電子鼻技術(shù)在酒類識(shí)別應(yīng)用中的研究進(jìn)展

楊國(guó)強(qiáng),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(guó)獨(dú)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(huì)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(guò)理化指標(biāo)分析和感官品評(píng)來(lái)判斷。感官品評(píng)是運(yùn)用感覺(jué)器官進(jìn)行視覺(jué)、嗅覺(jué)、味覺(jué)、觸覺(jué)來(lái)進(jìn)行評(píng)定酒的質(zhì)量,以區(qū)分酒的優(yōu)劣、劃分酒的等級(jí),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(píng)價(jià)其品質(zhì)的重要手段,也是影響消費(fèi)者購(gòu)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(jué)。顯然白酒的辯別區(qū)分結(jié)果會(huì)隨評(píng)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(duì)于白酒品質(zhì)檢測(cè)更為可靠和合理。

“電子鼻”的概念,最早是1982年英國(guó)Warwick大學(xué)的Persand和Dodd教授[1]模仿哺乳動(dòng)物嗅覺(jué)系統(tǒng)的結(jié)構(gòu)和機(jī)理,對(duì)幾種有機(jī)揮發(fā)氣體進(jìn)行類別分析時(shí)提出來(lái)的。它是20世紀(jì)90年代發(fā)展起來(lái)的一種新穎的分析、識(shí)別和檢測(cè)復(fù)雜嗅味和揮發(fā)性成分的人工嗅覺(jué)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(cè)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(shí),所謂“電子鼻”實(shí)質(zhì)上是一種能夠感知識(shí)別氣味的電子系統(tǒng),也有人將它看成是人和動(dòng)物鼻子的仿真產(chǎn)品[7]。

電子鼻是模擬生物鼻的人工嗅覺(jué)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(jì)算機(jī)識(shí)別。

一個(gè)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(hào)處理系統(tǒng)或稱為模式識(shí)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(hào)處理子系統(tǒng)和模式識(shí)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(duì)獨(dú)立性和信號(hào)處理與模式識(shí)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(hào)處理與模式識(shí)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(shí)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(guò)它由真空泵吸入到由一陣列傳感器所組成的一個(gè)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(shí),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(huì)在幾秒或幾分鐘內(nèi)達(dá)到穩(wěn)定狀態(tài),通過(guò)對(duì)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(cè)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(duì)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(duì)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(lái),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(diǎn)各有不同,但隨著微電子技術(shù)和微電子機(jī)械加工工藝的發(fā)展,它們的靈敏度不斷提高,價(jià)格更趨合理,整個(gè)電子鼻系統(tǒng)的體積也會(huì)變小,檢出的氣體種類會(huì)變得更豐富。

氣體傳感器根據(jù)氣敏特性來(lái)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(cè)量氣體的[13]。肖堯榮[14]報(bào)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(lái)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(qiáng),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(duì)氣體混合物中的硫化物呈“中毒”反應(yīng)的缺點(diǎn)。

質(zhì)量傳感器及陣列是上世紀(jì)90年代發(fā)展起來(lái)的,它是吸收氣味分子后會(huì)引起石英振子振動(dòng)頻率的改變而產(chǎn)生信號(hào)。此類傳感器靈敏度高,信號(hào)易被微機(jī)處理及抗傳輸干等優(yōu)點(diǎn)。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(cè)氣體接觸,膜層吸附待測(cè)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(jì)思想,改變陣列中各傳感器的工作狀態(tài),使傳感器陣列對(duì)不同的氣味具有相異的選擇性,進(jìn)而實(shí)現(xiàn)以較少的氣敏傳感器對(duì)多種成分的混合氣體的識(shí)別。

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

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(diǎn),對(duì)糖尿患者和肺癌患者呼吸中以丙酮?dú)馕逗捅降扔袡C(jī)氣味模擬檢測(cè)和識(shí)別,將生物嗅覺(jué)機(jī)理模型用于電子鼻系統(tǒng)的設(shè)計(jì)過(guò)程,采用了模擬生物嗅覺(jué)的識(shí)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(jué)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(gè)帶門的容器,測(cè)試時(shí)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(guò)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(hào)。采用數(shù)據(jù)采集器把采集到的數(shù)據(jù)通過(guò)USB接口送到計(jì)算機(jī)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(fèi)加羅(Figro)公司生產(chǎn)的5個(gè)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(yùn)用“遺傳特征參數(shù)法”建立識(shí)別模型,構(gòu)成一個(gè)電子鼻系統(tǒng)。試驗(yàn)區(qū)分的對(duì)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(wú)法區(qū)分,但可以通過(guò)其散發(fā)的氣味來(lái)區(qū)分,取樣計(jì)每次取20 ml,每種醋做50個(gè)樣本。

張哲等[22]采用天津費(fèi)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(yàn)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(yàn)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(duì)于不同濃度的白酒都有規(guī)律性的反應(yīng)。

秦萬(wàn)廣等[13]等依據(jù)仿生鼻的原理,模仿生物嗅覺(jué)系統(tǒng),用氣敏傳感器陣列結(jié)合神經(jīng)網(wǎng)絡(luò)模式識(shí)別技術(shù)構(gòu)成了仿生鼻,用它對(duì)幾種白酒進(jìn)行了分類和識(shí)別實(shí)驗(yàn),結(jié)果表明其不僅能識(shí)別不同的白酒,而且可以識(shí)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(jì)集GGA及TGS系列氣體傳感器陣列的信號(hào)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(tái)Labwindows/CVI的電子鼻信號(hào)采集與識(shí)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(duì)檢測(cè)氣體的類別選取充分反映樣本信息的最佳器件型號(hào)組合,對(duì)于多類氣體檢測(cè)具有通用特性。便攜式電子鼻使得信號(hào)采集實(shí)驗(yàn)可在室外環(huán)境下對(duì)氣體樣本響應(yīng)信息的實(shí)時(shí)動(dòng)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(guò)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(duì)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(duì)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(hào)處理子系統(tǒng)和模式識(shí)別子系統(tǒng)構(gòu)成[7]。

信號(hào)處理子系統(tǒng)的作用就是對(duì)傳感器陳列傳入的信號(hào)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(duì)法、差分法、對(duì)數(shù)法和歸一法等。大量實(shí)踐表明,相對(duì)法有助于補(bǔ)償敏感性;部分差分模型除了可以補(bǔ)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(duì)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(jì)量分類器的計(jì)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(hào)處理子系統(tǒng)要和某個(gè)模式識(shí)別子系統(tǒng)相結(jié)合進(jìn)行開發(fā),將其設(shè)計(jì)成一個(gè)軟件的兩個(gè)過(guò)程,方便數(shù)據(jù)轉(zhuǎn)換,保證模式識(shí)別的正確性,比用單個(gè)技術(shù)可得到更加全面的分類和聚類。

模式識(shí)別是對(duì)輸入信號(hào)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(shí)別方法有統(tǒng)計(jì)模式識(shí)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(duì)電子鼻的數(shù)據(jù)特點(diǎn),提出用一個(gè)3維數(shù)組保存電子鼻的數(shù)據(jù);采用6點(diǎn)平滑方法去除傳感器的噪聲;在基線校正中,首先通過(guò)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(diǎn),然后減去環(huán)境響應(yīng)值并提取相同長(zhǎng)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(jì)模式識(shí)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(shí)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(jì)算樣本數(shù)據(jù)協(xié)方差矩陣特征值的過(guò)程中消除了各變量(對(duì)應(yīng)各測(cè)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?yàn)闅饷魝鞲衅?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(lái)構(gòu)造能對(duì)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(jué)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(yùn)涵更多有用的信息,因此,在用電子鼻鑒別多組分物品時(shí),PCA有時(shí)不能有效地實(shí)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(shí)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(shí)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(jī)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(shí)現(xiàn)面臨較大的困難[12]。

近些年發(fā)展起來(lái)的人工神經(jīng)網(wǎng)絡(luò)(Artificial neural network,ANNs)由于具有很強(qiáng)的非線性處理能力及模式識(shí)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(jī)(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(gè)金屬氧化物氣體傳感器組成的陣列識(shí)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(duì)電子鼻性能的影響。結(jié)果表明:(1)對(duì)4種中國(guó)白酒的識(shí)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(jì)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(duì)精細(xì)識(shí)別,除傳感器陣列以外,用于模式識(shí)別的ANN的結(jié)構(gòu)和算法,包括訓(xùn)練過(guò)程中的相關(guān)參數(shù)對(duì)電子鼻的性能也有非常重要的影響。

針對(duì)BP算法的學(xué)習(xí)時(shí)間太長(zhǎng),王平等[17]開發(fā)了具有側(cè)向聯(lián)想能力和較強(qiáng)識(shí)別能力的自組織特征映射(Self-organizing feature map,SOM)網(wǎng)絡(luò),并實(shí)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(dòng)識(shí)別,平均識(shí)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(duì)二元混合氣體的模式分類問(wèn)題數(shù)值模擬結(jié)果表明:使計(jì)算工作量降低,并使誤差收斂到全局極小,總能給出一個(gè)合理的分類結(jié)果,樣本數(shù)足夠多時(shí),可給出高達(dá)95.4%的識(shí)別率,計(jì)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(yàn)裝置,在獲得傳感器與食醋揮發(fā)氣體反應(yīng)的整個(gè)過(guò)程的數(shù)據(jù)的基礎(chǔ)上,提取了時(shí)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(shí)別的精度,同時(shí)該方法對(duì)于解決其他模式識(shí)別問(wèn)題也有參考價(jià)值。當(dāng)用原始特征參數(shù)不能很好地識(shí)別不同醋散發(fā)的氣味時(shí),可將原始特征參數(shù)用遺傳基因算法得到一個(gè)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(shí)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(shí)驗(yàn)識(shí)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(lái)加快運(yùn)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(duì)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(shí)別DES和ISO和氣味識(shí)別實(shí)驗(yàn),實(shí)驗(yàn)表明,經(jīng)遺傳算法優(yōu)化過(guò)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(shí)別率,但執(zhí)行時(shí)間較長(zhǎng)。

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(tái)Labwindows/CVI的電子鼻信號(hào)采集與識(shí)別多功能配套軟件。以5種品牌香煙作為分析樣本驗(yàn)證了系統(tǒng)有效性,通過(guò)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(jī)(SVM)算法的識(shí)別效果,其中應(yīng)用支持向量機(jī)算法得到了100%的最優(yōu)識(shí)別率。

傅均等[45]提出將傳感器陣列時(shí)間序列信號(hào)直接輸入到一種具有豐富動(dòng)力學(xué)特性的嗅覺(jué)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(jué)系統(tǒng)信息處理過(guò)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(duì)對(duì)乙醇、乙酸、乙酸乙酯、異戊醇、乳酸和乙醛六種揮發(fā)性有機(jī)化合物(VOC)的頂空氣體采樣的分類識(shí)別中表現(xiàn)得更佳。

3 電子鼻技術(shù)在酒類識(shí)別中的應(yīng)用

在國(guó)外電子鼻技術(shù)在酒類識(shí)別的研究處于實(shí)驗(yàn)室階段,尚無(wú)成型的電子鼻系統(tǒng)[7]。秦樹基等[46]開發(fā)了一個(gè)能識(shí)別酒類的電子嗅覺(jué)系統(tǒng),成功地識(shí)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(duì)白酒進(jìn)行了分類識(shí)別的實(shí)驗(yàn),不僅能識(shí)別出不同香型,而且能識(shí)別出同一香型的白酒。

3.1 研究中存在的問(wèn)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(cè)與識(shí)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(shí)驗(yàn)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(píng)定的時(shí)機(jī)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(wèn)題,特別是相關(guān)傳感器的試驗(yàn)中樣本需要經(jīng)過(guò)較長(zhǎng)時(shí)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(shí)需要的更長(zhǎng),況且穩(wěn)態(tài)是相對(duì)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(cè)量信號(hào)。而且每個(gè)樣本測(cè)試完,都要排放廢氣注入潔凈空氣,需要對(duì)傳感器進(jìn)行清洗和還原處理。這樣,檢測(cè)一個(gè)樣本,需要幾十分鐘,時(shí)間太長(zhǎng)了。

(3)氣體傳感器陳列在構(gòu)造時(shí),沒(méi)有一套成熟方案供選擇,仍需要繼續(xù)研究。因?yàn)榫扑鶕]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(shí),要使其具有一定的廣譜響應(yīng)特性,這就要求由試驗(yàn)結(jié)果來(lái)決定最終陣列構(gòu)成。顯然,這會(huì)增加測(cè)試的時(shí)間和成本。

(4)氣體傳感器對(duì)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(jī)噪聲如震動(dòng)、電磁擾動(dòng)、氣流擾動(dòng)也影響氣體傳感器的響應(yīng)。如何消除測(cè)試中環(huán)境影響,保留氣體傳感器對(duì)待測(cè)氣體的響應(yīng)值,加強(qiáng)對(duì)測(cè)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(shí)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(jì)算樣本數(shù)據(jù)協(xié)方差的特征值過(guò)程中消除了各變量(對(duì)應(yīng)于各測(cè)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(shí),主成分分析有時(shí)不能有效地實(shí)現(xiàn)判別。對(duì)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(huì)對(duì)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(jiǎn)單,識(shí)別速度快,且識(shí)別率高的算法,用于提取識(shí)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(shí)別的研究的不斷深入,對(duì)于中國(guó)這樣的白酒生產(chǎn)大國(guó)而言,一套更客觀的、更有說(shuō)服力的和更易行的分級(jí)制度將建立起來(lái),以實(shí)現(xiàn)由電子鼻代替專家的鼻子進(jìn)行白酒的各種評(píng)價(jià)、分級(jí)和檢測(cè),同時(shí)也便于生產(chǎn)過(guò)程的自動(dòng)化。

高效、快捷的電子鼻技術(shù)白酒分類技術(shù)會(huì)大大促進(jìn)白酒質(zhì)量的實(shí)時(shí)監(jiān)測(cè),實(shí)現(xiàn)發(fā)酵、存儲(chǔ)等過(guò)程的監(jiān)測(cè),提高監(jiān)測(cè)的可靠度、自動(dòng)化及智能化程度,縮短分類時(shí)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(shí)別或報(bào)警儀,在食品工業(yè)、醫(yī)療衛(wèi)生、環(huán)境檢測(cè)、安全保障等領(lǐng)域的應(yīng)用深度將不斷擴(kuò)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(cè)時(shí)間的縮短;同時(shí)構(gòu)造出白酒分類的氣體傳感器陣列,以檢測(cè)出白酒所揮發(fā)含有多種成分的混合氣體,對(duì)測(cè)試數(shù)據(jù)的預(yù)處理技術(shù)更成熟。

便攜式電子鼻將會(huì)是一個(gè)發(fā)展方向,使得信號(hào)采集實(shí)驗(yàn)可在室外環(huán)境下同樣能對(duì)氣體樣本響應(yīng)信息的實(shí)時(shí)動(dòng)態(tài)掃描。

在對(duì)白酒分類的電子鼻系統(tǒng)模式識(shí)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(diǎn),使用中需要主成分分析、神經(jīng)網(wǎng)絡(luò)算法等的綜合運(yùn)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(shí)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(yàn),科學(xué)探索,力爭(zhēng)使硬件上本低、響應(yīng)時(shí)間快、制造容易,便于推廣,在軟件識(shí)別算法上,尋求較簡(jiǎn)單、快速、識(shí)別率高的算法,用于提取識(shí)別白酒的特征參數(shù)。

使用電子鼻技術(shù)對(duì)白酒的研究中,同時(shí)還要與光譜技術(shù)、電子舌技術(shù)、計(jì)算機(jī)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(wèn)題,為白酒規(guī)范化生產(chǎn)、自動(dòng)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(bào),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(wú)損檢測(cè)技術(shù)的研究進(jìn)展[J].農(nóng)業(yè)工程學(xué)報(bào),2001(5):1-5.

[6]鄒小波,趙杰文.電子鼻在飲料識(shí)別中的應(yīng)用研究[J].農(nóng)業(yè)工程學(xué)報(bào),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(bào)(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(wàn)廣,趙成軍.基于神經(jīng)網(wǎng)絡(luò)的仿生鼻及其在酒類識(shí)別的試驗(yàn)研究[J].食品與機(jī)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(guó)外科技動(dòng)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(duì)電子鼻性能的影響[J].同濟(jì)大學(xué)學(xué)報(bào)(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(cè)的實(shí)驗(yàn)研究[J].中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào),2006,25(1):51-56.

[20]石志標(biāo),黃勝全,范雪冰,李揚(yáng).基于生物嗅覺(jué)的電子鼻研究[J].中國(guó)機(jī)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(bào)(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(bào)(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(tái)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(jī)械學(xué)報(bào),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(jué)的酒類質(zhì)量穩(wěn)定性判別方法研究[J].儀器儀表學(xué)報(bào),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(bào),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(jiān).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(jué)神經(jīng)網(wǎng)絡(luò)采用時(shí)間序列的電子鼻模式分類方法[J].傳感技術(shù)學(xué)報(bào),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).