):175-178.

[9] 史志存,李建平,馬青,等. 電子鼻及其在白酒識別中的應(yīng)用[J]. 儀表技術(shù)與傳感器,2000,1:34-37.

[10] 秦樹基,黃林. 用于酒類識別的電子鼻研究[J]. 鄭州輕工業(yè)學(xué)院學(xué)報(bào),2000,15(4):17-19.

[11] Garder J W,Bartlett P N. A Brief History of Electronic Nose[J]. Sensors and Actuators B:Chemical,1994,18(3):210-211.

[12] 于勇,王俊,周鳴. 電子鼻技術(shù)的研究進(jìn)展及其在農(nóng)產(chǎn)品加工中的應(yīng)用[J]. 浙江大學(xué)學(xué)報(bào)農(nóng)業(yè)與生命科學(xué)版,2003,29(5):579-584.

[13] Arnold J W,Senter S D. Use of Digital Aroma Technology and SPME CC2MS to Compare Volatile Compounds Produced by Bacteria Isolated from Processed Poultry[J]. Journal of the Science of Food and Agriculture,1998,78(3):343-348.

[14] Santos J P,Garcia M,Aleixandre M,et al. Electronic Nose for the Identification of Pig Feeding and Ripening Time in Iberian Hams[J]. Meat Science,2004,66(3):727-732.

[15] Paolesse R,Alimelli A,Martinlli E,et al. Detection of Fungal Contamination of Cereal Grain Samples by an Electronic Nose[J]. Sensors and Actuators B,2006,119(2):425-430.

[16] Evans P,Persaud K C,McNeish A S,et al. Evaluation of a Radial Basis Function Neural Networks for the Determination of Wheat Quality from Electronic Nose Data[J]. Sensors and Actuators B,2000,69:348-358.

[17] Abramson D,Hulasare R,York R K,et al. Mycotoxins,Ergosterol,and Odor Volatiles in Durum Wheat During Granary Stroage at 16% and 20% Moisture Content[J]. Journal of Storaged Products Research,2005,41:61-76.

[18] 郭翔,胡普信,徐巖,等. 黃酒揮發(fā)性風(fēng)味物質(zhì)的研究[J]. 釀酒科技,2004,5:79-81.

[19] Benzi R,Sutera A,Vulpiana A. The Mechanism of Stochastic Resonance[J]. Journal of Physics A,1981,14:L453-L456.

[20] Gammaitoni L,Hanggi P. Stochastic Resonance[J]. Reviews of Modern Physics,1998,71:223-287.

[21] Jung P,Hanggi P. Amplification of Small Signal Via Stochastic Resonance[J]. Physical Review A,1991,44:8032-8042.

[22] Dutta R,Das A,Stocks N G,et al. Stochastic Resonance-Based Electronic Nose:A Novel Way to Classify Bacteria[J]. Sensors and Actuators B,2006,115(1):17-27.G.

周慧敏(1997-),女,浙江金華人,浙江農(nóng)林大學(xué)信息工程學(xué)院信息管理與信息系統(tǒng)在讀,主要研究方向包括食品品質(zhì)檢測等;

惠國華(1980-),男,副教授,現(xiàn)于浙江農(nóng)林大學(xué)信息工程學(xué)院任教,主要從事傳感技術(shù)、測控儀器的開發(fā)工作,已發(fā)表論文三十余篇,多為SCI、EI收錄。deliver1982@163.com。

DesignandFabricationofElectronicNoseSystemforShaoxingRiceWineTotalSugarContentForecastandExperimentalStudy*

ZHOUHuimin1,LIShayi1,CHENTingting1,QIJiechao1,WUSifei1,GONGZhihan1,YEZhenlong1,LIJian1,HUIGuohua1,2*

(1.College of Information Engineering,Zhejiang A and F University,Hangzhou 311300,China;2.Zhejiang hangdian Intellegent Research Center,Hangzhou 310035,China)

Electronic nose system was designed and fabricated. Shaoxing rice wine total sugar content forecasting method using electronic nose was investigated. The electronic nose consisting of eight gas sensors was used to analyze four classic rice wine products:Yuanhong,Huadiao,Shanniang,and Xiangxue. Meanwhile,total sugar content index of rice wine products was examined. Non-linear cascaded double-layered stochastic resonance method was utilized to extract electronic nose measurement data eigen values. Rice wine total sugar content forecasting model was built using eigen value and total sugar content data. The developed model could not only predict total sugar content of the samples,but detect rice wine species. This method is promising in rice wine quality analysis field.

electronic nose;Shaoxing rice wine;total sugar content;stochastic resonance;signal-to-noise ratio

TN911.7

A

1004-1699(2017)11-1776-05

項(xiàng)目來源:浙江省公益技術(shù)應(yīng)用研究項(xiàng)目(2017C31011);浙江省基礎(chǔ)公益技術(shù)研究計(jì)劃(LGG18F030006);浙江省杭電智慧城市研究中心開放基金項(xiàng)目;國家級大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計(jì)劃項(xiàng)目(105-2013200055);浙江農(nóng)林大學(xué)學(xué)生科研訓(xùn)練項(xiàng)目

2017-04-17修改日期2017-07-25

10.3969/j.issn.1004-1699.2017.11.026