便携式鱼粉品质检测装置的设计与参数优化

李 培，牛智有,2※，谭鹤群,2，刘 鸣，张伟健



便携式鱼粉品质检测装置的设计与参数优化

李 培1，牛智有1,2※，谭鹤群1,2，刘 鸣1，张伟健1

（1.华中农业大学工学院，武汉 430070；2.农业部长江中下游农业装备重点实验室，武汉 430070）

为了快速检测鱼粉的品质，该文设计了一种便携式的鱼粉品质检测装置，该装置以微处理器树莓派为核心，主要由气路气体采集、电路数据获取和软件等部分组成，其中气路气体采集主要是采集零气和样品气体，电路数据获取主要是将传感器的电信号进行采集、放大和AD（analog-digital）转换，软件部分则设计了传感器数据采集和清洗等界面，并实时显示采集到的数据。为了研究该装置的检测性能，该文采用响应面法，选取了对检测结果影响较大的气体流量、采样时间、清洗时间作为试验因素，以离散比为试验指标，利用Design-Expert软件对该装置的参数进行优化，得到最优的参数组合，并在最优参数下，验证了检测装置对鱼粉品质检测的可行性和检测性能。试验结果表明：气体流量、采样时间、清洗时间均对离散比影响显著，且显著性影响程度为清洗时间>采样时间>气体流量，综合考虑各因素，得到最佳参数组合为气体流量2.2 L/min，采样时间39 s，清洗时间77 s，此时离散比实测值为0.579 9。在最优参数下，对不同储藏时间等级的鱼粉样品进行检测，得到不同储藏时间等级逐步判别的正确度为89.4%，可以实现对不同品质的鱼粉进行检测，可为鱼粉品质检测装置的研究提供相应参考和技术支撑。

品质控制；无损检测；参数优化；响应面；鱼粉

0 引 言

鱼粉含有丰富的蛋白质和脂肪，是动物源性饲料的主要原料[1]。在运输和储存的过程中，容易发生蛋白质分解、脂肪氧化和酸败，且易受微生物污染和其他化学物质影响，导致营养成分降低，热能含量减少，适口性下降，这不仅危害动物的正常繁殖和健康，还会对动物源性食品安全和人类的健康产生一定的安全隐患[2]。因此开展动物源性饲料品质的检测显得十分必要。常用的鱼粉品质检测方法有化学检测、感官评定等传统方法以及光谱分析[3]、电子舌[4]等无损检测方法，传统的检测方法存在操作繁琐、耗时、主观性强等缺点，而光谱分析以及电子舌等方法也具有一定的局限性。

仿生嗅觉技术是近年来发展起来的一种新型农产品质量分析、识别和检测技术[5]。它使用具有交叉敏感性的气体传感器阵列来检测被采样样品的挥发性气味，并使用指纹图谱来识别和量化样品气体，得到样品的整体信息(也称“指纹图谱”数据)，从而实现样品的检测与识别。该项技术现已被应用在多个领域，比如Kriengkri等[6-8]将该技术应用在鸡肉、对虾以及海鲈鱼新鲜度检测上；还有的学者将这项技术应用在农产品质量检测以及农产品病虫害防治等方面[9-17]；闫嘉等[18-21]将该技术应用在医学的应用研究当中。虽然国内外学者对该技术研究较多，但目前鲜有对装置参数优化的研究，不同的参数对于装置的稳定性和样品品质的识别率等都有很大的影响。虽然洪雪珍等[22]对影响牛肉品质检测的电子鼻的参数进行了优化，但只选择了顶空空间，样品质量，顶空生成时间，并未对影响电子鼻检测性能的采样时间和清洗时间进行优化；孔丽娜等[23]对影响草鱼鲜度检测的电子鼻的参数进行了优化，并选取了对其影响最大的清洗时间、采样时间、气体流量进行了响应面试验，但对这3个因素之间的交互作用分析并不清楚，且未对顶空空间进行优化，所选择的指标也较为单一。虽然有学者已经研究了不同的参数对电子鼻检测性能的影响[24-27]，但上述因素对传感器阵列组成的鱼粉品质检测装置的检测性能影响还需要进一步研究。

为了解决上述问题，本文设计了一种基于树莓派的鱼粉品质检测装置，并以鱼粉为研究对象，以离散比为试验指标，对影响其检测性能的顶空空间，样品质量，采样时间，清洗时间，气体流量等因素进行了单因素试验，得到最佳参数，后在单因素试验的基础上选取了对该检测系统影响较大的气体流量、采样时间、清洗时间因素进行响应面分析，确定了最优性能参数，并验证了优化参数下检测装置的检测性能，为后续应用该检测装置提供了数据支撑。

1 检测装置的结构设计

该检测装置主要由气体采集与传输模块、控制处理存储模块、数据采集模块、传感器阵列模块组成。其中，气体采集与传输模块主要是采集零气和样品气体，并将气体通过管道传输至传感器阵列模块，控制处理存储模块进行数据处理存储和控制处理；数据采集模块对传感器的电信号进行采集、放大、滤波和AD转换，传感器阵列模块所采用的传感器包括TGS822、TGS2602、TGS813、TGS2620、MQ136、TGS2600、MQ139、TGS2610、MQ137、TGS2611 10个传感器，可对气体进行响应和恢复。

1.1 检测装置的气路设计

气体采集与传输模块结构如图1所示，主要由2个两位两通电磁阀、微型气泵、气体流量计、气体采样室、单向阀、样品气体生成室等组成。工作时，气路部分先清洗传感器气室。电磁阀1打开，电磁阀2关闭，通道切换至经由活性炭瓶过滤后的纯净空气通道，纯净空气在微型气泵的作用下被吸至气体采样室清洗传感器直到达到设定的清洗时间，以避免残余气体对下一次采样过程的影响，使用净化后的纯净气体也减少了外界空气对进气系统的干扰。随后电磁阀1关闭，电磁阀2打开，切换至样品通道，样品生成室主要是产生样品气体，以便系统对气体进行检测。所以样品气体在纯净空气补充气的携带下被吸至传感器室，此时传感器阵列吸附一定量的样品气体导致其电导率值等发生变化，该变化的信号被采集单元捕获并传送给树莓派进行数据处理与模式识别。

其中微型气泵型号为FKY8006，主要作用是将样品气或者标准空气吸入气体采样室，分别进行系统的采样与清洗，该泵的平均流量为3.5 L/min，完全可以将气体吸至气体采样室。气体采样室用来安放各个气体传感器，并给气体提供流道使气体与传感器接触并发生反应，进而引起传感器的阻值发生变化，以显示当前气体的指纹图谱信息。流量计既用来监测当前的流量状态，也用来调节整个电子鼻进气系统的流量；其中传感器室由上壳体、中心体、下壳体组成。下壳体和上壳体上分别有进气口和出气口，进气口与流量计通过内径为4 mm，外径为8 mm的橡胶管连接，出气口通过单向阀直接通向空气中，以防未净化的空气回流进入气体采样室，影响气体传感器的检测精度，此单向阀的开启压力是0.005 MPa，可以满足要求。中心体被平均分成了10个气体通道使每一个传感器都是一个独立的气室，当气体从进气口进入时，会沿着分好的气体通道分别与位于上壳体周侧的10个金属氧化物半导体传感器发生反应，这样保证了各传感器对样本气体实施检测的同步性和均匀性，同时，也保证了样本气体与传感器充分接触，减小响应和恢复时间。该气体采样室的容积仅为0.059 L，有效减小了容积，且该气体采样室采用的材料是聚四氟乙烯，具有耐高温、抗腐蚀、不易粘接、密封性良好等特点，适合用来制造气体采样室。

1. 样品补充气瓶 2. 样品气体生成室 3. 活性炭净化瓶 4. 两位两通电磁阀1 5. 微型气泵 6. 气体流量计 7. 气体采样室 8. 单向阀 9. 两位两通电磁阀2

1.2 检测装置的电路设计

该系统的硬件测控单元结构如图2所示。在本硬件系统中，以微处理器树莓派[28]为核心，通过程序控制继电器的高低电平触发，进而控制电磁阀的通断实现不同功能气路切换，控制微型气泵的通断实现气路的通断，部署在气体采样室的传感器阵列通过感知气体浓度的变化，并通过信号预处理电路进行放大、滤波后送至ARPI600数据采集模块进行AD转换并将采集到的数字信号发送给树莓派。同时，在气体检测过程中，气路系统中的温湿度变化通过置于系统中的温湿度传感器进行在线监测，并将结果传送给树莓派，所有的数据均保存在树莓派的SD卡当中。

图2 检测装置的硬件单元电控图

1.3 检测装置的软件设计

该检测装置的软件选用的是跨平台的qt creator图形化编程软件，主要设计了数据采集实时显示和存储部分，包括传感器清洗部分和采样部分，特征提取部分以及温湿度信息采集部分等。工作时，通过在编写的图形化界面上输入参数便可进行样品气体的采集，气体传感器室的清洗等操作，并可查看实时曲线和采集到的数据，其人机交互界面如图3所示，检测装置软件的工作流程如图4所示。

注：其中传感器1为TGS822，传感器2为TGS2602，传感器3为TGS813，传感器4为TGS2620，传感器5为MQ136，传感器6为TGS2600，传感器7为MQ139，传感器8为TGS2610，传感器9为MQ137，传感器10为TGS2611。

注：GPIO是树莓派的接口。

2 试验设计

2.1 试验材料

将新鲜的鱼粉放置于35 ℃的恒温人工气候箱（RGX-250B，上海坤天仪器有限公司）中，使鱼粉随着储藏时间的延长逐渐腐败变质，在储藏的过程中采集不同储藏时间的鱼粉作为试验样本[29-30]，总共选取了6个储藏时间等级的鱼粉样本进行该检测装置的数据采集。

2.2 试验设计

选取样品质量、顶空空间、气体流量、采样时间、清洗时间5个因素分别进行3个不同储藏时间下的单因素试验，平行测试8次，得到5个因素的最优水平分别为80 g、250 mL、2 L/min、40 s、80 s。

根据单因素试验结果，选取对该检测装置影响比较大的因素，包括气体流量、采样时间、清洗时间3个变量为试验因素，其他因素则保持在最优水平进行BBD响应面试验，并得到回归方程，优化出影响该装置检测性能的最优参数，并对最优参数进行验证。因素水平编码如表1所示。

表1 参数优化响应面试验因素及水平

2.3 试验指标的计算

本文所研究的数据是在电导比值的基础上研究的，即G/0，计算公式如（1）所示，其中G为通入样品气体时的电导值，0为通入空气时的电导值，该值通过通入样品气体时传感器的电压值V和通入洁净空气时传感器的电压值0计算而来，并以每个传感器求得的电导比的均值为特征值，对数据进行分析与处理，共有10个特征值。

式中V为采样参考电压，V，此处为5V；0为通入空气时传感器响应值，即基线值，V；V为通入采样气体时传感器的响应值，V。

依据主成分分析方法的特性，选取表征组内聚集程度的变异系数[31-32]与表征组间区分程度的均值相对变化率的比值来作为试验指标，由文献[27]可知，变异系数应小于0.15，而相对变化率应大于0.05，计算方法如式（2）所示，所以他们之间的比值应小于3。

式中x为第次样本测试均值；=8，为平行试验次数；=10，为传感器个数；=3，为储藏时间等级数；y为不同储藏时间等级样品的单个传感器均值相对变化率；为单类储藏时间等级鱼粉之间的平均变异系数；为不同储藏时间等级的鱼粉样品之间的均值平均相对变化率。

将与的比值，定义为，为离散比，如式（2）所示。越小，说明不同储藏时间等级样品之间的区分越明显，同一储藏时间等级组内聚集程度高，离散程度较小。

3 结果与分析

3.1 试验结果

采用Design-Expert 8.0.6统计软件中的Box-Behnken试验设计原理[33-36]对试验结果进行响应面回归分析，设计三因素三水平17个试验点的响应面分析，并重复零点测试5次，用来估计误差。试验方案及结果如表2所示。

表2 试验设计方案及结果

3.2 试验分析

利用Design-Expert软件对表2中的数据进行多项式回归分析以及显著性检验，建立该鱼粉品质检测装置各参数与离散比之间的回归模型，得到回归方程如式（4）所示。

式中分别为气体流量、采样时间和清洗时间对应的编码值。

从表3可以看出，模型的显著性检验=32.44，<0.000 1，表明建立的二次回归模型达到高度显著，失拟性检验=6.29，=0.053 9>0.05，无显著性差异，表明在试验范围内模型拟合度良好，模型的残差可能是随机误差产生，可以用此模型和方程对气体流量，采样时间，清洗时间这3个因素的影响效果进行分析和预测，并得到最佳的试验参数。

表3 响应面二次模型及其回归系数的方差分析

注：<0.01为极显著，<0.05为显著。

Note:<0.01 is highly significant,<0.05 is significant.

根据表3，该模型调整后的模型校正决定系数Adj为0.946 5，说明此模型可以解释94.65%响应值的变化，该模型与试验拟合程度高，试验误差小。从表3中可以看出，模型的一次项中，因素影响显著，其中因素影响程度极为显著，交互作用影响极为显著，因素影响显著，二次项22对离散比均有极显著性影响。由此可知，各影响因素对离散比的影响并不是简单的线性关系，而是呈现二次函数关系。根据所选的因素水平，各因素影响强弱次序为：清洗时间>采样时间>气体流量。

3.3 响应面分析与优化

响应面图根据回归方程绘制，并且是由响应值在各试验因素相互作用下获得的结果构成的一个三维空间曲面，可以预测和检验变量的响应值以及确定变量的相互关系。当其它变量处于中间值时，根据响应面图分析对离散比产生的影响，如图5所示，为因素对离散比影响的响应曲面3D效果图。

由图5a可知，随着气体流量和采样时间的增加，离散比的值首先减小然后增大，这说明对于离散比来说，存在合适的气体流量和采样时间。其原因可能是由于当气体流量过小时，待测气体分子主要通过气体自由扩散至传感器敏感元件表面，此时采样时间若是过小，则导致传感器响应值还未达到稳定状态便停止了采样，检测结果也无法全面反映样品的所有气味特征；当气体流量较大时，待测气体被气泵吹至传感器敏感元件表面，此时采样时间若较大，则进入到气体采样室的样品气体会增加，在较短的清洗时间下，传感器清洗则不够彻底，从而使试验结果产生误差。当气体流量在2~2.5 L/min和采样时间在35~45 s范围内，离散比较小。从图5b可知以看出，随着气体流量的增加和清洗时间的减小，离散比首先降低然后增加，当气体流量较大时，在同样的采样时间下，进入到气体采样室的气体增加，此时清洗时间较短，则吸附在传感器上的样品气体无法全部被清洗干净，残留的气体分子会影响下一个样品的测试结果，导致不同品质样品的区分度不大，进而导致离散比增加，当气体流量较小时，在同样的采样时间下，此时进入气体采样室的气体减少，若清洗时间又较长，则会损耗传感器，影响检测结果。当气体流量在2~2.5 L/min和清洗时间在75~80 s范围内，离散比较小。由图5c可知，随着采样时间增大，清洗时间减小，离散比先减小后增大，当采样时间过大时，在合适的气体流量下，则进入气体采样室的气体增加，而清洗时间又比较小，则导致清洗不够彻底，影响试验结果；当采样时间过小时，在同样的气体流量下，进入到气体采样室的气体比较少，此时清洗时间又比较长，则造成了能量的浪费以及仪器的损耗，检测结果也会有误差。当采样时间在35~40 s和清洗时间在75~80 s范围内，离散比较小。

离散比可以反应该电子鼻的响应效果，离散比越小，说明该电子鼻的组间区分效果好，组内聚集程度高，因此在试验范围内离散比越小越好。应用Design-Expert的Optimization功能对其进行优化分析，即通过对二次回归的数学模型取一阶偏导获得最优的试验条件，确定当= 0.402，= –0.073，= –0.292时，试验指标有最小值；得到最优参数组合：气体流量为2.2 L/min，采样时间为39.27 s，清洗时间为77.08 s时，离散比有最小值，预测的离散比最小值为0.579 2。在实际试验过程中，为了方便在该装置中设定试验参数，现将优化结果进行圆整，圆整后的结果为气体流量为2.2 L/min，采样时间39 s，清洗时间77 s，此时得到的预测离散比为0.579 3。

为了验证模型预测的准确性，采用优化后的参数进行试验，试验重复次数为8次，最优参数的实际测量值为0.579 9，与模型预测值的误差为0.10%，表明预测值和实测值具有良好的一致性，进一步验证了模型的可靠性。因此，采用Box-Behnken的组合试验设计优化得到的该检测装置的试验参数准确可靠，具有实用价值。

3.4 优化方案应用

3.4.1 PCA和LDA分析

在最优参数下，对不同储藏时间等级的样品，共6个储藏时间等级，重复30次共180个样本的电导比均值进行PCA和LDA分析，得到结果如图6所示。从图6a可以看出，第六等级样品能明显区分，但是其他储藏时间等级样品数据重复点较多，难以区分。从图6b可以看出，LDA分类结果与PCA结果类似，但相对于PCA，LDA分析结果较好。

图5 各因素的交互作用对离散比影响的响应面图

图6 不同储藏时间等级鱼粉样品的PCA和LDA分析

3.4.2 逐步判别分析

对上述180个样本的电导率的均值进行逐步判别分析，其中所属类为样品实际所属的储藏时间等级，预测类是由判别分析方法建立的模型预测的样品所属储藏时间等级，所得结果如表4所示。由表4可知，前5个类别出现误判，其他等级分类正确，总正确率为89.4%，可见误判主要出现在中间的几个储藏时间等级中，而位于两端储藏时间等级的样品识别率较高，该检测装置基本能将不同储藏时间等级的鱼粉样本区分开来，后续还需进一步优化特征值以提高正确率。

表4 不同储藏时间等级的鱼粉样品的逐步判别分析结果

4 结 论

1）本文设计的便携式鱼粉品质检测装置主要包括三大部分，分别为气体采集和气路传输部分，硬件单元测控部分以及软件界面编程部分。其中气体采集和气路传输部分的关键部件是气体反应室，主要用于传感器与样品气体发生反应，实现气体的进入与排出。硬件单元测控部分的关键部件为位于气体反应室的10个气体传感器，用于与样品气体发生化学反应，得到样品气体的“指纹信息”，通过ARPI600模数转换芯片将不同品质样品气味转化为电信号，并采集数据。软件界面编程部分则以树莓派为核心，采用跨平台的qt creator界面编程软件实现数据实时采集和存储。

2）以离散比为试验指标，以对结果影响较大的气体流量、采样时间、清洗时间为因素进行试验，并用Design-expert进行响应面分析，得到影响强弱关系为清洗时间>采样时间>气体流量，且随着气体流量和采样时间的增加，离散比呈现先减小后增加的趋势；随着气体流量增大，清洗时间减小，离散比则先减小后增大；随着采样时间增大，清洗时间减小，离散比先减小后增大，综合考虑各因素确定最佳参数组合为气体流量2.2 L/min，采样时间39 s，清洗时间77 s，此时离散比实测值为 0.579 9。

3）在最优参数下，对不同储藏时间等级的鱼粉样品进行检测，得到不同等级逐步判别的正确度为89.4%，可以实现对不同品质的鱼粉进行检测，相比于其他检测方法，通过该检测装置检测，检测结果快速、准确、可靠，可为类似品质检测装置的研究提供相应参考。

[1] 刘辉，牛智有. 基于电子鼻的鱼粉中挥发性盐基氮检测模型比较[J]. 农业工程学报，2010，26(4)：322－326. Liu Hui, Niu Zhiyou. Comparison of total volatile basic nitrogen detection models in fishmeal based on electronic nose[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2010, 26(4): 322－326. (in Chinese with English abstract)

[2] 刘辉，牛智有. 基于虚拟仪器的鱼粉新鲜度电子鼻测量系统[J]. 华中农业大学学报，2010，29(6)：794－797. Liu Hui, Niu Zhiyou. Design of electronic nose system based on virtual instrument technology to determine fishmeal freshness[J]. Journal of Huazhong Agricultural University, 2010, 29(6): 794－797.(in Chinese with English abstract)

[3] 曹小华，蔡懋成，余维三，等. 近红外光谱分析技术在鱼粉新鲜度检测中的应用研究[J]. 广东饲料，2018，27(3)：42－45. Cao Xiaohua, Cai Maocheng, Yu Weisan, et al. Near infrared spectroscopy analysis technology in study on application of fish meal freshness detection[J]. Guangdong Feed, 2018, 27(3): 42－45. (in Chinese with English abstract )

[4] 王莉，牛群峰，赵红月，等. 基于电子舌的不同储藏期红鱼粉区分与新鲜度评价[J]. 饲料工业，2015，36(3)：52－55. Wang Li, Niu Qunfeng, Zhao Hongyue, et al. Discrimination and freshness evaluation of fishmeal based on electronic tongue[J]. Feed Industry, 2015, 36(3): 52－55. (in Chinese with English abstract )

[5] 文韬，郑立章，龚中良，等. 吹扫式仿生嗅觉检测装置的设计与性能试验[J]. 农业工程学报，2017，33(8)：251－258. Wen Tao, Zheng Lizhang, Gong Zhongliang, et al. Design and performance experiment of bionic olfactory detection device using purging method[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(8): 251－258. (in Chinese with English abstract)

[6] Kriengkri T, Theeraphop T, Noppon L, et al. Evaluation of bacterial population on chicken meats using a briefcase electronic nose[J]. Biosystems Engineering, 2016, 151: 116－125.

[7] Jiang Jinghao, Li Jian, Zheng Feixiang, et al. Rapid freshness analysis of mantis shrimps () by using electronic nose[J]. Food Measure, 2016, 10: 48–55.

[8] 陈东杰，姜沛宏，张长峰，等. 基于电子鼻与统计学方法的海鲈鱼新鲜度品质预测[J]. 食品工业科技，2018，39(17)：235－239. Chen Dongjie, Jiang Peihong, Zhang Changfeng, et al.Freshness quality prediction of latelabrax japonicas based on electronic nose and statistic analysis[J]. Science and Technology of Food Industry, 2018, 39(17): 235－239. (in Chinese with English abstract)

[9] Marek G, Jolanta W, Marzena G W, et al. Application of electronic nose with MOS sensors to prediction of rapeseed quality[J]. Measurement, 2017(103): 227－234.

[10] Rakesh K R, Rohit U, Hari N M. Storage quality assessment of shelled peanuts using non-destructive electronic nose combined with fuzzy logic approach[J]. Postharvest Biology and Technology, 2017, 132: 43－50.

[11] Sanaeifar A, Mohtasebi S S, Ghasemi-Varnamkhasti M, et al. Development and application of a new low cost electronic nose for the ripeness monitoring of banana using computational techniques (PCA, LDA, SIMCA, and SVM) [J]. Czech Journal of Food Sciences, 2014, 32(6): 538－548.

[12] Sajad K, Saeid M, Mahdi G V. A portable electronic nose as an expert system for aroma-based classification of saffron[J]. Chemometrics and Intelligent Laboratory Systems, 2016, 156: 148－156.

[13] Kriengkri T, Yaowapa L, Chatchawal W. Identification of adulteration in uncooked Jasmine rice by a portable low-cost artificial olfactory system[J]. Measurement, 2017, 108: 67－76.

[14] Tang Kea-Tiong, Chiu Shih-Wen, Pan Chih-Heng, et al. Development of a portable electronic nose system for the detection and classification of fruity odors [J]. Sensors, 2010, 10: 9179－9193.

[15] 程绍明，王俊，王永维，等. 基于电子鼻技术的不同特征参数对番茄苗早疫病病害区分效果影响的研究[J]. 传感技术学报，2014，27(1)：1－5. Chen Shaoming, Wang Jun, Wang Yongwei, et al. Research on distinguishing tomato seedling Infected with early blight disease using different characteristic parameters by electronic nose[J]. Chinese Journal of Sensors and Actuators, 2014, 27(1): 1－5. (in Chinese with English abstract)

[16] 刘军令. 烟草智能烤房系统中电子鼻关键技术研究[D]. 重庆：重庆大学，2015. Liu Junling. Study on the Key Technology of Electronic Nose in Intelligent Tobacco Barn Systems[D]. Chongqing: Chongqing University, 2015. (in Chinese with English abstract)

[17] 张红梅，邹光宇，王淼森，等. 基于传感器阵列多特征优化融合的茶叶品质检测研究[J]. 传感技术学报，2018，31(3)：491－496. Zhang Hongmei, Zou Guangyu, Wang Miaosen, et al. Detection method for tea quality using sensor array coupled with multi-feature optimization fusion [J]. Chinese Journal of Sensors and Actuators, 2018, 31(3): 491－496. (in Chinese with English abstract)

[18] 闫嘉. 基于电子鼻技术的人体伤口感染检测系统构建及算法研究[D]. 重庆：重庆大学，2012. Yan Jia. System Construction and Algorithm Research in Human Wound Infection Detection Based on Electronic Nose Technology[D]. Chongqing: Chongqing University, 2012. (in Chinese with English abstract)

[19] Sibila O, Garcia-Bellmunt L, Giner J, et al. Identification of airway bacterial colonization by an electronic nose in chronic obstructive pulmonary disease[J]. Respiratory Medicine, 2014, 108(11): 1608－1614.

[20] Lim J H, Park J, Oh E H, et al. Nanovesicle-based bioelectronic nose for the diagnosis of lung cancer from human blood[J]. Advanced Healthcare Materials, 2014, 3(3): 360－366.

[21] Rosarito C T, Mabel R, Nilda J de R, et al.The potential of a portable point-of-care electronic nose to diagnose tuberculosis [J]. Journal of Infection, 2017（8）: 1－7.

[22] 洪雪珍，王俊. 牛肉品质检测中电子鼻参数的优化[J]. 农业机械学报，2013，44(9)：125－131.Hong Xuezhen, Wang Jun. Parameters optimization of electronic nose in detection of beef freshness [J]. Transactions of the Chinese Society for Agricultural Machinery, 2013, 44(9): 125－131. (in Chinese with English abstract)

[23] 孔丽娜. 电子鼻技术在草鱼鲜度及风味分析的应用研究[D]. 上海：华东理工大学，2015. Kong Lina. Application of Electronic Nose in Freshness and Flavor Analysis of Grass Carp[D]. Shanghai: East China University of Science and Technology, 2015. (in Chinese with English abstract)

[24] 梁宏增，余隽，孙长宇，等. 流速对半导体气体传感器响应的影响分析[J]. 仪表技术与传感器，2012(5)：1－4. Liang Hongzeng, Yu Jun, Sun Changyu, et al. Influence of gas flow on response of semiconductor gas sensor [J]. Instrument Technique and Sensor, 2012(5): 1－4. (in Chinese with English abstract)

[25] 亓培锋，孟庆浩，井雅琪，等. 用于白酒识别的电子鼻数据分析与参数优化[J]. 天津大学学报：自然科学与工程技术版，2015，48(7)：643－651. Qi Peifeng, Meng Qinghao, Jing Yaqi, et al. Data analysis and parameters optimization of electronic nose systems for Chinese liquors recognition[J]. Journal of Tianjin University: Science and Technology, 2015, 48(7): 643－651. (in Chinese with English abstract)

[26] 龙君，朱晓琼，杨涓，等. 电子鼻对烟用香精香料检测参数的研究[J]. 化学研究与应用，2014，26(3)：395－400. Long Jun, Zhu Xiaoxiong, Yang Juan, et al. Study on parameters of electronic nose measuring tobacco flavors and fragrances[J]. Chemical Research and Application, 2014, 26(3): 395－400. (in Chinese with English abstract)

[27] 张军，李小昱，王为，等. 电子鼻检测鲢鱼新鲜度的试验参数优化[J]. 农业机械学报，2009，40(4)：129－132. Zhang Jun, Li Xiaoyu, Wang Wei, et al. Optimization of experiment parameters for using electronic nose to evaluate freshness of silver carp[J]. Transactions of the Chinese Society for Agricultural Machinery, 2009, 40(4): 129－132. (in Chinese with English abstract)

[28] 李江勇. 基于ARM9的嵌入式电子鼻系统研究与实现[D].广州：广东工业大学，2012. Li Jiangyong. Research and Implementationan Embedded Electronic Nose System Based on ARM9[D]. Guangzhou: Guangdong University of Technology, 2012. (in Chinese with English abstract)

[29] 郭培源，徐盼，董小栋，等. 基于嵌入式的腊肉检测手持终端系统的研制[J]. 食品与机械，2016，32(8)：38－41. Guo Peiyuan, Xu Pan, Dong Xiaodong, et al. Research and realization on bacon detection on embedded handheld terminal[J]. Food & Machinery, 2016, 32(8): 38－41. (in Chinese with English abstract)

[30] 王铵静. 不同储存方法对鱼粉的影响及养殖效果评价[D]. 湛江：广东海洋大学，2017. Wang Anjing. Effects of Different Storage Methods on Fish Meal and the Assessment of Culture Efficiency[D]. Zhanjiang: Guangdong Ocean University, 2017. (in Chinese with English abstract)

[31] 徐克明，王俊，邓凡霏，等. 用于山核桃陈化时间检测的电子鼻传感器阵列优化[J]. 农业工程学报，2017，33(3)：281－287. Xu Keming, Wang Jun, Deng Fanfei, et al. Optimization of sensor array of electronic nose for aging time detection of pecan[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(3): 281－287. (in Chinese with English abstract)

[32] Sylvie R, Gustaf F, Pierre G, et al. Optimisation of electronic nose measurements. Part II: Influence of experimental parameters[J]. Journal of Food Engineering, 1999, 39(1)：9－15.

[33] 王功亮，姜洋，李伟振，等. 基于响应面法的玉米秸秆成型工艺优化[J]. 农业工程学报，2016，32(13)：223－227. Wang Gongliang, Jiang Yang, Li Weizhen, et al. Process optimization of corn stover compression molding experiments based on response surface methods[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(13): 223－227. (in Chinese with English abstract)

[34] 栾庆祥，赵杨，周欣，等. 单因素试验结合响应面分析法优化杜仲最佳提取工艺[J]. 药物分析杂志，2013，33(5)：859－865. Luan Qingxiang, Zhao Yang, Zhou Xin, et al. Optimization on extraction technology forby single- factor experiment combined with response surface methodology[J]. Chin J Pharm Anal, 2013, 33(5): 859－865. (in Chinese with English abstract)

[35] 田旭静，段鹏慧，范三红，等. 响应面法优化酶解藜麦糠蛋白制备抗氧化肽工艺[J]. 食品科学，2018，39(10)：158－164. Tian Xujing, Duan Penghui, Fan Sanhong, et al. Response surface methodology for optimization of hydrolysis conditions for preparing antioxidant peptides from quinoa bran protein[J]. Food Science, 2018, 39(10): 158－164. (in Chinese with English abstract)

[36] 施丽莉，胡志超，顾峰玮，等. 耙齿式残膜回收机自动脱膜机构设计[J]. 农业工程学报，2017，33(18)：11－18. Shi Lili, Hu Zhichao, Gu Fengwei, et al. Design on automatic unloading mechanism for teeth type residue plastic film collector[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(18): 11－18. (in Chinese with English abstract)

Design and operating parameter optimization of portable detection device for fish meal quality

Li Pei1, Niu Zhiyou1,2※, Tan Henqun1,2, Liu Ming1, Zhang Weijian1

(1.430070; 2.430070)

Fish meal is rich in protein and fat and is the main animal-derived feed material. In the process of transportation and storage, the fish meal can be easily to deteriorate, resulting in the reduction of its nutritional components. This is not only endangers the normal reproduction and health of animals, but also poses certain potential safety hazards to the safety of animal-derived food and human health. It is necessary to carry out an effective detection for quality of animal-derived feed. In recent years, bionic olfaction technology has developed rapidly, it can quickly detect the quality of products, compared with near infrared spectroscopy and traditional physical and chemical index detection methods, it is faster and more accurate, but it is rarely used in the quality detection of fish meal. Therefore, in order to solve the above problems, a portable detection device on quality of fish meal has been developed in this paper. The hardware part of the device is mainly composed of a gas acquisition and transmission module, a control processing storage module, a data acquisition module, and a sensor array module, which the gas acquisition and transmission module includes a sample supplement gas cylinder, a sample gas generation chamber, an activated carbon purification bottle, two two-position two-way electromagnetic valves, a micro air pump, a gas flowmeter, a gas sampling chamber, and a one-way valve. In the software part, the strawberry pie is the core, qt creator graphical programming software across platforms was selected, and the real-time data acquisition display and storage part was mainly designed. The key component was the 10-bit ARPI600 data acquisition module. The device could basically realize the quality detection of fish meal, and the detection result was relatively accurate. In order to obtain the detection performance of the device, the test parameters of the device needed to be optimized. First, fresh fish meal was placed in a 35 ℃ thermostatic artificial climate box to make it decay gradually at the storage time. Fish meal of different levels was collected as the test sample during the storage process, and a total of six types of fish meal samples which was at different storage times were selected for the samples of the test. In this paper, it selected the factors that included gas flow, sampling time and cleaning time that had a great influence on the detection results, taking the dispersion ratio as an index, the optimal parameters were obtained through optimization analysis by using response surface method and design - expert software, and the feasibility and detection performance of the detection device for fish meal quality under the optimal parameters were verified. The test results showed that the gas flow rate, sampling time and cleaning time were all significant factors, and the primary and secondary order of factors was as follow: Cleaning time, sampling time and gas flow, and the interaction between them was significant. With the increase of gas flow and sampling time, the dispersion ratio tended to decrease first and then increase, and when the gas flow was in the range of 2-2.5 L/min and the sampling time was in the range of 35-45 s, the dispersion ratio was small. As the gas flow increased, the cleaning time decreased, while the dispersion ratio decreased first and then increased. When the gas flow rate was 2-2.5 L/ min and the cleaning time was in the range of 75-80 s, the dispersion ratio was small. As the sampling time increased, the cleaning time decreased, the dispersion ratio decreased first and then increased, and when the sampling time was in the range of 35-40 s and the cleaning time was in the range of 75-80 s, the dispersion ratio was small. In considering of all factors, the best parameters were 2.2 L/min of gas flow, 39 s of sampling time and 77 s of cleaning time. At this time, the dispersion ratio was the smallest, which was 0.579 9. Under the optimal parameters, fish meal samples with different storage time were tested, and the accuracy of different storage time discrimination was 89.4%, which could realize the detection of quality of fish meal and provide data reference and technical support for the subsequent research on the quality detection device.

quality control; nondestructive detection; parameters optimization; response surface; fish meal

2018-10-09

2019-01-30

中央高校基本科研业务费专项资金资助项目（2662018PY081）

李 培，博士生，主要从事农产品加工技术方面研究。Email：huanonglipei8@163.com

牛智有，博士，教授，主要从事农产品加工技术与装备研究。 Email：nzhy@mail.hzau.edu.cn

10.11975/j.issn.1002-6819.2019.08.036

S24

A

1002-6819(2019)-08-0308-08

李 培，牛智有，谭鹤群，刘 鸣，张伟健.便携式鱼粉品质检测装置的设计与参数优化[J]. 农业工程学报，2019，35(8)：308－315. doi：10.11975/j.issn.1002-6819.2019.08.036 http://www.tcsae.org

Li Pei, Niu Zhiyou, Tan Henqun, Liu Ming, Zhang Weijian.Design and operating parameter optimization of portable detection device for fish meal quality[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(8): 308－315. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2019.08.036 http://www.tcsae.org