多传感器数据融合技术在电子舌中的应用研究

白 洁，郑丽敏，3，* ，方雄武，杨 璐，田立军，朱 虹，任发政

(1．中国农业大学信息与电气工程学院，北京100083;2．中国农业大学食品科学与营养工程学院，北京100083;3．食品质量与安全北京实验室，北京100083)

近年来随着我国人民生活水平的不断提升，大众的饮食观念也在悄然的发生着变化。绿色、健康、新鲜、无污染的重要性已经被提到了前所未有的高度上来。猪肉作为我国人民日常生活必不可少的主要副食品而深受广大人民的喜爱。但是，目前我国的猪肉市场尚不规范，存在着许多问题，各种质量安全事件也时有发生。因此，猪肉新鲜度的检测对于保障消费者的饮食安全和维护消费者的切身利益有着十分重要的意义［1］。

目前，常用的猪肉新鲜度检测方法主要有感官检测、理化检测和微生物检测等［2-4］。随着传感器技术和信息处理技术的发展与进步，越来越多的智能化手段开始运用于猪肉的新鲜度检测中来。电子舌技术是一种智能感观技术，是模拟哺乳动物味觉系统而设计的智能分析仪器［5］。该系统由交互敏感的传感器阵列、信号调整电路以及识别算法等部分构成。但是由于猪肉新鲜度的变化是一个复杂的物理化学过程［6-7］，受多种因素的影响，所以仅使用某一方面的数据往往很难对其进行准确的判别，这直接导致了电子舌的识别率不高。为了克服这种由唯一指标检测所带来的局限性，设计了由电位传感器和伏安传感器特征融合的电子舌系统，并通过逐步判别法对电子舌的特征向量进行了优化，最终使用Bayes判别法分析不同存储时间的猪肉新鲜度变化情况［8］。实验证明创新性的将多传感器信息融合技术应用于猪肉新鲜度检测中可大大提高电子舌对猪肉新鲜度的识别率。

1 材料与方法

1.1 材料与仪器

购买1块5kg的猪肉，挑选其中肉品一致的部分以20g为单位均匀的分割为65个样本，将样本平均分为5 组(编号分别为 1、2、3、4、5)储藏在 4℃环境下(储藏时间分别为 12、24、36、48、60h)，在各时间点取出相应份数猪肉用于检测。所使用仪器为中国农业大学自行研制的电子舌系统，其主要结构下文将详述。

1.2 实验方法

将每个样本的20g猪肉，平分为2份(每份10g)。取其中1份用剪刀剪碎至约为5mm×5mm×5mm的碎块，以1∶100g/mL比例与蒸馏水混合，静置15min，室温为18℃，取100mL混合液用于伏安传感器检测。将另一份猪肉样品放置在表面皿上用电位传感器直接进行检测。

2 电子舌系统设计

本研究所使用电子舌由以下几个部分组成:电位传感器、伏安传感器、信号调理模块、数据采集模块和数据分析部分。如图1所示。

图1 电子舌系统结构图Fig．1 The chart of Electronic Tongue System

2.1 实验材料

电位传感器阵列由六根不同材料的工作电极和一根参考电极组成［9-11］。金电极(Au)、银电极(Ag)、铜电极(Cu)、铅电极(Pb)、锌电极(Zn)和石墨电极(C)为工作电极［12］，每个电极的长度为3cm左右，用来直接插到固体肉之中进行测量［13］。参考电极为甘汞电极。电位传感器的本质是由电极和电解质所组成的原电池。传感器中工作电极的电位能够反应被测物质的特性，所以被用来作为测量电极，而参考电极的电位不受任何物质的影响，所以我们用它来为工作电极提供稳定的参考电压。将测量电极和参考电极同时置于待测物质中，待反应完全后两电极之间将形成稳定的电压信号。这个原电池的电动势则为传感器的输出信号［14］。

伏安传感器阵列由八个工作电极、一个参考电极和一个辅助电极组成［15］。金(Au)电极、铜(Cu)电极、钨(W)电极、钛(Ti)电极、镍(Ni)电极、铅(Pb)电极、钯(Pd)电极、玻碳电极为工作电极，参考电极为AgCl，辅助电极是铂电极。利用恒电流电位仪原理对电极进行连接［16］，使工作电极在反应过程中具有稳定的电压。通过脉冲发生电路(采用幅值1v，周期1秒的方波为激励信号)控制电极上电压的输入［17-19］。我们把工作电极上的电流来作为传感器的输出信号。

2.2 信号调理系统

由于传感器产生的电信号具有幅值小、高输出阻抗和易受噪声干扰等特征［20］。因此，需要输入阻抗和共模抑制比都很高的放大电路来进行信号的放大［21］。在对微弱电信号检测时常采用仪用对称放大电路［22］，如图2所示。整个电路由两级放大电路组成。第一级是A1、A2运放和电阻R1、R2及R3组成的同相并联差分放大，第二级为运放A3和电阻R4、R5、R6及R7组成的减法器。为了保证有足够大的共模抑制比，该电路的电阻必须满足:R2=R3、R4=R5、R6=R7。此时电路的输出电压为:

图2 调理电路放大电路Fig．2 Amplifier circuit of Conditioning circuit

2.3 数据采集系统

经过信号调理系统放大到-10v到+10v之间的电压信号被输入到USB2010(A/D转换卡)数据采集系统中，该系统用来将信号采集到计算机中，进行实时显示和储存。

3 特征信息处理

3.1 特征数据融合

为了表征猪肉腐败变质这个复杂的过程，避免单一测量手段所带来的局限性，本研究使用多传感器融合技术来提升评测的效果［23］。多传感器信息融合就是把从不同知识源所获得的信息进行综合处理，从而来消除不同传感器之间所存在的多余、矛盾的信息，同时信息之间的互补也可以大大的降低判别的不确定性。从而大大的提高系统的综合决策和判断能力。大量实验结果表明多传感器系统的准确性和稳定性都优于单个信息模型。多传感器信息融合模型通常分为数据层融合、特征层融合和决策层融合［24］3种。本文采用特征层融合。即分别用每个传感器对样本进行检测，然后分别提取每个传感器的信号特征值，最后组合这些特征向量并基于综合特征向量对样本进行识别分类。

本文构建伏安金属传感器与电位型金属传感器融合系统，通过对融合模型特征量的选择、特征的提取以及融合算法的研究来获得更高的识别率。在该融合系统中，由于是两种不同类型的传感器，所以它们的特性不一样，从而它们所获取信息的模式也不相同，所以在融合层次上选择特征层融合，即先分别提取特征信息，然后按特征信息对数据进行分类和综合分析，如图3所示。

图3 电子舌信息融合流程Fig．3 The Information fusion process of Electronic Tongue

3.2 特征提取

电位传感器和伏安传感器阵列在检测一个样本时每个电极会采集4000个数据，所以14个电极就有56000个数据，因此，为了明显、简单的表征样本特性需要对传感器采集到的数据进行特征值提取后再进行下一步的分类。本文中电位传感器提取的特征值为每个电极信号的平均电压值。伏安传感器所提取的特征为每个电极任一单个脉冲内脉冲的最大值、最小值、平均值、相对积分值和始末点斜率［25］。因此共提取46个特征值。

3.3 特征数据归一化处理

3.4 特征优化

电子舌所研究的是多特征值问题。而不同特征值具有一定相关性的。所以为了减少分析问题和解决问题的复杂性我们需要对这些特征值进行优化。本文利用SPSS中的逐步判别算法来进行特征值的优化［27］。逐步判别法的基本原理是:不断的对所筛选的变量进行检验，每引入新的变量进入判别式的时候要考量较早引入判别式的某些变量的判别能力是否因为新引入的变量而变得不显著了，如果是就将这个新引入的变量删除，一直到判别式中不存在不重要的变量，逐步筛选结束。这样就可以找出表征样本的显著性变量，去除不显著变量。

引入和删除变量所用的检验统计量公式如下［28］

由(3)、(4)式可以看出︱E︳和︱T︳的大小分别反映出同一个总体样本间的差异和k个总体所有样本间的差异。因此由(2)式可知Λp值越小，相同总体间的差异越小，样本间的总差异越大，特征值分辨率越大。因此可以用Λp来筛选特征值。

特征优化后的结果如表1所示，特征值由原来的46个筛选成为最能表征样本特性的7个特征值。表中的统计量代表着区分度。统计量越小数据的区分度越大，sig为0则表示该特征值对样品的区分度的贡献非常高。

表1 特征优化结果Table 1 Results of feature optimization

3.5 Bayes判别法

3．5．1 基本思想 Bayes判别法的思想是对多个总体判别时分别计算出新给样品属于各总体的条件概率p，然后对各个概率进行大小比较。最终将新样本被判别为来自概率最大的总体。即通过先验概率来描述所研究对象，从而由贝叶斯公式导出后验概率，最终由后验概率来作出判别［29］。

3．5．2 判别方法 判别函数的导出:已知 Bayes公式为

由于所测得的样本一般都是服从正态分布的，所以将p元正态分布密度函数

表2 分类函数系数Table 2 Classification function coefficients

4 结果与分析

用在 4℃ 下储藏时间分别为 12、24、36、48、60h的猪肉样本各10份共50个做为训练样本，另外取每个时间点的其他3份猪肉样本共15个作为未知识别样本使用SPSS软件中的Bayes判别分析法［30］进行判别分析。所得到的分类函数系数如表2所示。

利用上述判别函数对50个训练样本进行反代分类，结果发现所有样本均分类正确，在进行交叉验证时仅有3个样本被错分。由此可知正确率分别达到了100%和94%。在对未知样本进行分类识别时，15个样本全部分类正确，所以未知样本的识别率达到了100%。如表3所示。

表3 交叉验证及分类结果Table 3 Cross-validation and classification results

5 结论

猪肉的新鲜度随着存放时间的改变而时时刻刻发生着变化。本文用存储小时来度量猪肉的新鲜度。实验结果证明:利用多传感数据融合技术结合Bayes判别法可很好的区分出5组相隔时间为12h猪肉新鲜度的差异。所以此研究可以为猪肉新鲜度的检测提供新的简单而有效的方法。

［1］郭培源，曲世海，陈岩，等．猪肉新鲜度的智能检测方法［J］．农业机械学报，2006，37(8):78-81．

［2］Tahara Y，Toko K．Electronic Tongues-A Review［J］．Sensors Journal，IEEE，2013，13(8):3001-3011．

［3］袁芳，郭培源，吴浩，等．猪肉新鲜度检测方法发展的文献综述［J］．中国农业科技导报，2009，11(z1):72-74．

［4］王俊，胡桂仙，于勇，等．电子鼻与电子舌在食品检测中的应用研究进展［J］．农业工程学报，2004，20(2):292-295．

［5］田晓静，刘丽霞，王俊，等．电子舌技术在肉与肉制品检测中的应用［J］．食品工业科技，2013，34(7):397-400．

［6］韩剑众，黄丽娟，顾振宇，等．基于电子舌的肉品品质及新鲜度评价研究［J］．中国食品学报，2008，8(3):125-132．

［7］田晓静，王俊，崔绍庆，等．羊肉纯度电子舌快速检测方法［J］．农业工程学报，2013(20):255-262．

［8］刘长江，杨添钧，艾莉，等．多传感器信息融合在药材分类系统中的应用［J］．四川大学学报:工程科学版，2013，S1:100-105．

［9］赵煜，韦真博，王俊，等．电子舌信号与理化指标的信息融合区分不同养殖水的研究［J］．农业工程学报，2012，28(1):153-160．

［10］谈国凤，田师一，沈宗根，等．电子舌检测奶粉中抗生素残留［J］．农业工程学报，2011，27(4):361-365．

［11］Peris M，Escuder-Gilabert L．On-line monitoring of food fermentation processes using electronic noses and electronic tongues:A review［J］．Analytica chimica acta，2013，804:29-36．

［12］Gil L，Barat J M，Garcia-Breijo E，et al．Fish freshness analysis using metallic potentiometric electrodes［J］．Sensors and Actuators B:Chemical，2008，131(2):362-370．

［13］Gil L，Barat J M，Baigts D，et al．Monitoring of physicalchemical and microbiological changes in fresh pork meat under cold storage by means of a potentiometric electronic tongue［J］．Food chemistry，2011，126(3):1261-1268．

［14］李素芬．电位型电化学传感器噪声及滤波技术的研究［J］．内江科技，2007，28(9):95，123．

［15］Rodríguez-Méndez M L，Gay M，Apetrei C，et al．Biogenic amines and fish freshness assessment using a multisensor system based on voltammetric electrodes．Comparison between CPE and screen-printed electrodes［J］．Electrochimica Acta，2009，54(27):7033-7041．

［16］Winquist F，Olsson J，Eriksson M．Multicomponent analysis of drinking water by a voltammetric electronic tongue［J］．Analytica chimica acta，2011，683(2):192-197．

［17］韦真博．伏安型电子舌的研发及其在食品检测中的应用［D］．杭州:浙江大学，2011．

［18］Soto J，Campos I，Martínez-Máñez R．Monitoring Wastewater Treatment Using Voltammetric Electronic Tongues［M］．Springer Berlin Heidelberg，2013:65-103．

［19］Campos I，Bataller R，Armero R，et al．Monitoring grape ripeness using a voltammetric electronic tongue［J］．Food Research International，2013，54(2):1369-1375．

［20］Winquist F．Voltammetric electronic tongues-basic principles and applications［J］．Microchimica Acta，2008，163(1-2):3-10．

［21］Campos I，Alcañiz M，Masot R，et al．A method of pulse array design for voltammetric electronic tongues［J］．Sensors and Actuators B:Chemical，2012，161(1):556-563．

［22］刘海，杨慧中．一种智能在线pH检测仪［J］．江南大学学报:自然科学版，2012，02:173-177．

［23］黄懿，李小昱，王为，等．多源信息融合技术的猪肉新鲜度检测方法研究［J］．湖北农业科学，2011，12:2536-2540．

［24］王耀南，李树涛．多传感器信息融合及其应用综述［J］．控制与决策，2001(5):518-522．

［25］白福铭，郑丽敏，朱虹，等．电子舌对不同储藏期鸡蛋识别的研究［J］．微计算机信息，2010，13:192-193-188．

［26］李学相．基于多指标融合的猪肉新鲜度智能检测方法［J］．计算机仿真，2012(9):224-227．

［27］庞旭欣，郑丽敏，朱虹，等．电子鼻对不同存储时间纯牛奶的检测分析［J］．传感器与微系统，2012(9):67-70．

［28］任雪松，于秀林．多元统计分析［M］．北京:中国统计出版社，1999:128-149．

［29］何晓群．多元统计分析［M］．北京:中国人民大学出版社，2004:105-133．

［30］任志娟．SPSS中判别分析方法的正确使用［J］．统计与决策，2006(3):157．