基于電子鼻技術的煙絲霉變檢測

黃星奕 陳 瑋

（江蘇大學食品與生物工程學院，江蘇 鎮江 212013）

長久以來，對煙絲、煙葉等霉變的檢驗，主要采用目測法和評吸法［1］。人工感官檢驗帶有相當的主觀性，目測法會不可避免地出現誤判，評吸法則有可能損害評吸者的健康。因此，需要尋求客觀、可靠的新方法對煙絲霉變進行輔助評判。

電子鼻是一種由氣敏傳感器陣列和適當的模式識別方法組成的智能氣味檢測設備，主要用來檢測和分析樣品中揮發成分的整體信息。與人的嗅覺判斷相比，電子鼻的測定不受主觀因素的影響，結果更加客觀可靠。近年來，電子鼻技術憑 借 快 速、無 損 等 優 勢 在 食 品 檢 測［2，3］、環 境 監 測［4，5］、醫藥［6，7］等領域均得到應用。目前，電子鼻技術在煙草行業中的應用亦有報道。朱先約等［8］利用電子鼻技術實現了對不同國家烤煙的有效區分；田耀偉等［9］應用電子鼻對卷煙真偽進行了有效鑒別；龍章德等［10］使用電子鼻有效地對湖南省不同區縣、不同部位的煙葉原料進行了鑒別。然而對于煙草質量檢測方面的研究相對較少，還未有使用電子鼻檢測煙絲霉變的相關報道。鑒于目前煙草霉變的檢測方法還比較傳統、單一，且多年來一直未有突破，本研究在實驗室研制的電子鼻系統基礎上，使用電子鼻技術對煙絲霉變進行無損檢測。

1 材料與方法

1.1 試驗材料

煙絲：云南省紅河卷煙廠。樣本已經專家評判、貼好標簽，見表1。樣本主要分為兩大類：霉變煙絲和非霉變煙絲，其中霉變煙絲又包括輕微霉變、中等霉變和嚴重霉變3種。

表1 樣本類別Table 1 Samples category

1.2 試驗儀器

電子鼻系統（圖1）：由課題組自主研制。系統硬件部分主要包括傳感器陣列、數據采集裝置、計算機以及氣路通道等裝置。傳感器陣列由5只日本費加羅公司的TGS系列氣敏傳感器（TGS825，TGS822，TGS2611，TGS2610，TGS826）構成，它們與氣體分子發生氧化或還原反應使內部電阻值發生改變，從而引起輸出電壓的變化。軟件部分主要是對傳感器陣列輸出的電信號進行接收、傳輸、數據存儲及處理。

圖1 電子鼻系統的結構示意圖Figure 1 The schematic diagram of electronic nose system

1.3 試驗方法

每次取樣5g放入100mL燒杯中，用保鮮膜密封燒杯口。室溫下集氣30min后進行電子鼻頂空氣體采樣，采樣間隔1s，每個樣本采集500個數據。待測氣體在微型泵的作用下經進樣通道進入傳感器陣列反應室，與氣敏傳感器反應產生電信號。通過上位機軟件和數據采集裝置將輸出的電壓值采集到計算機中供后續離線處理、分析。

每次測樣后排空氣路尾氣并向反應室中通入氧氣，使傳感器復原，為下一次測樣做好準備。4種不同類別的煙絲樣本交替進行檢測。每種取樣20個，4種共80個樣本。

2 結果與討論

2.1 電子鼻數據特征值提取

圖2為傳感器陣列響應值的原始曲線。由圖2可知，在測量初始階段氣敏傳感器的響應信號逐漸增強，隨著測量時間的推移，響應信號逐步趨于平緩。采集到的測試值實際為傳感器對環境的響應值與待測氣體的響應值之和。為了消除環境因素的影響提高數據準確度，從采集到的測試值中減去傳感器對環境的響應值，得到傳感器對待測氣體的真實響應值，將所得數據用于特征值提取。

圖2 傳感器響應原始曲線Figure 2 The original sensor response curves

圖3是進行上述處理步驟后用于特征值提取的數據曲線。根據曲線特性，決定從數據曲線中分別提取穩定值（最后5次采樣數據的平均值）和全段數據平均值作為特征值。每個樣本通過5個傳感器可得到10個特征值。

圖3 傳感器TGS2610響應特征值提取Figure 3 Feature extraction of sensor TGS2610response

2.2 不同霉變程度的煙絲樣本區分

2.2.1 主成分分析 主成分分析（principal component analysis，PCA）是一種多元統計方法，通過降維技術把多個變量轉化為少數幾個主成分。用少數幾個主成分來反映原始變量的主要信息，從而使得問題簡化［11］。利用PCA方法對提取到的每個樣本的10個特征參數進行處理，結果見圖4。第一主成分的得分率為80.86%，第二主成分的得分率為8.40%，2個主成分的累積得分率為89.26%，這2個主成分已代表樣本的主要特征信息，可用來表示煙絲樣本的整體信息。由圖4可知，1＃、2＃和4＃樣本是完全分開的，2＃、3＃和4＃樣本的邊緣之間存在部分重疊，表明4種樣本總體上存在可區分趨勢，其中霉變和非霉變樣本可以完全分開。

2.2.2 BP神經網絡分析 由于電子鼻獲取的氣味信號反映的是待測樣本的整體信息，且單個傳感器對不同氣體分子會有不同程度的響應，傳感器的響應值與所測氣味成分之間并非簡單的線性關系，這里采用神經網絡來表征它們之間的映射關系。BP神經網絡是一種多層前饋神經網絡，信號前向傳遞，誤差反向傳播。在前向傳遞中，輸入信號從輸入層經隱含層逐層處理，直至輸出層。如果輸出層得不到期望輸出，則進入反向傳播，根據預測誤差調整網絡權值和閾值，從而使BP神經網絡預測輸出不斷逼近期望輸出［12］。圖5為BP神經網絡的基本拓撲結構，輸入層、隱含層和輸出層組成為10－11－4。

圖4 主成分分析結果Figure 4 The results of principal component analysis

圖5 BP神經網絡的拓撲結構Figure 5 The topology of BPNN

從80個樣本中隨機抽取60個作為訓練集，剩余20個作為測試集。網絡訓練部分參數：學習因子lr＝0.12，最大訓練次數1 000次，目標誤差0.004。經測試，樣品訓練集的正確率為93.33%，測試集的正確率為90.00%，詳細結果見表2。試驗結果表明利用電子鼻技術對煙絲是否霉變的識別是可行的、有效的。

表2 BP神經網絡判別結果Table 2 The discrimination results of BPNN

3 結論

建立了一種使用電子鼻技術對煙絲霉變進行無損檢測的新方法。通過使用課題組自主研制的電子鼻對4種霉變程度樣本檢測發現，不同霉變程度的煙絲樣本揮發出的氣味指紋信息存在一定的差異。PCA結果顯示不同樣本間存在可區分趨勢，采用BP神經網絡可進一步判別不同霉變程度，判別正確率達到90.00%，表明電子鼻技術可作為一種有效的輔助性手段對煙絲霉變進行客觀、可靠的評判。在此基礎上，將繼續改進現有裝置，優化傳感器陣列以及探索新的模式識別方法，使其逐漸從實驗室階段向實際應用階段過渡。

1 孔凡玉，林建勝，張成省，等.儲煙霉變機理與防霉技術研究進展［J］.中國煙草學報，2009，15（5）：78～81.

2 Wang Bei，Xu Shi－ying，Sun Da－wen.Application of the electronic nose to the identification of different milk flavorings［J］.Food Research International，2010，43（1）：255～262.

3 Kazimierz Brudzewski，Stanislaw Osowski，Anna Dwulit.Recognition ofcoffee using differential electronic nose［J］.IEEE Transactions on Instrumentation and Measurement，2012，61（6）：1 803～1 810.

4 De Cesare F，Pantalei S，Zampetti E，et al.Electronic nose and SPME techniques to monitor phenanthrene biodegradation in soil［J］.Sensors and Actuators B：Chemical，2008，131（1）：63～70.

5 田秀英，蔡強，葉朝霞，等.工業園區TVOC和惡臭的電子鼻檢測技術研究［J］.環境科學，2011，32（12）：3 635～3 640.

6 Vassilis S Kodogiannis，John N Lygouras，Andrzej Tarczynski，et al.Artificial odor discrimination system using electronic nose and neural networks for the identification of urinary tract infection［J］.IEEE Transactions on Information Technology in Biomedicine，2008，12（6）：707～713.

7 鄒慧琴，劉勇，陶歐，等.電子鼻MOS傳感器陣列優化及其在中藥材快速鑒別中的應用［J］.中國中藥雜志，2013，38（2）：161～166.

8 朱先約，宗永立，李炎強，等.利用電子鼻區分不同國家的烤煙［J］.煙草科技，2008（3）：27～30.

9 田耀偉，楊雷玉，朱先約，等.電子鼻在卷煙真偽鑒別中的應用.食品工業科技，2011（4）：376～382.

10 龍章德，林順順，田兆福，等.基于電子鼻分析的原料煙葉鑒別［J］.食品與機械，2013，29（4）：35～39.

11 王力賓，顧光同.多元統計分析：模型、案例及SPSS應用［M］.北京：經濟科學出版社，2010：200～205.

12 史峰，王小川，郁磊，等.MATLAB神經網絡30個案例分析［M］.北京：北京航空航天大學出版社，2010：1～2.