摘要：為了實(shí)現(xiàn)對肉類新鮮度的評價(jià)，提出一種基于LabVIEW和氣體傳感器陣列的可視化機(jī)器嗅覺系統(tǒng)。該系統(tǒng)采用6種金屬氧化物氣體傳感器組成陣列，由傳感器陣列和密封氣室、電磁閥和微型氣泵等構(gòu)成氣體采集裝置，通過氣體采集裝置、信號調(diào)理電路和數(shù)據(jù)采集卡實(shí)現(xiàn)對信號的采集。利用LabVIEW開發(fā)上位機(jī)軟件，完成對數(shù)據(jù)的預(yù)處理、特征選擇和特征提取等環(huán)節(jié)的可視化，最終實(shí)現(xiàn)對肉類新鮮度的無損檢測。試驗(yàn)結(jié)果表明，基于可視化機(jī)器嗅覺系統(tǒng)可以有效區(qū)分不同存儲條件下的豬肉新鮮度，且系統(tǒng)各傳感器的變化規(guī)律與理化指標(biāo)判斷結(jié)果一致，表明該系統(tǒng)具有可行性和適用性。

　　關(guān)鍵詞 氣體傳感器陣列；新鮮度；機(jī)器嗅覺；LabVIEW

　　隨著人們對物質(zhì)生活要求的逐漸提高，食品的質(zhì)量和安全成為大眾在日常生活中關(guān)注的重要問題。試驗(yàn)證明長時(shí)間儲藏時(shí)，由于肉類食品自身酶的分解或各種微生物的污染，會使肉體發(fā)生變質(zhì)，從而慢慢地?fù)]發(fā)出具有腐敗特征的氣體，如含硫產(chǎn)物、氨氣、胺、硫產(chǎn)物、醇類等混合氣體，從而新鮮度等級不斷下降，如若食用品質(zhì)較差甚至腐敗的肉類，其后果很嚴(yán)重。

　　傳統(tǒng)的肉類食品品質(zhì)檢測方法一般分為感官檢測、化學(xué)檢測、物理檢測和微生物檢測等。感官檢測主要是專業(yè)人員通過觀察肉類表面的顏色、肌肉組織、紋理等要素給出評定，結(jié)果不易量化，存在片面性和主觀性；化學(xué)檢測周期較長且步驟繁瑣，很難在現(xiàn)場快速檢測，更為重要的是對樣品具有破壞性；物理檢測運(yùn)用氣質(zhì)聯(lián)用技術(shù)得到精確的數(shù)據(jù)，但檢測周期長且無法顯示整體信息；微生物檢測常采用的方法是測定細(xì)菌總數(shù)和大腸菌群近似數(shù)，是以肉類中的微生物數(shù)量來說明污染狀況及其腐敗變質(zhì)程度的，該方法執(zhí)行簡便，但耗時(shí)較長，因此在部分場所環(huán)境下并不適用。

　　隨著計(jì)算機(jī)技術(shù)的發(fā)展，機(jī)器嗅覺系統(tǒng)已在食品、醫(yī)藥和農(nóng)業(yè)等行業(yè)得到了廣泛應(yīng)用。試驗(yàn)設(shè)計(jì)了一種基于氣體傳感器陣列和LabVIEW的機(jī)器嗅覺系統(tǒng)，該系統(tǒng)通過采集肉體變質(zhì)過程中揮發(fā)性氣體實(shí)現(xiàn)對肉類產(chǎn)品新鮮度的檢測，可以實(shí)現(xiàn)檢測的無損化、精準(zhǔn)化、無接觸化、智能化等多元化目的。

　　試驗(yàn)設(shè)計(jì)的機(jī)器嗅覺系統(tǒng)硬件主要包括氣體采樣系統(tǒng)、信號調(diào)理和采集系統(tǒng)，其中氣體采樣系統(tǒng)是機(jī)器嗅覺硬件系統(tǒng)中重要的組成部分，其目的是收集樣品的揮發(fā)性氣體并傳送到傳感器陣列中，采樣過程的好壞直接影響傳感器響應(yīng)的信號。

　　目前機(jī)器嗅覺使用的氣體采樣方法主要有微量注射法、靜態(tài)頂空法和動(dòng)態(tài)頂空法。由于靜態(tài)頂空法分析效果好，且減小人為的操作誤差，因此試驗(yàn)選了此方法采集肉類揮發(fā)性物質(zhì)，設(shè)計(jì)的氣體采樣系統(tǒng)如圖1所示。

　　從圖1可知：該系統(tǒng)包括密封氣室、與氣體接觸反應(yīng)的金屬半導(dǎo)體氣敏傳感器陣列、固定傳感器陣列的電路板、氣體流通的管道、切換采樣氣體與零氣通道的三通電磁閥、抽取氣體的真空氣泵、濾除固體微顆粒的過濾器、用于氣路和氣室入出口轉(zhuǎn)換的軟管接頭以及氣室內(nèi)部用于強(qiáng)化密封性能的密封圈。若將兩進(jìn)一出三通電磁閥上電，待測肉品揮發(fā)出的特征氣味在真空氣泵的帶動(dòng)下，通過聚四氟乙烯材質(zhì)的軟管通道進(jìn)入密閉氣室內(nèi)，特征氣味通過與密閉氣室內(nèi)部嵌的傳感器陣列反應(yīng)獲得響應(yīng)值。超過采樣時(shí)間后，將電磁閥斷電，即為接通洗氣通道，潔凈空氣進(jìn)入氣室內(nèi)，這時(shí)傳感器開始進(jìn)入解吸附過程，氣室出口處連接的另一真空氣泵上電工作，將殘余的樣本氣體快速抽出，直至傳感器陣列的響應(yīng)曲線恢復(fù)到起初的基準(zhǔn)值。

　　氣體傳感器陣列是氣體采集系統(tǒng)的重要組成部分，選擇合適的傳感器，可以提高檢測系統(tǒng)的性能。以豬肉為例，豬肉在儲藏過程中散發(fā)出的氣體成分包含硫化氫、硫醇、硫醚、氨氣、甲烷和二氧化碳等腐敗氣體，因此試驗(yàn)選取了6個(gè)氣敏傳感器MQ135、MQ136、MQ138、TGS822、TGS826和TGS832，可以測量出氨氣、硫化物、酮類、醇類、脂類和醛類等揮發(fā)性氣體。而且將所有的傳感器放置在同一橫截面，這樣能夠保證每個(gè)傳感器感受到的氣體濃度大小差異不會太大，排列格局也可以保證每個(gè)傳感器周圍的氣體流速相同。

　　為了提高機(jī)器嗅覺系統(tǒng)下限，可對微弱的檢測信號進(jìn)行放大。對于所采集的信號容易受到環(huán)境噪聲的干擾，同時(shí)采用濾波進(jìn)行雜波消除，提高采集信號的精確度。該設(shè)計(jì)采用LM324運(yùn)算放大器將檢測信號進(jìn)行放大和濾波，其電路如圖2所示。

　　圖2中外接電阻R1和R3的阻值共同決定了放大器電壓放大倍數(shù)，具體放大倍數(shù)如式（1）所示。

　　
式中：C2——濾波電容，可濾除環(huán)境中的一些噪聲。

圖2　信號調(diào)理的電路圖

　　信號采集主要通過數(shù)據(jù)采集卡模塊實(shí)現(xiàn)，試驗(yàn)選用的是美國NI公司生產(chǎn)的型號為NI ELVIS的數(shù)據(jù)采集卡，其有AI0-AI7八路模擬電壓采集口對傳感器經(jīng)過信號調(diào)理電路處理后的電壓進(jìn)行采集。

　　機(jī)器嗅覺系統(tǒng)的上位機(jī)采用LabVIEW語言編寫，根據(jù)系統(tǒng)的需求編寫了登錄模塊、數(shù)據(jù)采集模塊、數(shù)據(jù)預(yù)處理模塊和數(shù)據(jù)分析模塊這4個(gè)子模塊。

　　登錄模塊設(shè)有用戶名和密碼，便于用戶對軟件進(jìn)行管理，同時(shí)也能夠保障用戶的信息安全，其Lab-VIEW設(shè)計(jì)的程序結(jié)構(gòu)圖如圖3所示。

圖3　登錄界面程序設(shè)計(jì)圖

　　信號采集模塊主要是設(shè)置數(shù)據(jù)采集卡中的參數(shù)，包括輸入通道、輸入接線端配置、工作方式和采集時(shí)間等，LabVIEW編寫的程序如圖4所示。通過圖4的設(shè)計(jì)程序，實(shí)時(shí)采集六路傳感器的響應(yīng)值，且每路響應(yīng)值對應(yīng)一個(gè)波形，同時(shí)這些數(shù)據(jù)以列的形式保存到Excel表格中。

圖4　信號采集模塊程序設(shè)計(jì)圖

　　該模塊是對采集的信號進(jìn)行預(yù)處理，由于試驗(yàn)過程中采集到的是傳感器陣列瞬態(tài)特性，這些數(shù)據(jù)在應(yīng)用前需要進(jìn)行相應(yīng)的預(yù)處理，其中有均值濾波、基線處理及異常數(shù)據(jù)的剔除等，其設(shè)計(jì)的LabVIEW程序分別如圖5～圖7所示。

圖5　均值濾波程序設(shè)計(jì)圖

　　由于硬件電路的干擾，傳感器采集信號時(shí)不可避免會存在一些擾動(dòng)，故試驗(yàn)通過均值濾波算法來減少這些波動(dòng)，具體如圖5所示?；€處理算法可以有效補(bǔ)償傳感器的漂移、消除噪聲信號。但是最小的電壓信號并不一定會出現(xiàn)在起始位置，試驗(yàn)采用差分法來實(shí)現(xiàn)基線處理。由圖6可知，先將每一行的數(shù)據(jù)索引出來，再索引出其最小值，用原來的數(shù)組與最小值做差，即得到基線處理后的新數(shù)組。在進(jìn)行特征選擇或特征提取前，還需要剔除異常的數(shù)據(jù)，這一過程也直接影響后續(xù)分類的精度。圖7采用的剔除異常數(shù)據(jù)方法是3σ準(zhǔn)則，該準(zhǔn)則簡單實(shí)用。

　　2.4  數(shù)據(jù)分析模塊

　　數(shù)據(jù)分析模塊是實(shí)現(xiàn)樣本新鮮度分類的最終環(huán)節(jié)，主要包括特征選擇和特征提取。特征選擇是從原始的特征空間中尋求到最有效的特征來表示氣味信息，該環(huán)節(jié)是特征提取準(zhǔn)確性和穩(wěn)定性的關(guān)鍵。特征提取是將多維樣本特征值通過數(shù)學(xué)變換的方法映射到低維空間，常見的有線性與非線性降維分析法。特征選擇環(huán)節(jié)試驗(yàn)采用Wrapper方法，編寫的程序如圖8所示。

圖8　特征選擇程序設(shè)計(jì)圖

　　圖8設(shè)計(jì)的特征選擇包含傳感器的穩(wěn)態(tài)值和瞬時(shí)值兩方面特征，其中穩(wěn)態(tài)值反映樣本氣味的濃度信息，瞬時(shí)值是從傳感器響應(yīng)曲線與時(shí)間變量相關(guān)的信息選擇，這種特征選擇方法可以有效避免樣本特征信息丟失。

　　特征提取的方法有很多，常用的傳統(tǒng)線性降維分析法有主成分分析法（PCA）和線性判別分析法（LDA）。由于采集數(shù)據(jù)使用的是金屬氧化物半導(dǎo)體傳感器，那么所獲取的信息在一定程度上是非線性的，在PCA的基礎(chǔ)上添加非線性的核函數(shù)即核主成分分析法（KPCA），利用它進(jìn)行對比分析。

　　2.4.1　基于LabVIEW的PCA算法實(shí)現(xiàn)流程

　　PCA利用組合特征的方法處理多維數(shù)組，從而實(shí)現(xiàn)降維。設(shè)X1，X2，X3，…，X6為6個(gè)傳感器的原始變量，F(xiàn)1，F(xiàn)2，…，F(xiàn)m為m個(gè)主成分所對應(yīng)的因子，其中Var (F1)的值越大，表示因子F1中包含相對較多的信息量，因此稱F1為第一主成分。具體如公式（2）所示。

　　式（2）中Fi與Fj兩兩互不相關(guān)，且任意兩個(gè)因子之間協(xié)方差為0，F(xiàn)1，F(xiàn)2，…，F(xiàn)m按照次序分別為原變量所構(gòu)成的線性組合的第1、第2、…、第m個(gè)主成分，具體運(yùn)算步驟如下所示：

　?、儆?jì)算原始變量的協(xié)方差矩陣S：

　?、谇髤f(xié)方差矩陣S的特征值λ和所對應(yīng)的單位化、正交化的特征向量。

　?、圻x擇主成分。通過方差累計(jì)貢獻(xiàn)率G(m)來選擇對應(yīng)的主成分，如公式（4）所示。

　　根據(jù)上述流程編寫LabVIEW程序如圖9所示。

圖9　PCA算法程序設(shè)計(jì)圖

　　2.4.2  基于LabVIEW的KPCA算法實(shí)現(xiàn)流程

　　KPCA的基本思想是基于核函數(shù)原理將輸入空間投影到高維特征空間，然后在高維特征空間中對映射數(shù)據(jù)做主成分分析，相對于主成分分析而言，核主成分分析引入了非線性特性的核函數(shù)，從而大大的增強(qiáng)了非線性數(shù)據(jù)的處理能力，它能夠充分利用待處理對象的非線性特征。假設(shè)原始數(shù)據(jù)空間是m×n的數(shù)據(jù)，其中m是樣本個(gè)數(shù)，n為傳感器個(gè)數(shù)，KPCA的運(yùn)算流程如下。

　?、?首先選定KPCA中所用到的高斯徑向基核函數(shù)且令σ=1，核矩陣K的計(jì)算公式如（5）所示。
       

　?、?對核矩陣K進(jìn)行歸一化：
       

　?、塾?jì)算核矩陣K的特征值λ1，…，λn及每個(gè)特征值所對應(yīng)的特征向量V1，…，Vn，將特征值進(jìn)行降序排列得到λ1＞…＞λn，調(diào)整相應(yīng)特征值所對應(yīng)的特征向量V1，…，Vn，得到核矩陣K在特征向量上的投影：
       

　　根據(jù)上述流程編寫LabVIEW程序如圖10所示。

圖10　KPCA算法程序設(shè)計(jì)圖

　　3  試驗(yàn)與結(jié)果分析

　　以第2章構(gòu)建的機(jī)器嗅覺系統(tǒng)為基礎(chǔ)，以豬肉為試驗(yàn)對象，對不同存儲天數(shù)的樣品進(jìn)行氣味檢測試驗(yàn)，并以國際唯一肉品理化指標(biāo)（揮發(fā)性鹽基氮）為參照標(biāo)準(zhǔn)，對實(shí)現(xiàn)豬肉新鮮度等級評判，具體試驗(yàn)詳情如下。

　　3.1  揮發(fā)性鹽基氮（TVB-N）測試試驗(yàn)

　　從常熟市金倉集貿(mào)市場購買剛屠宰豬肉，快速運(yùn)至實(shí)驗(yàn)室，在潔凈的工作臺上處理后，一部分儲藏在4℃的冰箱中，另一部分放置在22℃左右的室溫下，每天各取出適量平行樣本用于TVB-N檢測。首先每種豬肉設(shè)置5個(gè)平行樣本，每個(gè)平行樣本為3g，試驗(yàn)參照GB 2707—2005國標(biāo)，按半微量定氮法測定TVB-N，試驗(yàn)結(jié)果以百克肉中含有多少毫克氮計(jì)量，圖11是不同儲藏條件下每天所得數(shù)據(jù)的平均值繪制的變化趨勢圖。

　　根據(jù)國標(biāo)GB 2707—2005可知，4℃儲藏條件下豬肉樣本中TVB-N的含量均小于15mg/100g，故屬于一級新鮮。22℃儲藏條件下豬肉樣本中TVB-N的含量在儲存過程的前1.5d的時(shí)間段里，豬肉樣本中TVB-N的含量小于15mg/100g，這表明在儲存過程的前1.5d的時(shí)間段里，豬肉樣本屬于一級新鮮。在1.5～2d的時(shí)間段里，樣本中的TVB-N的含量介于15mg/100g和20mg/100g之間，屬于二級新鮮肉。因此隨著時(shí)間增加，豬肉樣品中TVB-N的含量也在不斷地增加，豬肉中的成分也發(fā)生變化，直至腐敗變質(zhì)而失去營養(yǎng)價(jià)值和食用價(jià)值。

圖11　不同儲藏條件下豬肉的TVB-N值

　　將上述兩種豬肉各分成4個(gè)平行樣本，首先將冰箱中的豬肉取出，放于室溫下進(jìn)行回溫2h，本身未放置于冰箱中的則不需要回溫。打開機(jī)器嗅覺系統(tǒng)的電源，對傳感器陣列預(yù)熱30min。在此過程中將樣本放置在25mL的燒杯中，用錫箔紙將容器口密封住，頂空40min。預(yù)熱后將采樣針頭深入燒杯內(nèi)，由真空氣泵將燒杯內(nèi)頂空的氣體抽入氣室內(nèi)，與傳感器陣列充分接觸，采集氣體時(shí)間為180s，傳感器陣列發(fā)生響應(yīng)，響應(yīng)信號經(jīng)過數(shù)據(jù)采集卡上傳到上位機(jī)進(jìn)行數(shù)據(jù)處理，當(dāng)達(dá)到采樣時(shí)間后，真空氣泵切換洗氣通道，對此次樣試驗(yàn)時(shí)殘留的氣體進(jìn)行洗氣120s，之后對下個(gè)樣品進(jìn)行采樣，如此循環(huán)。兩種不同儲藏條件下的傳感器響應(yīng)曲線圖如圖12所示。

　　從圖12可以看出，隨著儲存天數(shù)的增加，各個(gè)傳感器響應(yīng)信號不斷變大，這與TVB-N的變化趨勢相一致。

圖12　不同儲藏條件下傳感器響應(yīng)曲線圖

　　利用機(jī)器嗅覺系統(tǒng)對不同儲藏條件和存放放時(shí)間的豬肉的氣味特征進(jìn)行檢測，試驗(yàn)采用PCA和KPCA兩種不同算法對傳感器陣列數(shù)據(jù)進(jìn)行主成分分析，到的分類結(jié)構(gòu)分別如圖13和圖14所示。由圖13（a）可以看出，4℃條件下前兩天豬肉氣味的變化不大，從第3天開始，隨著豬肉存放時(shí)間的推移，豬肉的每天散發(fā)出的氣體有明顯的變化。但在4℃條件下，4d內(nèi)豬肉都是一級新鮮的，但PCA算法可將4℃條件下豬肉樣本每天的新鮮度區(qū)分出來。

　　由圖13（b）可知，在22℃條件下，放置1d的豬肉樣本是一級新鮮的；第2和第3天的豬肉樣本是二級新鮮的。這與理化指標(biāo)的分類略有0.5 d的偏差?？赡苡捎趥鞲衅鞯囊恍┓蔷€性特性，或者由于進(jìn)行氣體采集時(shí)的理化指標(biāo)試驗(yàn)和機(jī)器嗅覺系統(tǒng)采集試驗(yàn)中系統(tǒng)誤差和偶然誤差的存在。

圖13　基于PCA的不同儲藏條件下樣品分類圖

　　由圖14（a）可以看出，4℃的氣體分類圖與采用PCA進(jìn)行分類的結(jié)果是一致的5d內(nèi)的豬肉樣本都是一級新鮮的，第1天和第2天略有重疊，也能從圖上看出從第2天開始，豬肉樣本雖然新鮮，但每天的新鮮度略有變化。22℃條件下，KPCA算法與PCA算法的分類是一致的，且分類效果比PCA算法更好一些。

　　其中，豬肉樣本在第一天是一級新鮮的，第二天和第三天時(shí)的豬肉樣本是二級新鮮的。由圖14可知，在不同溫度的條件下，存儲相同天數(shù)的豬肉腐敗過程是不同的。通過算法對儲存過程中豬肉散發(fā)的氣體進(jìn)行分析，可方便、準(zhǔn)確地了解存儲過程中的新鮮程度，說明試驗(yàn)提出的機(jī)器嗅覺系統(tǒng)檢測不同新鮮度的豬肉方案是可行的。并且基于KPCA相對于PCA所提取的特征分類更有利用于后續(xù)預(yù)測模型的建立，更能滿足高精度的要求。對于兩種特征提取算法中大部分預(yù)測錯(cuò)誤的樣本集中在對于22℃儲藏條件下，第1.5天的響應(yīng)特征值被分到二級新鮮，說明相鄰兩個(gè)類別間的樣本信息有一定的近鄰或交叉，這與豬肉檢測存在關(guān)聯(lián)，因此在今后的研究中，對于微弱信號的檢測還需進(jìn)一步研究。

　　以肉類TVB-N值作為新鮮度的標(biāo)準(zhǔn)，利用機(jī)器嗅覺原理，將多傳感器獲取的響應(yīng)值通過數(shù)據(jù)預(yù)處理和數(shù)據(jù)分析等軟件處理流程得到了不同存儲條件下不同存儲天數(shù)的豬肉新鮮度的判別。通過與TVB-N值的對照比較發(fā)現(xiàn)，該文提出的基于KPCA算法的分類效果要優(yōu)于PCA算法，說明非線性特征提取方法相對于線性特征提取方法來說，雖然也不能將每天的樣本數(shù)據(jù)分開，但卻體現(xiàn)出較為明顯的分類信息，證實(shí)了該系統(tǒng)可以有效檢測不同存儲條件下的豬肉新鮮度，為指導(dǎo)肉類新鮮度無損快速檢驗(yàn)提供了依據(jù)。