便攜式智能電子鼻系統及其葡萄貨架期評價研究*

傅 均,黃燦欽,章鐵飛

(浙江工商大學計算機與信息工程學院,杭州 310018)

?

便攜式智能電子鼻系統及其葡萄貨架期評價研究*

傅 均*,黃燦欽,章鐵飛

(浙江工商大學計算機與信息工程學院,杭州 310018)

電子鼻的小型化和智能化是其走向大眾市場的重要環節。設計了一種基于ARM9和嵌入式Linux操作系統的便攜式智能電子鼻系統,通過自制的嵌入式Qt應用軟件,實現在線自動檢測、智能識別及其可視化。為了驗證系統功能,將其用于葡萄貨架期評價,對6個平行樣品組進行10天測量,利用軟件內置的主成分分析和多重判別分析等方法進行分析識別,最后用留一法交叉驗證分別得到83.3%和80.6%的平均識別率。該系統結構靈活、功能通用、操作簡便,可滿足不同場景的現場氣味檢測需求。

電子鼻;嵌入式系統;主成分分析;多重判別分析;貨架期

與現代分析儀器和嗅辨員相比,電子鼻因其快速、簡單、客觀和廉價等優點備受重視。經過三十多年研究積累,眾多商用電子鼻系統[1-2]開始涌現,并在環境、食品和醫療等領域得到廣泛的探索性應用。盡管如此,電子鼻要走出實驗室真正進入生產生活,還有許多問題亟待解決,例如廣譜穩定的氣敏元件,魯棒通用的模式識別算法,以及低功耗、小型化、自動化等技術問題。

電子鼻的小型化受技術、成本和功能等因素相互牽制,平衡結果是其通用性的降低。目前實驗研究使用的便攜式電子鼻原型或產品[3-7]大都采用低端單片機,用于數據采集,而分析功能簡單,通常需要借助計算機完成模式識別,體積較大,限制了其應用場合。而嵌入式技術的發展允許電子鼻儀器內嵌操作系統,從而解決了復雜計算及結果可視化等問題,實現了不同程度的小型化。

Perera等[8]在低功耗GEODE處理器和GNU/Linux操作系統上實現了一種C/S結構的便攜式電子鼻ipNose,通過電話線或以太網等方式接受遠端主機的操作命令,上傳數據,機載軟件采用基于最大期望算法的混合高斯模型。白福銘等[9]設計了一種基于ARM9和WinCE操作系統的電子鼻,采集的數據傳入計算機端的BP神經網絡進行訓練和識別,并測試了不同品牌純牛奶和不同生產日期干酪的識別。張延軍等[10]設計了一種基于ARM7和μC/OS-II操作系統的電子鼻,數據傳入計算機端先完成BP神經網絡訓練,再將網絡模型植回嵌入式系統用于識別,并測試了豬肉貯藏過程中的品質變化。李江勇等[11]設計了一種基于ARM9和嵌入式Linux操作系統的電子鼻用于數據采集,再利用計算機端MATLAB軟件分析數據實現3種氣味識別。這些系統都采用了高端處理器和操作系統來實現更復雜的功能,但仍需依賴計算機完成模式識別。

我們前期構建了基于MSP430等單片機的電子鼻系統,并通過計算機端的Delphi軟件實現控制和數據采集,以配合仿生嗅覺神經網絡的研究及應用[12-13]。在此基礎上,我們改進和設計了一種基于ARM9和嵌入式Linux操作系統的便攜式智能電子鼻系統,嵌入式軟件內置了雷達圖分析、主成分分析和多重線性分析等方法,并通過對葡萄貨架期的評價識別來驗證系統的有效性。

圖1 嵌入式智能電子鼻系統

1 嵌入式電子鼻的硬件結構

嵌入式智能電子鼻系統主要包括氣敏傳感陣列、氣室及流控裝置、數據采集電路、智能識別系統及人機界面等五部分,結構框圖和原型實物圖如圖1(a)和圖1(b)所示,其中計算機部分只用于系統調試和高級分析,并非必需,整機尺寸為20 cm×18 cm×14 cm。系統采用MSP430和ARM9雙芯片結構,前者用于實時數據采集和控制,負責氣敏傳感器加熱控制、氣味響應信號獲取、采樣泵和排廢泵的定時控制等;后者負責模式識別和顯示,包括對前者的控制、數據預處理、響應曲線顯示、模式識別及其可視化等,從而解除了普通電子鼻系統對計算機的依賴,滿足了現場檢測中便攜式、智能化和低成本要求。

系統可用8種金屬氧化物半導體(MOS型)氣敏傳感器構建陣列。所有傳感器及其接口電路集成于PCB板,固定在氣室兩側,并可以根據需要自由更換。被分析氣味通過采樣泵進入氣室,靜止反應一段時間后,同時開啟采樣泵和排廢泵,用清潔空氣清洗氣室,讓氣敏傳感器響應回復基線。傳感信號經過調理后,由MSP430的片內外設8通道12位ADC采樣,并由UART直接發送ARM9處理。ARM9控制觸摸屏和USB鼠標實現人機交互,通過嵌入式應用軟件完成所有操作、識別和顯示。系統也可以通過串口與計算機連接,以上傳數據進行進一步分析。

2 嵌入式電子鼻的智能設計

2.1 嵌入式應用軟件及其功能

電子鼻系統的嵌入式應用軟件是基于Qt C++框架(4.6.3版本)自主開發,并運行于ARM9的嵌入式Linux操作系統(2.6.32版本),主界面如圖2所示,包括控制板和顯示區兩部分,可以通過觸摸屏、USB鼠標或內置虛擬鍵盤進行人機交互,完成在線數據采集、智能識別及相關結果顯示。

圖2 電子鼻系統的嵌入式應用軟件主界面

數據采集模塊包括手動模式和全自動模式,前者通過一系列按鍵逐步控制雙泵的開閉、采集的啟停,自由掌握時間,用于陌生場景的試驗性采集;后者通過MSP430預設程序一鍵式全自動完成前述過程,用于既定場景的工作性采集,以減少勞動強度、精確進氣量,從而減少了人為誤差。采集過程中的傳感陣列響應將在顯示區實時顯示,數據/圖像等可保存以備后用。

智能識別模塊包括模式類別標簽的自定義輸入、訓練樣本所屬模式類別標記、模式識別算法選擇以及計算結果的顯示、導出與回讀等。用戶可以針對當前應用場景自定義添加模式類別標簽(包括預設的未知類別X在內最多可達14類),每次樣本數據采集結束后,可選擇上述類別標簽進行標記,之后可以選擇雷達圖、PCA或MDA等多種方法對當前樣本和已知樣本一起分析,分析結果將在顯示區顯示。如果當前樣本是標記為X的測試樣本,則將彈出對話框告知識別結果,識別正確的樣本經用戶確認后可轉化為已知樣本,否則該樣本數據丟棄。這種模式類別的自定義添加擴大了應用軟件的通用性,而識別過程中的“再學習”累積了更多訓練樣本,增強了應用軟件的智能化。計算結果能以文件形式導出與回讀,以“知識庫”的形式保存或加載到應用軟件,以備相同應用場景的重用。

得益于Qt優良的跨平臺特性,上述軟件另有X11版本可運行于計算機端的Ubuntu等操作系統。為了分辨率和可讀性,本文中程序運行結果均來自X11版本軟件的截圖,它與ARM版本軟件的結果是實質等效的。

2.2 模式識別及智能決策

模式識別是電子鼻智能化的核心,一般電子鼻系統由計算機完成這些處理,通過一些專用軟件(如STPS,Winmuster)或者通用軟件(如MATLAB)應用或設計某些經典的或新穎的算法實現氣味識別[12-21]。在嵌入式電子鼻系統中,我們編制了雷達圖分析(Radar Chart)、主成分分析PCA(Principal Component Analysis)、多重判別分析MDA(Multiple Discriminant Analysis)等3種輕量級方法,以滿足硬件速度限制和可視化分析要求。

(1)

對于PCA算法,通過最小化平方誤差準則函數J(ei)來求解ei,由這組正交基構成最優投影矩陣W。

(2)

可以證明ei可取自樣本協方差矩陣前k個較大特征值所對應的特征向量(d≥k)。

本文嵌入式軟件中PCA算法流程如下:

③采用Jacobi法計算C的特征值λi和特征向量ei;

④選出最大的k個特征值所對應的特征向量,構造d×k的投影矩陣W;

⑤通過Y=WTX將樣本矩陣投影到上述k維子空間Ψ,取k=2作二維PCA散點圖。

(3)

本文嵌入式軟件中MDA算法流程如下:

①計算總類內散布矩陣

③計算總類間散布矩陣

⑤由前c-1個較大特征值對應的特征向量構造d×(c-1)的投影矩陣W;

⑥通過Y=WTX將樣本矩陣投影到上述c-1維子空間Ψ,取c=3作二維MDA散點圖

因為在特征提取時已經對某個樣本進行了類別標記,可以求出這些模式類別在PCA或MDA投影空間Ψ中的模式中心,故可以在投影空間中計算未知樣本yx與這些模式中心yωi的歐氏距離D(式(4))來判定類別歸屬。

(4)

3 葡萄貨架期評價應用

利用電子鼻監測水果采后貯藏期間的氣味變化,可對水果貨架期及其新鮮度品質進行預測評估[14-20]。葡萄香氣成分主要來自萜烯類化合物、降異戊二烯衍生物、芳香族化合物、揮發性脂肪族化合物、含硫化合物和吡嗪類化合物[22],而在劣變過程中主要產生乙酸乙酯、乙醇、二氧化碳和水汽[23]。本文選擇葡萄貨架期評價來驗證前述電子鼻系統的有效性。

3.1 材料與試驗

實驗采用巨峰葡萄(Kyoho,VitisVinifera×VitisLabrusca),采摘后在約1cm果柄處剪下果粒,并選擇色澤、硬度和大小一致且無表面損傷的果粒裝入500mL廣口瓶,每瓶8粒共6瓶構成平行樣品組A～F。蓋緊橡膠塞,靜置于陰涼通風處待用。在封瓶后的第1、2、4、6、8、10天固定時間用前述電子鼻系統按組依次檢測:每次先對背景空氣測量5s,然后通過留置在橡膠塞上的長短穿刺針采集葡萄揮發氣體,反應測量2.5min后排廢,同時清洗氣室直至傳感器響應回復基線,再進行下一組檢測。

本實驗的電子鼻系統采用Figaro公司的TGS8xx系列氣敏傳感器,其型號和標稱檢測目標氣體如表1所示。

表1 葡萄貨架期評價實驗中所用氣敏傳感器一覽表

3.2 傳感信號分析

圖3 雷達圖上葡萄揮發氣體的指紋圖譜

利用式(1)對每個樣本進行特征提取,同時給定類別標簽。本實驗用D1、D2、D4、D6、D8、D10表示第1、2、4、6、8、10天貨架期樣本(以下簡記為D1～D10),這些標簽名稱初始在控制板自定義輸入,之后可以通過下拉框選擇。圖3是雷達圖上的葡萄揮發氣體指紋圖譜,從極坐標0度開始逆時針8個方向軸代表S1～S8傳感器。由圖3可以看出,S2傳感器對葡萄揮發氣體的反應很小,可以視作冗余;其他傳感器對不同貨架期葡萄揮發氣體都有響應,其中又以S5方向的變化最大。圖3(a)為第8天所有6個平行樣品組的雷達圖,圖中每條指紋圖譜的重現性很好,表明這些數據樣本的類內差異較小;圖3(b)為A組和B組樣品在D1～D10貨架期的雷達圖,可見不同貨架期的指紋圖譜在形狀和幅度上不同,表明這些數據樣本存在較大的類間差異。從而說明所選的氣敏傳感器除了S2冗余外都適用于葡萄貨架期評價,也說明式(1)的差分法特征提取是合適的。

3.3 PCA和MDA方法分析葡萄貨架期

圖4和圖5分別是A～F 6個平行樣品組在D1～D10不同貨架期的二維PCA和MDA散點圖,圖中以顏色和字母區分不同貨架期,含義在上方圖例中標識,并隨著模式類別增多會自動擴展到兩排。圖右上角列出最大前3個貢獻率(四舍五入保留到0.1%),其中最大前3個主成分貢獻率為86.7%、8.4%和2.7%,最大前3個判別函數貢獻率為89.5%、8.7%和1.8%,可見前兩個累計貢獻率均超過了95%,說明采用二維散點圖足以展示這些樣本的分布情況。

圖4 6組葡萄樣品在D1～D10不同貨架期的二維PCA散點圖

從兩圖中看,總體上同一貨架期的6組樣品分布比較集中,不同貨架期的樣品則有一定距離,這與雷達圖上觀察到的情形一致。但是也有個別樣本偏離自己的樣本中心,例如在圖4中有一個D4樣本進入D2樣本區,有一個D10樣本更接近D8樣本區。另外值得注意的是,隨著貨架天數增加,從D1到D10樣本在PCA和MDA散點圖上的分布具有一定的方向性,這個規律在其他電子鼻貨架期評價中也有報道[15-18]。

圖5 6組葡萄樣品在D1～D10不同貨架期的二維MDA散點圖

在雷達圖、PCA和MDA散點圖上,第10天D10樣本比較分散,而在原始響應曲線圖中幅度較前幾天有突然增大。檢查葡萄樣品發現,果柄大都轉黑脫落,果粒變軟,部分果粒有液體滲出,表明葡萄已有較大劣變。

圖6 采用留一法考察PCA對E組葡萄樣品D8貨架期的識別結果

為了考察PCA和MDA方法對葡萄貨架期的正確識別率,本文采用留一法LOO(Leave-One-Out)進行交叉驗證測試,即輪流用A～F平行組中的5組作為訓練集,剩下1組為測試集,每次從該組讀入一個D1～D10樣本文件(即離線模式,而在線模式中可直接操作采集到的數據),特征提取后用X標簽標記,在下拉框中選擇PCA或MDA方法后點擊Analyze按鍵,軟件彈出對話框告知識別結果,如圖6是PCA方法對E組樣品D8貨架期的識別結果。用戶認為識別正確可選擇Yes按鍵,則該測試樣本將進入訓練集,這些訓練集可以通過SaveInfo和ReadInfo按鍵保存和讀回,以殷實智能電子鼻系統的“知識庫”。

表2是采用留一法考察PCA和MDA對6個平行樣品組D1～D10貨架期的正確識別數和平均識別率,例如A組作為測試集時用PCA方法對該組所有6個D1～D10樣本均識別正確,而A～F組輪流做測試集后計算PCA的平均識別率為83.3%,同理MDA的平均識別率為80.6%。

表2 采用留一法考察PCA和MDA對6組葡萄樣品貨架期的正確識別

4 結語

本文設計了一種基于ARM9和嵌入式Linux操作系統的便攜式智能電子鼻系統,通過基于Qt C++框架開發的嵌入式應用軟件,可以實現對流控裝置的自動或手動控制、傳感陣列數據采集、在線或離線智能識別及相關結果的可視化。該系統的嵌入式軟硬件設計注重通用性和可擴展性,為其在不同場景的應用帶來便利。軟件內置雷達圖、PCA和MDA等多種分析方法,有利于多角度解析樣本數據,得到可靠的識別結果。通過對巨峰葡萄6個平行樣品組10天貨架期的數據采集,使用軟件的PCA和MDA方法進行分析識別,在留一法交叉驗證中分別得到83.3%和80.6%的平均識別率,從而驗證了系統的有效性。

電子鼻走向大眾市場,成為標準的通用的檢測儀器,尚需解決相當多的技術和工程問題,比如氣敏傳感器的長期漂移與可重復性、環境溫濕度與氣壓等的影響、模式識別算法的通用性等等,而小型化和便攜化還需要解決硬件計算能力、功耗、操作簡便與可視化等問題。我們相信隨著各項技術的發展,這些瓶頸會逐漸突破,機器嗅覺將像當今的機器視覺那樣蓬勃發展,大放異彩。

[1] Rock F,Barsan N,Weimar U. Electronic Nose:Current Status and Future Trends[J]. Chemical Reviews,2008,108(2):705-725.

[2] Chiu S,Tang K. Towards a Chemiresistive Sensor-Integrated Electronic Nose:A Review[J]. Sensors,2013,13:14214-14247.

[3] Arshak K,Lyons G M,Cunniffe C,et al. A Review of Digital Data Acquisition Hardware and Software for a Portable Electronic nose[J]. Sensor Review,2003,23(4):332-344.

[4] Botre B A,Gharpure D C,Shaligram A D. Embedded Electronic Nose and Supporting Software Tool for Its Parameter Optimization[J]. Sensors and Actuators B:Chemical,2010,146:453-459.

[5] Haddi Z,Amari A,Alami H,et al. A Portable Electronic Nose System for the Identification of Cannabis-Based Drugs[J]. Sensors and Actuators B:Chemical,2011,155:456-463.

[6] LamTPon B D,Han Y J,Khalilian A,et al. Development of a Portable Electronic Nose for Detection of Pests And Plant Damage[J]. Computers and Electronics in Agriculture,2014,108:87-94.

[7] Kiani S,Minaei S,Ghasemi-Varnamkhasti M. A Portable Electronic Nose as an Expert System for Aroma-Based Classification of Saffron[J]. Chemometrics and Intelligent Laboratory Systems,2016,156:148-156.

[8] Perera A,Sundic T,Pardo A,et al. A Portable Electronic Nose Based on Embedded PC Technology and GNU/Linux:Hardware,Software and Applications[J]. IEEE Sensors Journal,2002,2(3):235-246.

[9] 白福銘,黃品文,鄭麗敏,等. 基于ARM9的電子鼻系統設計與應用[J]. 農業機械學報,2009,40:138-142.

[10] 張延軍,劉敬彪,蔡強,等. 基于嵌入式系統的電子鼻研究與實現[J]. 電子器件,2010,33(4):466-470.

[11] 李江勇,駱德漢,陳益民,等. 基于ARM9-Linux的嵌入式電子鼻系統的實現[J]. 計算機技術與發展,2012,22(11):209-211,215.

[12] Fu J,Li G,Qin Y,et al. A Pattern Recognition Method for Electronic Noses Based on an Olfactory Neural Network[J]. Sensors and Actuators B:Chemical,2007,125(2):489-497.

[13] 傅均,邢建國. 嗅覺神經網絡在電子鼻識別多品牌綠茶中的應用研究[J]. 傳感技術學報,2012,25(3):313-318.

[14] Gomez A H,Wang J,Hu G,et al. Discrimination of Storage Shelf-Life for Mandarin by Electronic Nose Technique[J]. LWT,2007,40:681-689.

[15] 江琳琳,潘磊慶,屠康,等. 基于電子鼻對水蜜桃貨架期評價的研究[J]. 食品科學,2010,31(12):229-232.

[16] Torri L,Sinelli N,Limbo S. Shelf Life Evaluation of Fresh-Cut Pineapple by Using an Electronic Nose[J]. Postharvest Biology and Technology,2010,56:239-245.

[17] 惠國華,吳玉玲,陳裕泉. 基于電子鼻的香蕉儲存時間鑒別方法研究[J]. 傳感技術學報,2012,25(5):566-570.

[18] 尹芳緣,曾小燕,徐薇薇,等. 基于電子鼻的芒果儲存時間預測方法研究[J]. 傳感技術學報,2012,25(9):1199-1203.

[19] 朱娜,毛淑波,潘磊慶,等. 電子鼻對草莓采后貯藏早期霉菌感染的檢測[J]. 農業工程學報,2013,29(5):266-273.

[20] Sanaeifar A,Mohtasebi S S,Ghasemi-Varnamkhasti M,et al. Application of MOS Based Electronic Nose for the Prediction of Banana Quality Properties[J]. Measurement,2016,82:105-114.

[21] 周宇,孟慶浩,亓培鋒,等. 基于單類支持向量機的電子鼻在白酒真假識別中的應用[J]. 傳感技術學報,2015,28(12):1741-1746.

[22] 溫可睿,黃敬寒,潘秋紅,等. 葡萄香氣物質及其影響因素的研究進展[J]. 果樹學報,2012,29(3):454-460.

[23] 王文重,董大明,鄭文剛,等. 葡萄劣變過程中揮發性物質的FTIR光譜分析[J]. 化學學報,2013,71:234-238.

傅 均(1980-),男,博士,副教授,碩士生導師。1999～2009年在浙江大學本科和直攻博學習,2009年至今在浙江工商大學任教。主要研究方向為醫學電子與信息技術,人工嗅覺及其傳感技術、模式識別,物聯網技術,junfu@zjgsu.edu.cn;

A Portable Intelligent Electronic Nose System and Its Application in Grape Shelf Life Evaluation*

FU Jun*,HUANG Canqin,ZHANG Tiefei

(School of Computer Science and Information Engineering,Zhejiang Gongshang University,Hangzhou 310018,China)

Miniaturization and intellectualization of electronic nose system are extremely important for its real routine use. A portable intelligent electronic nose system based on ARM9 microprocessor and embedded Linux operating system is proposed. An embedded program was developed using Qt C++ framework for on-line automatic odor detection,pattern recognition and result visualization. The system was used in grape shelf life evaluation for validation. Data was collected from six parallel grouTP in ten days and analyzed by principal component analysis and multiple discriminant analysis method embedded in the software. The results of leave-one-out cross validation show that two methods get 83.3% and 80.6% of average correct recognition rate respectively. The system could be applied in variety of in-field odor detection situation because of its alterable structure,versatile function and convenient operation.

electronic nose;embedded system;principal component analysis;multiple discriminant analysis;shelf life

黃燦欽(1989-),男,浙江工商大學計算機與信息工程學院學生。畢業后自主創業,現為杭州聚陣科技有限公司首席技術官;

章鐵飛(1984-),男,博士,副教授。2007～2013年在浙江大學計算機學院直攻博學習,2013年至今在浙江工商大學任教。主要研究方向為計算機體系結構,內存與緩存存儲系統的低功耗研究,tfzhang@mail.zjgsu.edu.cn。

項目來源:國家自然科學基金青年項目(61305030);科技部國家星火計劃項目(2012GA700242)

2016-10-13 修改日期:2017-01-03

TP212.6;TP216

A

1004-1699(2017)05-0782-07

C:7230L;7210

10.3969/j.issn.1004-1699.2017.05.025