基于便携式电子鼻的白酒快速识别

陆艺莹，张覃轶，龙海仙，姜晓彤，张顺平（.武汉理工大学材料科学与工程学院，湖北武汉430070；.华中科技大学材料科学与工程学院，湖北武汉430070）



基于便携式电子鼻的白酒快速识别

陆艺莹1，张覃轶1，龙海仙1，姜晓彤1，张顺平2
（1.武汉理工大学材料科学与工程学院，湖北武汉430070；2.华中科技大学材料科学与工程学院，湖北武汉430070）

摘要：开发了一种基于顶空采样的新型便携式电子鼻，该电子鼻包含一个8阵列不同掺杂纳米SnO2气体传感器，电子鼻尺寸为ϕ6.0×2.5 cm，重量仅50 g。应用该电子鼻对6种市售白酒进行了测量，单个样本的测量时间少于5 min。采用主成分分析法（PCA）对电子鼻信号进行了分析，应用人工神经网络（ANN）对6种白酒进行识别，识别率为95.8 %。研究表明，该新型电子鼻能实现对白酒的在线、快速、准确识别。

关键词：电子鼻；白酒；主成分分析法；人工神经网络

优先数字出版时间：2015-11-04；地址：http://www.cnki.net/kcms/detail/52.1051.TS.20151104.1124.012.html。

白酒气味芳香纯正，酒精含量较高，属日常消费品。目前，绝大多数酿酒企业对白酒的品鉴依靠人的感官鉴定，其鉴定标准模糊，同时人的感官容易受到环境、情绪、身体状况等影响。另一种白酒品质检验的方法是化学分析，例如Qi Peng等[1]采用气相色谱技术（GC）对不同产地的铜山高粱酒进行了鉴别。化学分析法设备复杂、成本高、周期长，不适合白酒的在线、快速测量。

电子鼻是一种利用气体传感器阵列来识别气体种类的系统，它具有检测速度快、重复性好、客观性好等优点，在食品行业中越来越受到重视。周红标等[2]采用5只商业TGS金属氧化物（MOS）气体传感器实现了对4种商业白酒的识别。王立川等[3]利用7只TGS传感器分析测量了7种市售白酒，重点研究了白酒蒸发温度对动态测试过程的影响。陈秀丽等[4]采用4只MOS商业传感器对3种白酒进行了识别，识别率为90 %。Macias等[5]利用4 只TGS传感器对3种不同浓度葡萄酒进行了分类。上述研究存在的最大问题在于传感器为MOS商业传感器，这些传感器原本用于各种报警电路，用于白酒测量体积大、功耗高，无法实现电子鼻设备的微型化和便携性。为了将实验室测试平台微型化，以利于商业应用，国内外研究者也做了大量的尝试，例如L.C. Wang等[6]研制了一种可识别日本清酒、高粱酒、威士忌和医用酒精的电子鼻，体积为28 cm×18 cm×12 cm，重量为540 g。这种电子鼻内置泵吸式采样系统，因而体积、重量均较大，且造价昂贵，是限制其商业应用的最大障碍。一些进口电子鼻系统，如PEN3[7]、Mk3.3.0等均存在与之相同的问题。

本文在总结现有电子鼻白酒测量技术和便携式电子鼻制造技术基础上，基于顶空扩散采样法开发了一种体积小、操作简单、响应快速的电子鼻设备，并选用了6种不同白酒进行测量，以检验该电子鼻的适用性、稳定性及精度，为商业化白酒测量电子鼻的开发奠定基础。

1　便携式电子鼻系统

1.1电子鼻系统结构

考虑到泵吸式采样系统价格昂贵、操作复杂，且采样过程中容易受到外界空气温度和湿度的干扰[8]，本系统设计时采用顶空扩散法进行采样，见图1。

图1电子鼻结构示意图

电子鼻采用瓶盖设计，尺寸ϕ6.0×2.5 cm，重量约为50 g。整个系统通过螺纹旋置在1个容积为120 mL的玻璃瓶上，样品置于瓶中，传感器测量样品的顶空信号。整套系统分3个部分：气体敏感模块、信号处理模块和人机交互模块。气体敏感模块由1个可替换的8阵列MOS气体传感器阵列构成；信号处理模块由1个微处理器和印刷电路构成；人机交互模块由1个1.44寸TFT屏和2个触摸开关组成。

1.2硬件部分

电子鼻系统的主要功能包括传感器工作温度调理、信号获取及信号处理。温度调理通过PID调节，由1个微处理单元（STC89C516RD+）进行控制。传感器阵列的加热是通过印刷到传感器基片上的Pt电阻完成的。工作时，通过测量和控制Pt电阻上的功耗来实现温度的精确控制，温度控制误差为±5℃。信号测量电路采用文献[9]中描述的方法，可实现传感器电阻的自动换挡测量，在1 KΩ～100 MΩ范围电阻误差不超过5 %，在100 MΩ～1 GΩ范围电阻误差不超过10 %。当8通道同时工作时，采样频率约为1 Hz。传感器阵列工作在300℃时，功耗约为1.5 W。

该系统可按2种模式进行工作：第一种为联机模式，电子鼻系统与PC通过USB进行连接，PC完成对电子鼻的供电、温度控制、信号读取与显示、信号处理及文件存储等功能；另一种为脱机工作模式，电子鼻由1块移动电源供电，由内置微处理单元完成温度控制、信号读取、信号处理等，并将结果显示在1.44寸TFT屏上。

1.3软件部分

本电子鼻系统的软件全部在LabVIEW 2011环境中编制完成。在LabVIEW开发环境下，不仅容易实现电阻的测量、存储、Pt电阻加热功耗的控制，同时也可将编制好的模式识别模块简单移植到STC89C516RD+中，便于脱机工作。

关于本系统更详细的描述请参考文献[10]。

1.4传感器阵列

传感器阵列是电子鼻系统中的关键部件。本文所采用的传感器阵列是由8个以溶胶-凝胶法制备的纳米SnO2为原料，通过掺杂不同的元素制成的气敏传感器组成。8阵列传感器通过丝网印刷的方法将敏感材料印刷在1块7 mm×5 mm的陶瓷基片上，该基片上同时印刷了加热Pt电阻和测温Pt电阻，由软件系统自动实现传感器工作温度的控制。传感器阵列基片被1个不锈钢支架固定在印制电路板上，以利于散热。整个传感器阵列通过2个7脚排针与电子鼻设备连接，方便安装和更换。传感器阵列结构示意图见图3，阵列中各材料的掺杂成分见表1。

图2 8阵列气体传感器结构示意图

表1 8阵列纳米SnO2气体传感器

2白酒测量过程

2.1实验材料

实验采用6种市售白酒，其中包括2种清香型、3种浓香型以及1种兼香型，见表2、图3。

表2实验用7种商业白酒

2.2测量过程

测量时电子鼻工作在联机工作模式，以方便实时信号的读取和显示，现场测量时可工作在脱机工作模式，电子鼻将直接给出评判结果。测试环境为室温10～15℃。测量前先设定传感器工作温度为300℃，传感器信号在洁净空气中稳定后，将电子鼻设备迅速旋盖在装有50 mL样品的120 mL样品瓶上，对白酒进行测试。传感器接触到白酒样品的挥发物并迅速产生响应，约2 min后传感器信号趋于平稳，此时将设备从样品瓶上旋下，置于含洁净空气的样品瓶中恢复，等待下一次测量，整个测试时间约为5 min。图4为8传感器阵列对53 %vol二锅头的瞬间响应曲线，图中前100 s为传感器在洁净空气中的电阻值，置于待测样品后传感器电阻值迅速下降，在200 s左右信号趋于平稳。

图3便携式电子鼻及被测白酒

取传感器响应S作为分析信号，S=R0/Rg，其中，Rg为传感器在待测白酒中的电阻值，R0为传感器在洁净空气中的电阻值。每种白酒重复测试8次（共计48个样本），其中4次作为训练样本，另4次作为测试样本。

图4 8阵列传感器对53 %vol二锅头的瞬间响应曲线

2.3数据分析

采用主成分分析法（PCA）对所有的样本进行分析，以研究传感器信号与白酒种类的关系。识别过程通过人工神经网络（ANN）实现。PCA计算在Matlab 7.0中完成。

3结果与讨论

3.1 PCA分析

6种白酒经过PCA分析后的数据在前2个主元上的投影见图5。第1主成分贡献率为76.5 %，第2主成分贡献率为16.7 %。

图5 6种商业白酒电子鼻信号的PCA分析结果

由图5可以看出，每一种酒都对应于图中一个特定的投影区域，对于同一种酒，数据点呈现出分散性的主要原因是测试过程中外界环境温度和湿度的变化导致传感器信号产生漂移。由图5可以看出，白酒的香型对于白酒的识别影响最大，白云边作为唯一的兼香型白酒，其数据点位于图中左下角，稻花香、沱牌大曲和枝江属于浓香型，在图中右上角，2种清香型的二锅头，其数据投影在图中右下角。白酒的酒精度对白酒识别的影响规律不明显，如酒精度同为53 %vol的白云边和二锅头的信号差异很远，而酒精度为45 %vol枝江和56 %vol二锅头在图中呈现出一定的相似性。白酒的酒精度、原料、产地、香型、酿造工艺等对电子鼻信号均有不同程度的影响，正是这些特征成为电子鼻识别不同种类白酒的重要依据[11]。

3.2 ANN分析

ANN采用三层网络。输入神经元为8个，对应不同传感器响应。隐含层神经元个数为20。隐含层神经元和输出层神经元的激励函数采用Sigmoid函数。网络训练采取了动量法和学习率自适应调整策略。

定义识别率为正确识别的样本数与总样本数的比率。便携式电子鼻系统对6种商业白酒的识别结果见表3。对于24组识别样本，除了有1个沱牌大曲样本被误识为稻花香外，其余23个样本均能被正确识别，识别率为95.8 %，说明所开发的电子鼻对白酒有很好的识别能力。

4　结论

本文采用顶空扩散法进行采样，自主开发了适用于白酒识别的便携式电子鼻，该电子鼻体积小，重量轻，操作简单，成本低。应用该便携式电子鼻对6种商业白酒进行了测量，单次测量时间不超过5 min。PCA分析显示白酒香型对商业白酒的识别影响较大，而其酒精度影响较小。借助ANN模式识别算法，训练过的电子鼻系统对6种商业白酒的识别率为95.8 %，说明该电子鼻可用于商业白酒的在线快速、准确识别。

表3电子鼻系统对6种商业白酒的识别结果

参考文献：

[1] Peng Q, Tian R G, Chen F R, et al. Discrimination of producing area of Chinese Tongshan kaoliang spirit using electronic nose sensing characteristics combined with the chemometrics methods[J]. Food Chemistry, 2015(178)：301-305.

[2]周红标，张宇林，丁友威,等.自适应概率神经网络及其在白酒电子鼻中的应用[J].智能系统学报，2013(4)：177-182.

[3]王立川，张覃轶，黄伟.蒸发温度对电子鼻白酒评价的影响研究[J].传感器与微系统，2011,30(7)：13-15.

[4]陈秀丽，赵爱娟，卫世乾. BP神经网络在电子鼻分类识别多品牌白酒中的应用研究[J].江西师范大学学报,2014,38(4)：358-361.

[5] Macias M M,Agudo J E, Manso AG, et al.Acompact and low cost electronic nose for aroma detection[J]. Sensors, 2013, 13：5528-5541.

[6] Wang L C, Tang K T, Chiu S W, et al.Abio-inspired two-layer multiple-walled carbon nanotube–polymer composite sensor array and a bio-inspired fast-adaptive readout circuit for a portable electronic nose[J]. Biosensors and Bioelectronics, 2011 (26)：4301-4307.

[7]张鑫.电子鼻分析技术在白酒品质检定中的应用研究[J].酿酒，2014,41(2)：27-29.

[8] Macias M M,Agudo J E, Manso AG, et al. Improving short term instability for quantitative analyses with portable electronic noses[J]. Sensors,2014,14：10514-10526.

[9] Pardo A, Cámara L, Cabré J, et al. Gas measurement systems based on IEEE1451.2 standard[J]. Sensors and Actuators B, 2016, 116：11-16.

[10]张顺平，雷涛，谢长生.一种顶空扩散一体式气味分析仪：CN201420531202[P]. 2014-09-16.

[11] Zhang Q Y, Xie C S, Zhang S P, et al. Identification and pattern recognition analysis of Chinese liquors by doped nano ZnO gas sensor array[J].Sensors and Actuators B, 2005,110：370-376.

Rapid Identification of Different Baijiu by a Portable Electronic Nose

LU Yiying1, ZHANG Qinyi1, LONG Haixian1, JIANG Xiaotong1and ZHANG Shunping2
(1.School of Materials Science and Engineering, Wuhan University of Technology, Wuhan, Hebei 430070; 2.School of Materials Science and Engineering, Huazhong University of Science and Technology, Wuhan, Hebei 430070, China）

Abstract:A portable head-space sampling electronic nose composed of 8-array doped Nano SnO2gas sensors has been developed. The approximate size of the electronic nose is about ϕ6.0×2.5 cm, and its weight is just 50 g. In the experiments, such nose was applied to measure 6 kinds of Baijiu products, the measurement time of each sample was less than 5 minutes, then principal component analysis (PCA) and artificial neural network (ANN) were employed in the identification of those Baijiu products, and the identification rate was 95.8 %. It proved that the newlydeveloped portable electronic nose could achieve on-line, rapid and accurate identification of Baijiu.

Key words:electronic nose; Baijiu; principal component analysis; artificial neural network

通讯作者：张覃轶（1972-），男，副教授，E-mail：zhqy@whut.edu.cn。

作者简介：陆艺莹（1994-），女，大学本科在读，主要从事电子鼻及其应用研究，E-mail：luyiying@whut.edu.cn。

收稿日期：2015-07-13；修回日期：2015-10-15

DOI：10.13746/j.njkj.2015303

中图分类号：TS262.3；TS261.7；TS261.4

文献标识码：A

文章编号：1001-9286（2016）01-0083-04