電子鼻在卷煙真?zhèn)舞b別中的應(yīng)用

田耀偉，楊雷玉，朱先約，宗永立，李炎強(qiáng)

(1.江西中煙工業(yè)公司技術(shù)中心，江西南昌330096;2.湖北中煙工業(yè)公司技術(shù)中心，湖北武漢430051;3.中國(guó)煙草總公司鄭州煙草研究院，河南鄭州450001)

電子鼻在卷煙真?zhèn)舞b別中的應(yīng)用

田耀偉1，楊雷玉2，朱先約3，宗永立3，李炎強(qiáng)3

(1.江西中煙工業(yè)公司技術(shù)中心，江西南昌330096;2.湖北中煙工業(yè)公司技術(shù)中心，湖北武漢430051;3.中國(guó)煙草總公司鄭州煙草研究院，河南鄭州450001)

為探索電子鼻在卷煙真?zhèn)舞b別中的應(yīng)用，采用電子鼻對(duì)6個(gè)牌號(hào)卷煙樣品的揮發(fā)性成分進(jìn)行了分析，采集了響應(yīng)曲線15s、響應(yīng)曲線30s、響應(yīng)曲線最大值數(shù)據(jù)，使用主成分分析對(duì)各采集點(diǎn)原始數(shù)據(jù)進(jìn)行預(yù)處理，原數(shù)據(jù)和主成分處理數(shù)據(jù)均使用線性判別分析進(jìn)行分析，并將各數(shù)據(jù)分析結(jié)果進(jìn)行對(duì)比。結(jié)果顯示，主成分提取對(duì)于假煙的正確判別率有所提高，其中傳感器響應(yīng)曲線15s數(shù)據(jù)經(jīng)主成分提取后測(cè)試集樣品的正確判別率最高，為98.3%，僅有1個(gè)樣品出現(xiàn)錯(cuò)判。結(jié)果表明，電子鼻是卷煙真?zhèn)舞b別的有效工具，可為人工鑒定提供參考。

電子鼻，卷煙，線性判別分析，特征提取

我國(guó)是一個(gè)卷煙生產(chǎn)大國(guó)，卷煙產(chǎn)量高，生產(chǎn)牌號(hào)多。雖然國(guó)家采取各種措施，不斷加強(qiáng)煙草專賣管理，但仍有大量假冒卷煙流入市場(chǎng)，嚴(yán)重?fù)p害了國(guó)家、企業(yè)和消費(fèi)者的利益。目前卷煙的真?zhèn)舞b別常采用看包裝和聞香味等感官方法，但人工鑒定易受主觀因素的影響，結(jié)果可能出現(xiàn)偏差［1－3］。因此，尋求一種客觀有效的方法對(duì)其進(jìn)行輔助顯得尤為必要。電子鼻技術(shù)是近年來發(fā)展起來的一種新技術(shù)，該技術(shù)在復(fù)雜樣品氣味分析方面具有較為明顯的優(yōu)勢(shì)［4－5］。電子鼻系統(tǒng)中的氣敏傳感器陣列一般由8～32個(gè)傳感器組成，并在多個(gè)時(shí)刻采集數(shù)據(jù)，這些數(shù)據(jù)中，有些數(shù)據(jù)之間存在著極其顯著的相關(guān)性，提供的信息也相互重疊。過量冗余信息的引入會(huì)導(dǎo)致模式識(shí)別過程耗費(fèi)時(shí)間增長(zhǎng)、計(jì)算精度降低。對(duì)傳感器所獲得的原始數(shù)據(jù)進(jìn)行適當(dāng)?shù)奶卣鬟x擇和提取不僅有利于去除數(shù)據(jù)中的冗余信息，降低特征空間維數(shù)，減少模式識(shí)別過程的計(jì)算時(shí)間，而且可以提高判別的準(zhǔn)確率［6］。利用電子鼻進(jìn)行卷煙品牌區(qū)分，國(guó)內(nèi)外已有一些成功的范例［7－13］。本文作者利用電子鼻對(duì)于6個(gè)牌號(hào)真假卷煙的揮發(fā)性成分進(jìn)行了檢測(cè)，以期為卷煙真?zhèn)舞b別提供一種新的方法。

1 材料與方法

1.1 材料與儀器

選取國(guó)內(nèi)外6個(gè)牌號(hào)(中華、芙蓉王、玉溪、七匹狼、555、中南海)的卷煙 由國(guó)家煙草質(zhì)量監(jiān)督檢驗(yàn)中心提供，每個(gè)牌號(hào)真假卷煙各1種。

αFox4000型電子鼻 法國(guó)Alpha MOS公司，配有HS100型自動(dòng)進(jìn)樣器、空氣壓縮機(jī)、空氣凈化器、AlphasoftV9.1智能分析軟件，該電子鼻系統(tǒng)包括18個(gè)金屬氧化物傳感器，每個(gè)傳感器不僅僅對(duì)于一種物質(zhì)有較高的靈敏度，而是具有部分選擇性的傳感器，如傳感器PA/2對(duì)于有機(jī)化合物、有毒氣體等較靈敏，同時(shí)部分傳感器的敏感區(qū)域有所重疊，如傳感器LY/LG、傳感器P40/2和傳感器T40/2都對(duì)于氧化能力較強(qiáng)的氣體有較高的靈敏度，各傳感器具體名稱與性能描述如表1所示;BS－200S型電子天平感量0.001g，北京賽多利斯天平有限公司。

表1 傳感器命名與性能描述

1.2 檢測(cè)條件的選擇

實(shí)驗(yàn)試樣所得電子鼻的響應(yīng)信號(hào)如圖1所示，縱坐標(biāo)響應(yīng)強(qiáng)度對(duì)應(yīng)于各傳感器的相對(duì)電阻變化率［(R0－R)/R0］。R0為基線電阻值，R為隨時(shí)間變化的響應(yīng)電阻值。檢測(cè)樣品時(shí)應(yīng)使試樣響應(yīng)曲線的最大值處于0.25～0.85之間，并且最大響應(yīng)強(qiáng)度大于95%、最小響應(yīng)強(qiáng)度小于5%的傳感器的數(shù)目盡可能少。響應(yīng)強(qiáng)度太大將使傳感器處于超負(fù)荷狀態(tài)，長(zhǎng)期處于超負(fù)荷狀態(tài)將造成傳感器的損壞，并且響應(yīng)強(qiáng)度太大將導(dǎo)致基線恢復(fù)時(shí)間增長(zhǎng)，影響分析速度和準(zhǔn)確性。響應(yīng)強(qiáng)度太小，可能造成測(cè)量結(jié)果受儀器噪聲影響較大，從而影響測(cè)量的準(zhǔn)確性。因而選擇電子鼻的操作參數(shù)如下:載氣:凈化空氣;流速:150mL/min;樣品量:0.500g;頂空加熱溫度:90℃;頂空加熱時(shí)間:1800s;轉(zhuǎn)速:500r/min;進(jìn)樣體積:750μL;數(shù)據(jù)采集時(shí)間:120s;延滯時(shí)間:1080s。

圖1 電子鼻的響應(yīng)信號(hào)

1.3 樣品分析與數(shù)據(jù)處理

取樣時(shí)取一整支煙，除去煙支前端0.5cm和濾嘴，剝?nèi)ゾ頍熂?，取中間的煙絲作為分析樣品，樣品裝入10mL樣品瓶，加蓋密封，利用電子鼻進(jìn)行檢測(cè)，其中每個(gè)牌號(hào)的真煙進(jìn)樣15次，每個(gè)牌號(hào)的假煙進(jìn)樣5次，共進(jìn)樣120次。

采用AlphasoftV9.1分析軟件對(duì)于檢測(cè)數(shù)據(jù)進(jìn)行預(yù)處理，用SAS(Statistical Analysis System)軟件對(duì)所得數(shù)據(jù)進(jìn)行分析。

1.4 數(shù)據(jù)獲取與特征提取

電子鼻數(shù)據(jù)采集時(shí)間為120s，傳感器響應(yīng)值一般在20s以內(nèi)達(dá)到最大，并且多數(shù)數(shù)據(jù)之間高度相關(guān)，因此只選取較有代表性的傳感器響應(yīng)曲線15s、傳感器響應(yīng)曲線30s和傳感器響應(yīng)曲線的最大值數(shù)據(jù)作為原始數(shù)據(jù)進(jìn)行分析，通過這種選擇可以使得大部分傳感器響應(yīng)曲線上升、下降階段的響應(yīng)值被分析，而那些高度相關(guān)彼此間差異較小的響應(yīng)值被舍棄，從而去除數(shù)據(jù)中的冗余信息，提高判別的準(zhǔn)確率。

主成分分析(Principal component analysis，PCA)是一種簡(jiǎn)化數(shù)據(jù)結(jié)構(gòu)的有力工具，它的目的是將多個(gè)指標(biāo)轉(zhuǎn)化為較少的幾個(gè)綜合指標(biāo)，綜合指標(biāo)即主成分，是原來多個(gè)指標(biāo)的線性組合，各主成分之間互不相關(guān)。主成分分析可以將原有的高維數(shù)據(jù)投影為較低維的數(shù)據(jù)，并保留原有數(shù)據(jù)的主要信息，是統(tǒng)計(jì)學(xué)中常用的一種處理方法［14－16］。

1.5 模式識(shí)別方法

用于電子鼻系統(tǒng)的模式識(shí)別方法主要有兩類:一類是基于多元統(tǒng)計(jì)分析的方法，另一類是基于神經(jīng)網(wǎng)絡(luò)的分析方法。本文采用多元統(tǒng)計(jì)分析中的線性判別分析對(duì)樣品進(jìn)行分析。

線性判別分析(Linear discrimination analysis，LDA)是在已知研究對(duì)象分成若干類型(或組別)并已取得各種類型的一批已知樣品的觀測(cè)數(shù)據(jù)，在此基礎(chǔ)上根據(jù)某些準(zhǔn)則建立判別式，然后對(duì)未知類型的樣品進(jìn)行判別分類。使用這種方法需要樣本空間呈正態(tài)分布，并有相等的離差，構(gòu)造的判別函數(shù)由原始變量經(jīng)線性組合得出。該判別方法可以使組間離差與組內(nèi)離差的比率達(dá)到最大。LDA具有分類效果好，易實(shí)現(xiàn)等優(yōu)點(diǎn)，在電子鼻系統(tǒng)中應(yīng)用十分廣泛［17－18］。

2 結(jié)果與討論

2.1 樣品重復(fù)性檢驗(yàn)

首先對(duì)于傳感器的穩(wěn)定性進(jìn)行了檢驗(yàn)，分別計(jì)算每個(gè)牌號(hào)真煙樣品的相對(duì)標(biāo)準(zhǔn)偏差(Relative standard deviation，RSD)，表2為傳感器響應(yīng)曲線最大值時(shí)各樣品的RSD值(傳感器響應(yīng)曲線15s和傳感器響應(yīng)曲線30s數(shù)據(jù)未列出)，由表2可以看出，樣品的重復(fù)性較好(RSD≤3.94%)。

表2 樣品的RSD(%)

2.2 線性判別分析

將所測(cè)得120組樣品數(shù)據(jù)分為兩部分:第一部分為訓(xùn)練集，選取每個(gè)牌號(hào)真煙的10組數(shù)據(jù)共60組數(shù)據(jù)作為訓(xùn)練集;第二部分為測(cè)試集，其余真煙30組數(shù)據(jù)和假煙30組數(shù)據(jù)共60組數(shù)據(jù)作為測(cè)試集。

采用SAS8.0軟件對(duì)原始數(shù)據(jù)分別進(jìn)行主成分分析，進(jìn)行模式識(shí)別分析的變量分別為主成分分析所選入的的五個(gè)變量(PCA)，以及響應(yīng)曲線15s、響應(yīng)曲線30s和響應(yīng)曲線最大值的原始數(shù)據(jù)，各組數(shù)據(jù)的判別結(jié)果見表3。

對(duì)于真煙檢驗(yàn)樣品的判別中，由表3可以看出，選用響應(yīng)曲線15s、響應(yīng)曲線30s和響應(yīng)曲線最大值的原始數(shù)據(jù)對(duì)于真煙的正確判別率均為100%，響應(yīng)曲線15s數(shù)據(jù)外，PCA處理使其判別正確率降低，表明對(duì)于相同的樣品，使用原始數(shù)據(jù)對(duì)其進(jìn)行分析效果較好。

對(duì)于假煙樣品的判別中，由表3可以看出，響應(yīng)曲線15s數(shù)據(jù)的PCA處理比其原始數(shù)據(jù)多增加了8個(gè)正確判別樣品數(shù)，響應(yīng)曲線30s數(shù)據(jù)的PCA處理比其原始數(shù)據(jù)多增加了1個(gè)正確判別樣品數(shù)，響應(yīng)曲線最大值的PCA處理比其原始數(shù)據(jù)多增加了4個(gè)正確判別樣品數(shù)，3組原始數(shù)據(jù)的PCA處理結(jié)果一致，判別正確率均呈上升趨勢(shì)。LDA分析結(jié)果中最低正確判別率為80%，最高正確判別率為98.3%，結(jié)果表明電子鼻是區(qū)分真?zhèn)尉頍煹挠行Х椒?，可為人工鑒定提供參考。

表3 各類樣品的判別結(jié)果

3 結(jié)論

采用主成分分析特征提取方法對(duì)原始數(shù)據(jù)進(jìn)行處理，使數(shù)據(jù)空間降至5維，與原始數(shù)據(jù)的判別分析結(jié)果進(jìn)行對(duì)比，結(jié)果顯示經(jīng)主成分分析所變換得到的五個(gè)變量使得假煙的正確判別率提高;而原始數(shù)據(jù)對(duì)于真煙的正確判別率較好，使用特征提取方法對(duì)于判別結(jié)果影響不顯著。

各數(shù)據(jù)的正確判別率均大于80%，其中選用響應(yīng)曲線15s的PCA數(shù)據(jù)進(jìn)行判別分析所得的結(jié)果最為理想，測(cè)試集樣品的正確判別率最高為98.3%，僅有一個(gè)樣品出現(xiàn)錯(cuò)判。因此可以初步判斷電子鼻方法是卷煙真?zhèn)舞b別的有效方法之一，可以作為人工鑒定的一種重要輔助手段。

［1］蘇紅雷，趙航，王瓊.卷煙真?zhèn)蔚蔫b別［J］.煙草科技，2001(12):36－38.

［2］葛炯，王瑾，王維妙.近紅外技術(shù)在卷煙真?zhèn)舞b別中的應(yīng)用［J］.煙草科技，2007(4):29－31.

［3］廖坤，胡綱.氣相色譜—質(zhì)譜指紋圖譜在甄別真假卷煙上的應(yīng)用［J］.分析測(cè)試學(xué)報(bào)，2006(1):22－26.

［4］GARDNER J，BARTLETT P.A brief history of electronic noses［J］.Sens Actuators B，1994(18－19):211－230.

［5］SCHALLER E，BOSSET J.Electronic noses and their application to food［J］.Lebensm Wiss u Technol，1998(31):305－316.

［6］海錚，王俊.電子鼻信號(hào)特征提取與傳感器優(yōu)化的研究［J］.傳感技術(shù)學(xué)報(bào)，2006(6):606－610.

［7］LEE W W，LEE S Y，Shon H J.Discrimination of Korean tobacco aroma and taste using the electronic nose/tongue and their feasibilityin tobacco sensory evaluation ［C］.2004 CORESTA，PTPOST9:1－8.

［8］LUO DEHAN，GHOLAM H，STEWART J.Application of ANN with extracted parameters from an electronic nose in cigarette brand identification［J］.Sens Actuators B，2004(99):253－257.

［9］ZOU XIAOBO，WU SHOUYI.Evaluating the quality of cigarettes by an electronic nose system ［J］.J Test Eval，2002(30):6－10.

［10］鄒小波，方如明，蔡健榮.人工嗅覺系統(tǒng)及其在卷煙煙氣中的研究［J］.江蘇理工大學(xué)學(xué)報(bào)，2000(3):1－4.

［11］黃駿雄，蔣弘江，閻哲.應(yīng)用電子鼻檢測(cè)香煙質(zhì)量的研究［J］.化學(xué)通報(bào)，2000(1):51－54.

［12］黃祖剛，李建平.用電子鼻鑒別卷煙的方法［J］.傳感器技術(shù)，2004(23):62－65

［13］毛友安，劉巍，黃建國(guó).用電子鼻技術(shù)評(píng)價(jià)煙葉揮發(fā)性組分的研究［J］.化學(xué)傳感器，2006(26):23－28.

［14］MARTINEZ A，AVINASH C.PCA versus LDA［J］.Transactions on Pattern Analysis and Machine Intelligence，2001(23):228－233.

［15］FU JUN，LI GUANG，QIN YUQI.A pattern recognition method for electronic noses based on an olfactory neural network［J］.Sens Actuators B，2007(125):489－497.

［16］何曉群.現(xiàn)代統(tǒng)計(jì)分析方法與應(yīng)用［M］.北京:中國(guó)人民大學(xué)出版社，1998.

［17］于秀林，任雪松.多元統(tǒng)計(jì)分析［M］.北京:中國(guó)統(tǒng)計(jì)出版社，1999.

［18］YU HUICHUN，WANG JUN.Discrimination of LongJing green－tea grade by electronic nose［J］.Sens Actuators B，2007(122):134－140.

Application of electronic nose in discriminating counterfeit cigarette from genuine

TIAN Yao－wei1，YANG Lei－yu2，ZHU Xian－yue3，ZONG Yong－li3，LI Yan－qiang3
(1.Technology Centre of China Tobacco Jiangxi Industrial Corporation，Nanchang 330096，China;2.Technology Centre of China Tobacco Hubei Industrial Corporation，Wuhan 430051，China;3.Zhengzhou Tobacco Research Institute of CNTC，Zhengzhou 450001，China)

In order to explore an effective method to discriminate counterfeit cigarettes from genuine.6 brand cigarettes were analyzed by electronic nose.Three different feature extraction techniques including principal component analysis(PCA)were employed to reduce the dimension of the data matrix.And the pattern recognition technique of linear discrimination analysis(LDA)was used to check the effect of the three dimension reduction methods.In the process of LDA，the PCA was most effective，98.3%of the total samples were classified correctly，only 1 sample was misclassified.The results showed that electronic nose was an effective method to discriminate counterfeit cigarettes from genuine，it could provide a reference to artificial identification.

electronic nose;cigarette;linear discrimination analysis;feature extraction

TS452

A

1002－0306(2011)04－0376－04

2009－12－18

田耀偉(1982－)，男，產(chǎn)品配方設(shè)計(jì)員，助理工程師，主要從事卷煙產(chǎn)品研發(fā)工作。

中國(guó)煙草總公司鄭州煙草研究院院長(zhǎng)科技發(fā)展基金項(xiàng)目(032006C160)。