基于PCA與BP混合神經網絡算法的電子鼻系統*

王巍巍, 張賽男

(吉林財經大學 網絡實驗中心，吉林 長春 130117)

基于PCA與BP混合神經網絡算法的電子鼻系統*

王巍巍, 張賽男

(吉林財經大學 網絡實驗中心，吉林 長春 130117)

為了對食物品質進行非接觸式評價，基于6種費加羅金屬氧化物氣體傳感器陣列，通過由數據采集模塊和微處理器模塊組成的硬件設計方案，設計并研制了可對被測食物進行實時、無損檢測的電子鼻系統。在軟件設計方案上，該系統采用主成分分析(PCA)和反向傳播(BP)混合神經網絡模式，通過LabVIEW對氣體“指紋信息”數據庫進行分析。實驗結果表明：該設計的電子鼻系統可以很好地區分不同種類的食醋，并提供了一種對食醋品質評價的便利方法。

非接觸式； 氣體傳感器陣列； 主成分分析； 反向傳播； 混合神經網絡； 電子鼻

0 引 言

隨著社會的發展和人們生活水平的不斷提高，食用醋的調味與藥用價值越來越得到人們的重視。目前對于食用醋品質檢測常用的方法是頂空固相提取氣相色譜法、熱分解質譜法和原子吸收光譜法等[1，2]。雖然這些檢測方法能夠準確地提取信息，但分析過程都比較復雜、周期長、成本高[3，4]，并且不能實現實時檢測。

本文面向食用醋品質的快速評價，以半導體氧化物氣體傳感器陣列為檢測器，構建了可對食用醋品質進行無損實時檢測分析的電子鼻系統。實驗中，對5種不同種類的食用醋進行檢測，并采用主成分分析(principal component analysis,PCA)和反向傳播(BP)混合神經網絡模式作為系統模式識別算法[5]，能夠準確區分不同種類的食用醋。

1 系統總體硬件設計

在硬件設計方案方面，電子鼻主要包括數據采集系統和微處理器系統，如圖1所示。

數據采集系統包括氣體傳感器陣列、傳感器驅動電路、信號調理電路、24位A/D轉換器和RS—232通信電路。氣體傳感器陣列置于被測氣體環境中，將氣體濃度信息轉換成模擬電信號。傳感器驅動電路為傳感器陣列提供穩定的工作電壓，使它們工作在最佳狀態。信號調理電路用于抑制傳感器陣列信號中夾雜的干擾信號，并提高其負載能力，以滿足下級A/D轉換電路要求。A/D轉換模塊受微處理器控制，將調理后的傳感器模擬信號轉換成數字信號，方便數據分析處理。數據通信電路基于RS—232數據傳輸模式，將數據通過RS—232接口送至上位機。

系統微控制器采用32位基于ARM7內核的LPC2138芯片，可以實現對A/D轉換和USB數據傳輸的控制。

2 系統硬件設計

2.1 傳感器陣列

根據被測氣體特性，傳感器陣列選用費加羅公司的TGS2600,TGS2602,TGS2610,TGS2611,TGS2620 5種廣譜型器件和MQ—03型傳感器，性能指標如表1所示。

表1 6種氣體傳感器性能指標Tab 1 Performance index of six kinds of gas sensors

2.2 傳感器陣列驅動/調理電路

由于各氣體傳感器的氣敏特性(內阻)存在差異性，傳感器陣列信號調理電路針對不同量級(1，15，27 kΩ)的傳感器內阻，設計出相應的配套驅動電路，并且可以根據實際情況由微處理器對各通路進行切換，如圖2所示。為了減少交叉電源波動對傳感器的影響，在傳感器供電方面采用驅動電壓和偏置電壓分離設計。H5V為傳感器驅動電壓，M5V為傳感器信號調理電路偏置電壓。S1_r1，S1_r2，S1_r3為量程切換控制端，INA_CH0為傳感器共同輸出端[6,7]。

圖2 傳感器陣列信號調理電路Fig 2 Signal modulating circuit of sensor array

2.3 數據采集模塊

系統以32位微處理器LPC2138為核心，實現對電子鼻各個外設進行控制和數據采集。信號調理電路輸出信號通過A/D轉換器后，模擬信號轉換為數字信號，最后通過RS—232通信端口將采集到的數據上傳至上位機。A/D轉換模塊采用MAXIM公司生產的逐次逼近型A/D轉換芯片MAX1168作為信號采集單元。RS—232接口芯片采用MAX232，實現RS—232接口到串行UART接口的轉換，如圖3所示。

圖3 電子鼻數據采集系統原理圖Fig 3 Principle diagram of data acquiring system of elctronic nose

3 系統軟件設計

數據采集系統所采集到的數據經過RS—232接口傳送至上位機，基于PCA和BP混合神經網絡模式識別，采用LabVIEW平臺，對氣體數據進行分析[8]。

首先，上位機對從6種半導體氣體傳感器獲取的數據，通過公式(1)進行歸一化預處理，剔除原始大量數據之間存在的冗余度，使其更加適應接下來的分析，從而使分析結果更加準確

y=(x-minValue)/(maxValue-minValue).

(1)

其中,x,y分別為數據歸一化處理前、后的值，maxValue,minValue分別為其中一種傳感器所采集得到的樣本的最大值和最小值。

對數據預處理結果進行PCA，從而實現對原有數據的降維。然后通過BP神經網絡，對PCA所得到的新變量組進行模式識別，最終將檢測結果呈現出來。

具體實現過程如下：

1)首先通過對標準樣本進行檢測，每種樣品采集60組數據，共計60×5組數據，形成樣本數據庫。對未知樣品進行檢測時，被測樣本數據與數據庫數據進行PCA，最終得到PCA的成分圖譜。PCA方法流程圖如圖4所示。

圖4 PCA方法流程圖Fig 4 Flow chart of PCA method

2)然后對PCA所得到的新變量組進行BP所需要訓練參數的設定。根據訓練樣本為6種傳感器數據，從而確定輸入層節點數為6個。輸出層為所識別的類別數，根據本文對5種食用醋進行鑒別，因此，確定輸出層個數為5個，隱含層通過實驗確定為12，學習速率和初始權值向量選取系統默認值。

3)最后，上位機通過PCA和BP混合神經網絡模式識別算法所得到的分析結果與數據庫中的特征數據進行比對，最終確定被測樣品種類。

4 實驗結果與分析

實驗中，利用自主研制的電子鼻系統對5種不同的食用醋進行檢測分析，檢測對象分別為陳醋、白醋、香醋、米醋、蘋果醋。將氣體傳感器陣列裝入5 L測量容器中，每次取樣量定為10 mL，對食用醋揮發出的氣體進行測量，測試環境為室溫20 ℃，濕度為50 %RH。當樣品在氣室中靜置5 min后采集傳感器數據。選取每種測試對象的60組數據，共計300組數據為數據樣本。其中每種測試對象的55組數據，共計275組數據作為訓練樣本，余下25組數據作為測試樣本。將訓練樣本數據進行數據預處理后，通過PCA后的圖譜如圖5所示。

圖5 電子鼻系統PCA分析圖譜Fig 5 PCA analysis spectrum of electronic nose system

由圖中可以看出:不同種類的食醋可以單一地被區分開來，具有相近配料的食醋在圖中的位置也相鄰。

運用BP神經網絡對PCA的結果進行模式識別，輸出結果對應于5種不同種類的食醋，標號為1，2，3，4，5。BP神經網絡的輸出為[y1,y2,y3,y4,y5],且它們同時滿足條件

1)y1=max{y1,y2,y3,y4,y5}，

2)y1≥0.9，

則認為檢測對象為標1號食醋，否則，不能識別。

基于上述準則，測試樣本識別結果如表2所示。

表2 BP神經網絡預測結果Tab 2 Forecast result of BP neural network

由圖中可知，電子鼻對5種樣品的準確分辨率為100 %，可以準確地對5種食用醋進行檢測。

5 結 論

本文基于PCA和BP混合神經網絡模式識別算法，研制出應用于食用醋檢測分析的電子鼻系統。實驗結果表明：本系統能夠準確區分5種不同種類的食用醋。可以對該系統進一步優化設計，建立更加全面的數據庫，以實現對不同食用醋品質的分析。

[1] Mahmoudi Esmaeil. Electronic nose technology and its applications[J].Sensors & Transducers,2009,107(8):17-25.

[2] 張曉敏.電子鼻在食品工業中的應用進展[J].中國食品添加劑,2008(2):52-56.

[3] Mahmoudi Esmaeil.Electronic nose technology and its applications[J].Sensors & Transducers,2009,107(8):17-25.

[4] 張順平,張覃軼,李登峰,等.電子鼻技術在食醋識別中的應用[J].傳感技術學報,2006,19(1):104-107.

[5] 張覃軼,孫 偉,謝長生,等.基于電子鼻的空氣中可揮發有機物定量分析[J].傳感器與微系統,2006,25(11):21-24.

[6] 欒淑禾，閏衛平，全寶富，等.用于電子鼻研究的多傳感器實時動態測試系統設計[J].測控技術,2005,24(2):1-4.

[7] 劉樹海，鄭傳濤，徐 琳，等.基于恒電流源的電阻式氣敏傳感器檢測系統[J].吉林大學學報:信息科學版,2012,30(4):376-388.

[8] 張 鑫.基于LabVIEW的陣列式氣體傳感器動態數據采集系統[D].廈門：廈門大學,2007.

Electronic nose system based on PCA and BP hybrid neural network algorithm*

WANG Wei-wei, ZHANG Sai-nan

(Network Central Laboratory,Jilin University of Finance and Economics,Changchun 130117,China)

For non contact food quality evaluation,through hardware design scheme consists of data acquisition module and microprocessor module,an electrical noise system is designed and developed based on six kinds of Figaro metal-oxide gas sensor array for real time food non-destructive examination(NDE).As for the software design scheme,the principal component analysis(PCA)and back propagation(BP)are utilized and used to analyze gas“fingerprint information”database by LabVIEW.The experimental results show that the designed electronic nose system can distinguish different types of vinegar accurately,and provide a convenient method for vinegar quality evaluation.

non-contact; gas sensor array; principal component analysis(PCA); back propagation(BP); hybrid neural network; electronic nose

2013—09—30

全國教育信息技術研究“十二五”規劃2013年度立項青年課題項目(136241402)

TP 271

A

1000—9787(2014)04—0090—03

王巍巍(1977-)，女，吉林省長春人，碩士研究生，工程師，研究方向為計算機應用。