楊國強,張淑娟

(1.山西農(nóng)業(yè)大學(xué)現(xiàn)代教育技術(shù)學(xué)院,山西太谷 030801;2.山西農(nóng)業(yè)大學(xué) 工學(xué)院,山西太谷 030801)

白酒是我國獨特的一種飲料酒,因其生產(chǎn)工藝、原輔料、地理位置等不同,而品種繁多,香型各異。即使同一品牌的白酒,也會因品種及酒齡的不同而品質(zhì)各異。白酒的質(zhì)量是各種化學(xué)成分的綜合反映,主要通過理化指標(biāo)分析和感官品評來判斷。感官品評是運用感覺器官進(jìn)行視覺、嗅覺、味覺、觸覺來進(jìn)行評定酒的質(zhì)量,以區(qū)分酒的優(yōu)劣、劃分酒的等級,判斷酒的風(fēng)格特征,甚至鑒別假冒偽劣產(chǎn)品。酒的氣味,主要是香氣是評價其品質(zhì)的重要手段,也是影響消費者購買的主要因素之一。辯別酒香氣和異香、區(qū)分出香型的主要方法依靠人的嗅覺。顯然白酒的辯別區(qū)分結(jié)果會隨評酒員自身業(yè)務(wù)條件不同而不同。電子鼻技術(shù)的發(fā)展,為快速、準(zhǔn)確的白酒香氣辯別和香型區(qū)分以及對于白酒品質(zhì)檢測更為可靠和合理。

“電子鼻”的概念,最早是1982年英國Warwick大學(xué)的Persand和Dodd教授[1]模仿哺乳動物嗅覺系統(tǒng)的結(jié)構(gòu)和機理,對幾種有機揮發(fā)氣體進(jìn)行類別分析時提出來的。它是20世紀(jì)90年代發(fā)展起來的一種新穎的分析、識別和檢測復(fù)雜嗅味和揮發(fā)性成分的人工嗅覺系統(tǒng)[2～5]。它與普通化學(xué)分析儀器(如色譜儀、光譜儀、毛細(xì)管電泳儀)等不同,得到的不是被測樣品中某種或某幾種成分的定性與定量結(jié)果,而是樣品中揮發(fā)成分的整體信息,也稱“指紋”數(shù)據(jù)[6]。其實,所謂“電子鼻”實質(zhì)上是一種能夠感知識別氣味的電子系統(tǒng),也有人將它看成是人和動物鼻子的仿真產(chǎn)品[7]。

電子鼻是模擬生物鼻的人工嗅覺電子系統(tǒng),其工作可歸納為:傳感器陣列→預(yù)處理電路→神經(jīng)網(wǎng)絡(luò)和各種算法→計算機識別。

一個典型的電子鼻主要由三部分組成[8]。第一部分是樣品處理器,第二部分是氣體傳感器陣列,第三部分是信號處理系統(tǒng)或稱為模式識別系統(tǒng)[9]。T.Nakamoto則認(rèn)為電子鼻一般由氣體傳感器陣列、信號處理子系統(tǒng)和模式識別子系統(tǒng)等三大部分構(gòu)成[10]。考慮到氣敏傳感器陣列的相對獨立性和信號處理與模式識別研究的相關(guān)性,研究人員常常把氣體(敏)傳感器陳列看成是電子鼻的硬件部分,而將信號處理與模式識別這兩分看成是電子鼻的軟件部分,所以電子鼻可看成是硬件和軟件兩部分組成的[11]。本文將按硬件和軟件兩方面介紹電子鼻技術(shù)的研究進(jìn)展以及在白酒酒類識別中的應(yīng)用情況。

1 電子鼻的硬件構(gòu)成和工作原理

電子鼻的硬件主要由樣品處理器和氣體傳感器陣列構(gòu)成。樣品處理器主要是由塑料或不銹鋼制成的管子,有氣味物樣品通過它由真空泵吸入到由一陣列傳感器所組成的一個小腔室中。小腔室中的氣體傳感器陣列是電子鼻的關(guān)鍵部分[12]。

氣體傳感器陣列是由若干種類和特征的傳感器組成。

有氣味物暴露于傳感器陣列時,將和一陣列傳感器相互作用,并產(chǎn)生瞬間響應(yīng),依據(jù)傳感器的種類和特征,會在幾秒或幾分鐘內(nèi)達(dá)到穩(wěn)定狀態(tài),通過對陣列中所有傳感器的響應(yīng)模式進(jìn)行這些穩(wěn)定狀態(tài)的檢測可以鑒別和確定有氣味物。

值得注意的是在傳感器陣列中,每一種傳感器都有自己的靈敏度,對有氣味物均有唯一的響應(yīng)圖譜,而且傳感器的響應(yīng)模式對不同的有氣味物是截然不同的。這里所謂的有氣味物的氣味,一般都是混合氣味。

近20年來,傳感器制造工藝技術(shù)發(fā)展很快,按照它們的工作原理,可以分為五種類型:導(dǎo)電型傳感器,壓電型傳感器,電容-電荷耦合型傳感器,光學(xué)傳感器和基于圖譜方法的傳感器[12]。這些不同類型傳感器的工作原理、制造工藝、靈敏度、優(yōu)缺點各有不同,但隨著微電子技術(shù)和微電子機械加工工藝的發(fā)展,它們的靈敏度不斷提高,價格更趨合理,整個電子鼻系統(tǒng)的體積也會變小,檢出的氣體種類會變得更豐富。

氣體傳感器根據(jù)氣敏特性來分類,主要分為半導(dǎo)體式、固體電解質(zhì)式、電化學(xué)式、接觸燃燒式、光學(xué)式 、熱導(dǎo)式等。 SnO2、ZnO 、Fe2O3、TiO2、WO3等做成的半導(dǎo)體氣敏元件是目前世界上生產(chǎn)和應(yīng)用最多的一種氣敏傳感器,它是利用氣體與半導(dǎo)體接觸引起半導(dǎo)體性質(zhì)發(fā)生變化而測量氣體的[13]。肖堯榮[14]報道,金屬氧化物型半導(dǎo)體傳感器(MOS)最早是在上世紀(jì)80年代初由日本學(xué)者開發(fā)出來的,這類傳感器具有很寬的適應(yīng)范圍和較低的成本、耐腐性強,響應(yīng)速度快,目前應(yīng)用也最廣泛,但其有工作溫度高、易發(fā)生漂移、對氣體混合物中的硫化物呈“中毒”反應(yīng)的缺點。

質(zhì)量傳感器及陣列是上世紀(jì)90年代發(fā)展起來的,它是吸收氣味分子后會引起石英振子振動頻率的改變而產(chǎn)生信號。此類傳感器靈敏度高,信號易被微機處理及抗傳輸干等優(yōu)點。曹忠等[15]人研制的PSC陣列就屬于石英晶體微天平傳感器。A.Bryant[16]還研制了聲表面波傳感器(SAW),采用諧振器與待測氣體接觸,膜層吸附待測氣體分子使得SAW的相速和幅值發(fā)生變化。

王平等[17]等提出了一種柔順性氣敏傳感器陣列的設(shè)計思想,改變陣列中各傳感器的工作狀態(tài),使傳感器陣列對不同的氣味具有相異的選擇性,進(jìn)而實現(xiàn)以較少的氣敏傳感器對多種成分的混合氣體的識別。

秦樹基等[18]在獲取電子鼻四種白酒氣味數(shù)據(jù)時,采用的氣體傳感器陣列由3個氧化銦氣體傳感器和1個氧化錫氣體傳感器組成,日本FIGARO公司型號為TGS822和日本NEMOTO公司型號為AP-11AE、NAP-11ASS的傳感器可檢測乙醇?xì)馕?而型號為NAP-11AS的傳感器可檢測室內(nèi)各種異味,這樣的氣體傳感器組合適合用于對白酒的檢測。

胡衛(wèi)軍等[19]利用光纖傳感器易與多種聚合物敏感材料相結(jié)合的特點,對糖尿患者和肺癌患者呼吸中以丙酮氣味和苯等有機氣味模擬檢測和識別,將生物嗅覺機理模型用于電子鼻系統(tǒng)的設(shè)計過程,采用了模擬生物嗅覺的識別算法,使電子鼻系統(tǒng)具有了一定的仿生特性。

石志標(biāo)等[20]提出了電子鼻嗅覺信息采集的新方法,在鼻流道壁上安置8只氣敏傳感器構(gòu)成傳感器陣列,仿生物鼻道中的嗅細(xì)胞,傳感器陣列由8只SnO2氣敏傳感器(TGS812、TGS813、TGS821、TGS822 、TGS824 、TGS822TF 、TGS825、TGS880)組成;節(jié)氣門用于調(diào)節(jié)吸入鼻流道氣體的流量,仿生物的不同吸氣速度。樣本室是一個帶門的容器,測試時將樣本放入樣本室,由于風(fēng)扇的作用,使樣本的揮發(fā)性氣體通過輸氣管抽到鼻流道,氣體與鼻流道內(nèi)傳感器陣列作用產(chǎn)生信號。采用數(shù)據(jù)采集器把采集到的數(shù)據(jù)通過USB接口送到計算機中形成數(shù)據(jù)文件,供軟件進(jìn)一步處理。

趙杰文等[21]的研究中以日本費加羅(Figro)公司生產(chǎn)的5個厚膜金屬氧化錫傳感器(TGS813,TGS880,TGS800,TGS822,TGS825)組成氣敏傳感器陣列,并運用“遺傳特征參數(shù)法”建立識別模型,構(gòu)成一個電子鼻系統(tǒng)。試驗區(qū)分的對象為山西“水塔牌”老陳醋和鎮(zhèn)江“金梅牌”香醋,這兩種醋從顏色上無法區(qū)分,但可以通過其散發(fā)的氣味來區(qū)分,取樣計每次取20 ml,每種醋做50個樣本。

張哲等[22]采用天津費加羅公司生產(chǎn)的TGS系列MOS氣體傳感器構(gòu)成,共6種傳感器,分別是TGS2600型、TGS2602 型、TGS2610型、TGS2611型、TGS2620型、TGS2442型。京宮二鍋頭酒作為試驗樣品,分別按照1∶3、1∶2、1∶1的比例加入蒸餾水,與原裝酒進(jìn)行比較,檢驗傳感器陣列的性能。結(jié)果表明,TGS2442不能用于酒類判定,其余對于不同濃度的白酒都有規(guī)律性的反應(yīng)。

秦萬廣等[13]等依據(jù)仿生鼻的原理,模仿生物嗅覺系統(tǒng),用氣敏傳感器陣列結(jié)合神經(jīng)網(wǎng)絡(luò)模式識別技術(shù)構(gòu)成了仿生鼻,用它對幾種白酒進(jìn)行了分類和識別實驗,結(jié)果表明其不僅能識別不同的白酒,而且可以識別真假白酒。

張苗等[23]等自行研制了基于PCMCIA標(biāo)準(zhǔn)的便攜式采集設(shè)備的電子鼻系統(tǒng),設(shè)計集GGA及TGS系列氣體傳感器陣列的信號拾取與調(diào)理功能于一體的硬件電路,以及基于虛擬儀器軟件開發(fā)平臺Labwindows/CVI的電子鼻信號采集與識別多功能配套軟件。系統(tǒng)的傳感器陣列結(jié)構(gòu)具有良好的置換性,可針對檢測氣體的類別選取充分反映樣本信息的最佳器件型號組合,對于多類氣體檢測具有通用特性。便攜式電子鼻使得信號采集實驗可在室外環(huán)境下對氣體樣本響應(yīng)信息的實時動態(tài)掃描。

2 電子鼻的軟件構(gòu)成和工作原理

氣味傳感器陣列所獲得的氣味信息,要經(jīng)過預(yù)處理電路并進(jìn)行特征提取,電子鼻的軟件的主要任務(wù)就是對氣味信息及其特征進(jìn)行數(shù)學(xué)模型的處理,以達(dá)到對樣品氣味進(jìn)行全面的分類(Classify)和聚類(Cluster)。

電子鼻的軟件構(gòu)成主要信號處理子系統(tǒng)和模式識別子系統(tǒng)構(gòu)成[7]。

信號處理子系統(tǒng)的作用就是對傳感器陳列傳入的信號進(jìn)行濾波、交換和特征提取,也就是數(shù)據(jù)的預(yù)處理。目前特征提取的方法模型有:相對法、差分法、對數(shù)法和歸一法等。大量實踐表明,相對法有助于補償敏感性;部分差分模型除了可以補償敏感性之外,還可能使傳感器電阻與濃度參數(shù)的關(guān)系線性化;對數(shù)法可以使高度非線性的濃度依賴關(guān)系線性化;歸一法不僅可以減少化學(xué)計量分類器的計量誤差,還可為人工神經(jīng)網(wǎng)絡(luò)分類器的輸入準(zhǔn)備適當(dāng)數(shù)據(jù)。顯然,不同的信號處理子系統(tǒng)要和某個模式識別子系統(tǒng)相結(jié)合進(jìn)行開發(fā),將其設(shè)計成一個軟件的兩個過程,方便數(shù)據(jù)轉(zhuǎn)換,保證模式識別的正確性,比用單個技術(shù)可得到更加全面的分類和聚類。

模式識別是對輸入信號再進(jìn)行適當(dāng)處理,以獲取混合氣體的組成成分和濃度的信息。一般模式識別方法有統(tǒng)計模式識別技術(shù)和人工神經(jīng)網(wǎng)絡(luò)(ANN)技術(shù)。

鄒小波等[24]針對電子鼻的數(shù)據(jù)特點,提出用一個3維數(shù)組保存電子鼻的數(shù)據(jù);采用6點平滑方法去除傳感器的噪聲;在基線校正中,首先通過二階導(dǎo)數(shù)大于零和連續(xù)一階導(dǎo)數(shù)大于零的方法找到樣本反應(yīng)起始點,然后減去環(huán)境響應(yīng)值并提取相同長度的數(shù)據(jù)段,提高了電子鼻的精度和可重復(fù)性。

統(tǒng)計模式識別技術(shù)的具體方法包括主成分分析(Principal components analysis,PCA),局部最小方差(Partial least squares,PLS),判別分析法(Discriminant analysis,DA),判別因子分析法(Discriminant factorial analysis,DFA),和聚類分析法(Cluster analysis,CA)等[25]。此外,關(guān)于電子鼻的各種模式識別方法及其相應(yīng)研究層出不窮[26～29],比如k近鄰法(k-NN)[30]、線性判別分析法(LDA)[31]等。

PCA是一種線性判別方法,在電子鼻研究中常用作分類鑒別算法[32～35]。殷勇[36]認(rèn)為,PCA在計算樣本數(shù)據(jù)協(xié)方差矩陣特征值的過程中消除了各變量(對應(yīng)各測量傳感器)間的相關(guān)性,這反而與充分利用優(yōu)傳感器陣列的交疊感應(yīng)特性相悖。因為氣敏傳感器(特別是金屬氧化物半導(dǎo)體氣敏傳感器)一般都具有廣譜響應(yīng)特性,而這一特性正好滿足:可用有限的傳感器來構(gòu)造能對多種成分物質(zhì)進(jìn)行鑒別的傳感器陣列,以模擬人鼻內(nèi)的大量嗅覺感受器細(xì)胞,使傳感器陣列所確定的多維信息空間能夠蘊涵更多有用的信息,因此,在用電子鼻鑒別多組分物品時,PCA有時不能有效地實現(xiàn)判別。殷勇等就此提出一種PCA和Wilks準(zhǔn)則合成技術(shù)構(gòu)造了主成分降維變換矩陣的特征向量方法,實現(xiàn)了3種酒的正確分類。

常規(guī)的氣味濃度檢定及模式識別方法是在已知嗅敏傳感器的響應(yīng)方程和數(shù)學(xué)模型的前提下進(jìn)行的。但由于目前的嗅敏傳感器的響應(yīng)機理及其模型比較復(fù)雜,非線性嚴(yán)重,以及數(shù)學(xué)模型難以建立,上述方法的實現(xiàn)面臨較大的困難[12]。

近些年發(fā)展起來的人工神經(jīng)網(wǎng)絡(luò)(Artificial neural network,ANNs)由于具有很強的非線性處理能力及模式識別能力而得到了廣泛的應(yīng)用[20]。在神經(jīng)網(wǎng)絡(luò)的訓(xùn)練中,最普遍用的是反向傳播人工神經(jīng)網(wǎng)絡(luò)(Back propagation network,BPN)[37]、概率神經(jīng)網(wǎng)(Probabilistic neural network,PNN)[38]、學(xué)習(xí)向量量化(Learning vector quantization network,LVQ)[39]、自組織映射(SOM)[40]、支持向量機(SVM)[23]、徑向基函數(shù)法(RBF)和引入模糊概念的模糊C均值算法(FCMA)[7]。

秦樹基等[18]以4個金屬氧化物氣體傳感器組成的陣列識別4種白酒為例研究了3種人工神經(jīng)網(wǎng)絡(luò)即BPN 、LVQ)和PNN對電子鼻性能的影響。結(jié)果表明:(1)對4種中國白酒的識別,LVQ網(wǎng)絡(luò)、PNN網(wǎng)絡(luò)、BPN網(wǎng)絡(luò)分類的成功率分別達(dá)到95%、92.5%和90.00%,LVQ 網(wǎng)絡(luò)最優(yōu);然而,在計算負(fù)載和易用性方面,則PNN網(wǎng)絡(luò)優(yōu)于LVQ和BPN網(wǎng)絡(luò)。(2)對精細(xì)識別,除傳感器陣列以外,用于模式識別的ANN的結(jié)構(gòu)和算法,包括訓(xùn)練過程中的相關(guān)參數(shù)對電子鼻的性能也有非常重要的影響。

針對BP算法的學(xué)習(xí)時間太長,王平等[17]開發(fā)了具有側(cè)向聯(lián)想能力和較強識別能力的自組織特征映射(Self-organizing feature map,SOM)網(wǎng)絡(luò),并實現(xiàn)了香(香水)、臭(尿氨)、酸(鹽酸)、酒精、汽油、煤油和柴油等7種典型氣味的自動識別,平均識別正確率在91%以上。

秦樹基等[41]利用概率神經(jīng)網(wǎng)絡(luò)(PNN)對二元混合氣體的模式分類問題數(shù)值模擬結(jié)果表明:使計算工作量降低,并使誤差收斂到全局極小,總能給出一個合理的分類結(jié)果,樣本數(shù)足夠多時,可給出高達(dá)95.4%的識別率,計算負(fù)載比反向傳輸網(wǎng)絡(luò)輕得多。

趙杰文等[21]在其所研制的適用于傳感器陣列反應(yīng)的試驗裝置,在獲得傳感器與食醋揮發(fā)氣體反應(yīng)的整個過程的數(shù)據(jù)的基礎(chǔ)上,提取了時域歷程的特征值,提出了一種稱為“遺傳(genetic algorithms,GA)特征參數(shù)法”的新方法,提高了模式識別的精度,同時該方法對于解決其他模式識別問題也有參考價值。當(dāng)用原始特征參數(shù)不能很好地識別不同醋散發(fā)的氣味時,可將原始特征參數(shù)用遺傳基因算法得到一個新的遺傳特征參數(shù),新遺傳特征參數(shù)可成為最佳遺傳特征參數(shù),它可很好地識別不同醋散發(fā)的氣味。

馮偉等[42]曾采用一種基于神經(jīng)網(wǎng)絡(luò)的雜交算法進(jìn)行3種化學(xué)品(丙酮、甲醇和乙醇)的實驗識別,利用梯度收斂法結(jié)合遺傳算法進(jìn)行權(quán)值初始化來加快運算速度和提高分類準(zhǔn)確度。Srivastava AK[43]和Kermani BG[44]也利用遺傳算法對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,分別進(jìn)行了不同維度下識別DES和ISO和氣味識別實驗,實驗表明,經(jīng)遺傳算法優(yōu)化過參數(shù)和結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)具有很好的性能,可以達(dá)到100%的識別率,但執(zhí)行時間較長。

張苗等[23]采用自研的便攜式采集設(shè)備的電子鼻系統(tǒng)以及基于虛擬儀器軟件開發(fā)平臺Labwindows/CVI的電子鼻信號采集與識別多功能配套軟件。以5種品牌香煙作為分析樣本驗證了系統(tǒng)有效性,通過主成分分析(PCA)法證明了樣本數(shù)據(jù)良好的聚類特性,并比較最小二乘法、BP神經(jīng)網(wǎng)絡(luò)和支持向量機(SVM)算法的識別效果,其中應(yīng)用支持向量機算法得到了100%的最優(yōu)識別率。

傅均等[45]提出將傳感器陣列時間序列信號直接輸入到一種具有豐富動力學(xué)特性的嗅覺神經(jīng)網(wǎng)絡(luò)中進(jìn)行模式分類的方法。該方法不僅在仿生角度上使電子鼻進(jìn)一步模擬了生物嗅覺系統(tǒng)信息處理過程,而且與以前所用的特征提取加神經(jīng)網(wǎng)絡(luò)的方法相比,在對對乙醇、乙酸、乙酸乙酯、異戊醇、乳酸和乙醛六種揮發(fā)性有機化合物(VOC)的頂空氣體采樣的分類識別中表現(xiàn)得更佳。

3 電子鼻技術(shù)在酒類識別中的應(yīng)用

在國外電子鼻技術(shù)在酒類識別的研究處于實驗室階段,尚無成型的電子鼻系統(tǒng)[7]。秦樹基等[46]開發(fā)了一個能識別酒類的電子嗅覺系統(tǒng),成功地識別酒精、烈性酒、葡萄酒和啤酒,正確率達(dá)95%。史志存等[47]也利用電子鼻對白酒進(jìn)行了分類識別的實驗,不僅能識別出不同香型,而且能識別出同一香型的白酒。

3.1 研究中存在的問題

(1)受敏感材料、制造工藝、數(shù)據(jù)處理方法及算法等限制,電子鼻技術(shù)的檢測與識別范圍與人們的期望還存在距離,大多數(shù)的相關(guān)研究停留在實驗階段,但應(yīng)用于食品、化妝品、香料香精[48]等輕工業(yè)品香氣質(zhì)量評定的時機已經(jīng)成熟。

(2)電子鼻技術(shù)硬件設(shè)備中取樣濃縮裝置的小型化和氣敏傳感器的靈敏度仍是值得繼續(xù)研究的問題,特別是相關(guān)傳感器的試驗中樣本需要經(jīng)過較長時間的揮發(fā)氣味使氣體達(dá)到飽和,才能使傳感器陳列周圍氣體濃度相同,傳感器達(dá)到穩(wěn)態(tài)時需要的更長,況且穩(wěn)態(tài)是相對的,受容器的密閉性影響,常選擇傳感器的暫態(tài)響應(yīng)作為測量信號。而且每個樣本測試完,都要排放廢氣注入潔凈空氣,需要對傳感器進(jìn)行清洗和還原處理。這樣,檢測一個樣本,需要幾十分鐘,時間太長了。

(3)氣體傳感器陳列在構(gòu)造時,沒有一套成熟方案供選擇,仍需要繼續(xù)研究。因為酒所揮發(fā)的氣體中含有多種成分,因此在構(gòu)造氣體傳感器陳列時,要使其具有一定的廣譜響應(yīng)特性,這就要求由試驗結(jié)果來決定最終陣列構(gòu)成。顯然,這會增加測試的時間和成本。

(4)氣體傳感器對其周圍環(huán)境氣氛十分敏感,如氧氣壓、溫度、濕度直接影響氣體傳感器的響應(yīng),而且隨機噪聲如震動、電磁擾動、氣流擾動也影響氣體傳感器的響應(yīng)。如何消除測試中環(huán)境影響,保留氣體傳感器對待測氣體的響應(yīng)值,加強對測試數(shù)據(jù)的預(yù)處理,值得深入探討。

(5)電子鼻系統(tǒng)模式識別算法很多,常用的有主成分分析、神經(jīng)網(wǎng)絡(luò)算法等。但主成分分析在計算樣本數(shù)據(jù)協(xié)方差的特征值過程中消除了各變量(對應(yīng)于各測量傳感器)間的相關(guān)性,這與充分利用傳感器陣列的交疊感應(yīng)性相悖,因此在鑒別多組分物品時,主成分分析有時不能有效地實現(xiàn)判別。對于神經(jīng)網(wǎng)絡(luò)算法,不同的結(jié)構(gòu)和相應(yīng)的算法,特征的選擇和訓(xùn)練相關(guān)參數(shù)的選擇都會對網(wǎng)絡(luò)的分類能力產(chǎn)生可觀的影響,這是為研究者選擇何種算法增加了難度,建立統(tǒng)一的算法規(guī)則是十分必要。因此,需要尋求較需要尋求較簡單,識別速度快,且識別率高的算法,用于提取識別白酒的特征參數(shù)。

3.2 前景展望

隨著電子鼻技術(shù)在酒類識別的研究的不斷深入,對于中國這樣的白酒生產(chǎn)大國而言,一套更客觀的、更有說服力的和更易行的分級制度將建立起來,以實現(xiàn)由電子鼻代替專家的鼻子進(jìn)行白酒的各種評價、分級和檢測,同時也便于生產(chǎn)過程的自動化。

高效、快捷的電子鼻技術(shù)白酒分類技術(shù)會大大促進(jìn)白酒質(zhì)量的實時監(jiān)測,實現(xiàn)發(fā)酵、存儲等過程的監(jiān)測,提高監(jiān)測的可靠度、自動化及智能化程度,縮短分類時間,為保障白酒質(zhì)量提供技術(shù)手段。此外電子鼻技術(shù)還可用于開發(fā)各種用途的氣味識別或報警儀,在食品工業(yè)、醫(yī)療衛(wèi)生、環(huán)境檢測、安全保障等領(lǐng)域的應(yīng)用深度將不斷擴大。

電子鼻硬件設(shè)備研究中,將致力于取樣濃縮裝置的小型化和氣體傳感器的高靈敏度,以及檢測時間的縮短;同時構(gòu)造出白酒分類的氣體傳感器陣列,以檢測出白酒所揮發(fā)含有多種成分的混合氣體,對測試數(shù)據(jù)的預(yù)處理技術(shù)更成熟。

便攜式電子鼻將會是一個發(fā)展方向,使得信號采集實驗可在室外環(huán)境下同樣能對氣體樣本響應(yīng)信息的實時動態(tài)掃描。

在對白酒分類的電子鼻系統(tǒng)模式識別算法有很多,但哪一種分析技術(shù)也不是全能的,各有其優(yōu)缺點,使用中需要主成分分析、神經(jīng)網(wǎng)絡(luò)算法等的綜合運用,需要作出進(jìn)一步的改進(jìn)。

在電子鼻技術(shù)白酒分類技術(shù)研究中,不論是硬件設(shè)備,還是系統(tǒng)模式識別算法的研究,都是大膽借鑒電子鼻技術(shù)在飲料行業(yè)、水產(chǎn)品、農(nóng)產(chǎn)品加工等應(yīng)用成果,進(jìn)行大膽試驗,科學(xué)探索,力爭使硬件上本低、響應(yīng)時間快、制造容易,便于推廣,在軟件識別算法上,尋求較簡單、快速、識別率高的算法,用于提取識別白酒的特征參數(shù)。

使用電子鼻技術(shù)對白酒的研究中,同時還要與光譜技術(shù)、電子舌技術(shù)、計算機技術(shù)等相結(jié)合,共同探討白酒分類、品牌的鑒定、質(zhì)量控制等問題,為白酒規(guī)范化生產(chǎn)、自動化生產(chǎn)提供理論和技術(shù)的支持。

[1]Persand K.and Dodd G.H.Analysis of discrimination mechanisms in themammalian olfactory system using a model nose[J].Nature,1982,299(5881):352-355.

[2]吳守一,鄒小波.電子鼻在食品行業(yè)中的研究進(jìn)展[J].江蘇理工大學(xué)學(xué)報,2000,21(6):13-17.

[3]Julian WGardner,Philip N Bartlet.Electronic nose Principles and Applications[M].Oxford University Press,1999:245.

[4]Gardner J W,Bartlett N.A brief history of electronic nose[J].Sensors and Actuator s B,1994(18-19):211-220.

[5]郭文川,朱新華,郭康友.果品內(nèi)在品質(zhì)無損檢測技術(shù)的研究進(jìn)展[J].農(nóng)業(yè)工程學(xué)報,2001(5):1-5.

[6]鄒小波,趙杰文.電子鼻在飲料識別中的應(yīng)用研究[J].農(nóng)業(yè)工程學(xué)報,2002,18(3):146-149.

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

[8]Keller PE,Kangas LJ,Liden LH,etal.Electronic nosesand their applications.Northcon 95.IEEE technical applications conference and workshops,1995:116-119.

[9]Keller PE.Overview of electronic nose algorithms.International joint conference on neural network s,1999(1):309-312.

[10]Nakamoto,T.Fukuda,A.Improvement of identification capability in an odour-sensing system[J].Sensors and Actuators B,1991,B3:221-226.

[11]Cleland,T.A.Linster,C.Concentration tuning mediated by spare receptor capacity in olfactory sensory neurons:a theoretical study[J].Neural Computation,1999,11(7):1673-1690.

[12]祝佳婧.電子鼻傳感器技術(shù)的研制進(jìn)展[J].北京生物醫(yī)學(xué)工程,2002,21(4):298-231.

[13]秦萬廣,趙成軍.基于神經(jīng)網(wǎng)絡(luò)的仿生鼻及其在酒類識別的試驗研究[J].食品與機械,2005,21(5):33-35,53.

[14]Xiao Yaorong.Application and actuality of exploitation of smelt sensor in Japan[J].Recent developments in science&technology abroad(國外科技動態(tài)),1992(3):15-17.(in Chinese)

[15]Cao Zhong,Lin Huigai(曹忠,林輝概).Primary exploration of PCS electronic nose[J].Chemical sensor(化學(xué)傳感器),1995,15(1):72-73.(in Chinese)

[16]Bryant,A.Poirier,M.Lee,O.L.etal.A Surfaceacoustic wave gas detector[J].Annual frequency control symposhum,1982,36:276-283.

[17]Wang Ping,Chen Yuquan.Labour olfactory-research of electronic nose[J].Chinese journal of biomedical engineering,1996,15(4):346-353.(in Chinese)

[18]秦樹基,徐春花,王占山.人工神經(jīng)網(wǎng)絡(luò)對電子鼻性能的影響[J].同濟大學(xué)學(xué)報(自然科學(xué)版),2005,33(06):804-808.

[19]胡衛(wèi)軍,王平,楊成忠,等.仿生光學(xué)人工鼻及其呼吸氣體檢測的實驗研究[J].中國生物醫(yī)學(xué)工程學(xué)報,2006,25(1):51-56.

[20]石志標(biāo),黃勝全,范雪冰,李揚.基于生物嗅覺的電子鼻研究[J].中國機械工程,2007,18(23):2810-2813.

[21]趙杰文,鄒小波,潘胤飛.遺傳算法在電子鼻中的應(yīng)用研究[J].江蘇大學(xué)學(xué)報(自然科學(xué)版),2002,23(1):9-14.

[22]張哲,佟金,陳東輝.分立傳感器電子鼻[J].吉林大學(xué)學(xué)報(工學(xué)版),2008,38(3):599-603.

[23]張苗,楊建華,俞俊.基于虛擬儀器開發(fā)平臺的便攜式電子鼻系統(tǒng)[J].儀表技術(shù)與傳感器,2007(5):37-39.

[24]鄒小波,趙杰文.電子鼻數(shù)據(jù)的預(yù)處理技術(shù)與應(yīng)用[J].農(nóng)業(yè)機械學(xué)報,2006,37(5):47-50.

[25]Hines EL,Llobet E,Gardner SW.Electronic noses:a review of signal processing techniques.IEEE Proceedingsof circuits,devices and systems.Dec 1999,146:297-310.

[26]殷勇,田先亮,邱明.基于人工嗅覺的酒類質(zhì)量穩(wěn)定性判別方法研究[J].儀器儀表學(xué)報,2005,26(6):565-568.

[27]Gao Q,Wang S,Ji Y.An electronic nose and modular radial basis function network classifiersfor recognizing multiplefragrant materials[J].Sensors and Actuators B,2004(97):391-401.

[28]Zhang H,Balaban M,Principe J.Improving patter recognition of electronic nosedata with time-delay neural networks[J].Sensors and Actuators B,2003(96):385-389.

[29]Carmel L,Sever N,Lancet D,etal.An eNose algorithm for identifying chemical and determining their concentration[J].Sensors and Actuators B,2003(93):77-83.

[30]Yolanda G M,Concepcion C O,Jose L P P,etal.Electronic nose based on metal oxide semiconductor sensors and pattern recognition techniques:characterization of vegetable oils[J].Analytica Chimica Acta,2001,499:69-80.

[31]Glaude D,M artine L,Maryam S.Discrimination and identification of a refrigerant gasin a humidity controlled atmosphere containing or not carbon dioxide:application to the electronic nose[J].Sensors and Actuators B,2004,98:46-53.

[32]Branca A,Simonian P,Ferrante M.Electronic nose based discrimination of a perfumery compound in a gragrance[J].Sensors and Actuators B,2003(92):222-227.

[33]Lee D S,Huh J,Lee D D.Classifying combustible gases using micro-gas sensor array[J].Sensors and Actuators B,2003(93):1-6.

[34]Garcia M,Horrillo M C,Santos P,etal.Artificial olfactory system for classification of Iberian hams[J].Sensors and Actuators B,2003(96):621-629.

[35]Brudzewski K,Ososki S,Markiewitc T.Classification of milk by means of an electronic nose and SVM neural network[J].Sensors and Actuators B,2004(98):291-298.

[36]殷勇,田先亮.基于PCA與Wilks準(zhǔn)則的電子鼻酒類鑒別方法研究[J].儀器儀表學(xué)報,2007,28(5):849-852.

[37]Lee D S,Huh J S,Lee D D.Classifying combustible gases using micro-gas sensor array[J].Sensors and Actuators B,2003,93:126.

[38]Dutta R,Hines E L,Gardner J W,etal.Tea quality prediction using a tin oxidebased electronic nose:an artificial intelligence pproach[J].Sensors and Actuators B,2003,94:228-237.

[39]Gardner J W,Shin H W,Hines E L,etal.An electronic nosesystem for monitoring the quality of potable water[J].Sensors and Actuators B,2000,69:336-341.

[40]Ortega A,Marco S,Sundic T,etal.New pattern recognition systems designed for electronic noses[J].Sensors and Actuators B,2000,69:302-307.

[41]秦樹基,葉堅.PNN在混合氣體分析中的應(yīng)用[J].傳感器與微系統(tǒng),2006,25(4):78-81.

[42]Feng Wei,Hu Shangxu.Method of neural network design to resolve three strain chem..[J].Temperatute sensors,1996,(6):5～8.(In Chinese).

[43]Srivastava A K,Shukla K K,Srivastava SK.Exploring neuro-genetic processing of electronic nose data[J].Microelectronics J,1998,29:921-931.

[44]Kermani B G.Using neural networks and genetic algorithm to enhance performancein an electronic nose[J].IEEE Trans BME,1999,46(4):429-439.

[45]傅均,李光,Walter J.Freeman.基于嗅覺神經(jīng)網(wǎng)絡(luò)采用時間序列的電子鼻模式分類方法[J].傳感技術(shù)學(xué)報,2007,20(9):.

[46]Qin Shuji,Huang Lin.Reach of electronic nose designed toidentification of alcoholic[J].Journal of Zhengzhou institute of light industry(natural science edition),2000,15(4):17-19.(In Chinese)

[47]Shi Zhicu,Li Jianping.Electronic nose and itsapplication in the identification of distilled spirits[J].Instrumental technique and sensor,2000(1):34-37.(In Chinese)

[48]Qiu Jiqing.Appraise of electronic nose[J].Science and technology of tobacco,2000(1):29-32.(In Chinese).