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）

長久以來，對煙絲、煙葉等霉變的檢驗，主要采用目測法和評吸法［1］。人工感官檢驗帶有相當(dāng)?shù)闹饔^性，目測法會不可避免地出現(xiàn)誤判，評吸法則有可能損害評吸者的健康。因此，需要尋求客觀、可靠的新方法對煙絲霉變進行輔助評判。

電子鼻是一種由氣敏傳感器陣列和適當(dāng)?shù)哪Ｊ阶R別方法組成的智能氣味檢測設(shè)備，主要用來檢測和分析樣品中揮發(fā)成分的整體信息。與人的嗅覺判斷相比，電子鼻的測定不受主觀因素的影響，結(jié)果更加客觀可靠。近年來，電子鼻技術(shù)憑 借 快 速、無 損 等 優(yōu) 勢 在 食 品 檢 測［2，3］、環(huán) 境 監(jiān) 測［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)用亦有報道。朱先約等［8］利用電子鼻技術(shù)實現(xiàn)了對不同國家烤煙的有效區(qū)分；田耀偉等［9］應(yīng)用電子鼻對卷煙真?zhèn)芜M行了有效鑒別；龍章德等［10］使用電子鼻有效地對湖南省不同區(qū)縣、不同部位的煙葉原料進行了鑒別。然而對于煙草質(zhì)量檢測方面的研究相對較少，還未有使用電子鼻檢測煙絲霉變的相關(guān)報道。鑒于目前煙草霉變的檢測方法還比較傳統(tǒng)、單一，且多年來一直未有突破，本研究在實驗室研制的電子鼻系統(tǒng)基礎(chǔ)上，使用電子鼻技術(shù)對煙絲霉變進行無損檢測。

1 材料與方法

1.1 試驗材料

煙絲：云南省紅河卷煙廠。樣本已經(jīng)專家評判、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、中等霉變和嚴重霉變3種。

表1 樣本類別Table 1 Samples category

1.2 試驗儀器

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、計算機以及氣路通道等裝置。傳感器陣列由5只日本費加羅公司的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。軟件部分主要是對傳感器陣列輸出的電信號進行接收、傳輸、數(shù)據(jù)存儲及處理。

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后進行電子鼻頂空氣體采樣，采樣間隔1s，每個樣本采集500個數(shù)據(jù)。待測氣體在微型泵的作用下經(jīng)進樣通道進入傳感器陣列反應(yīng)室，與氣敏傳感器反應(yīng)產(chǎn)生電信號。通過上位機軟件和數(shù)據(jù)采集裝置將輸出的電壓值采集到計算機中供后續(xù)離線處理、分析。

每次測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，為下一次測樣做好準(zhǔn)備。4種不同類別的煙絲樣本交替進行檢測。每種取樣20個，4種共80個樣本。

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，在測量初始階段氣敏傳感器的響應(yīng)信號逐漸增強，隨著測量時間的推移，響應(yīng)信號逐步趨于平緩。采集到的測試值實際為傳感器對環(huán)境的響應(yīng)值與待測氣體的響應(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，從采集到的測試值中減去傳感器對環(huán)境的響應(yīng)值，得到傳感器對待測氣體的真實響應(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。每個樣本通過5個傳感器可得到10個特征值。

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)計方法，通過降維技術(shù)把多個變量轉(zhuǎn)化為少數(shù)幾個主成分。用少數(shù)幾個主成分來反映原始變量的主要信息，從而使得問題簡化［11］。利用PCA方法對提取到的每個樣本的10個特征參數(shù)進行處理，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個主成分的累積得分率為89.26%，這2個主成分已代表樣本的主要特征信息，可用來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，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反映的是待測樣本的整體信息，且單個傳感器對不同氣體分子會有不同程度的響應(yīng)，傳感器的響應(yīng)值與所測氣味成分之間并非簡單的線性關(guān)系，這里采用神經(jīng)網(wǎng)絡(luò)來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)，信號前向傳遞，誤差反向傳播。在前向傳遞中，輸入信號從輸入層經(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，則進入反向傳播，根據(jù)預(yù)測誤差調(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)的基本拓撲結(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)的拓撲結(jié)構(gòu)Figure 5 The topology of BPNN

從80個樣本中隨機抽取60個作為訓(xùn)練集，剩余20個作為測試集。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)測試，樣品訓(xùn)練集的正確率為93.33%，測試集的正確率為90.00%，詳細結(jié)果見表2。試驗結(jié)果表明利用電子鼻技術(shù)對煙絲是否霉變的識別是可行的、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)對煙絲霉變進行無損檢測的新方法。通過使用課題組自主研制的電子鼻對4種霉變程度樣本檢測發(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，采用BP神經(jīng)網(wǎng)絡(luò)可進一步判別不同霉變程度，判別正確率達到90.00%，表明電子鼻技術(shù)可作為一種有效的輔助性手段對煙絲霉變進行客觀、可靠的評判。在此基礎(chǔ)上，將繼續(xù)改進現(xiàn)有裝置，優(yōu)化傳感器陣列以及探索新的模式識別方法，使其逐漸從實驗室階段向?qū)嶋H應(yīng)用階段過渡。

1 孔凡玉，林建勝，張成省，等.儲煙霉變機理與防霉技術(shù)研究進展［J］.中國煙草學(xué)報，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，葉朝霞，等.工業(yè)園區(qū)TVOC和惡臭的電子鼻檢測技術(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］.中國中藥雜志，2013，38（2）：161～166.

8 朱先約，宗永立，李炎強，等.利用電子鼻區(qū)分不同國家的烤煙［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］.食品與機械，2013，29（4）：35～39.

11 王力賓，顧光同.多元統(tǒng)計分析：模型、案例及SPSS應(yīng)用［M］.北京：經(jīng)濟科學(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個案例分析［M］.北京：北京航空航天大學(xué)出版社，2010：1～2.