用于黃酒酒齡快速檢測的便攜式電子鼻系統研制與試驗

王健 ，白云龍，金棋，劉益

1. 紹興職業技術學院（紹興 312000）；2. 浙江省光信息檢測與顯示技術研究重點實驗室（金華 321004）

黃酒作為我國特有的酒種，以其香氣濃郁、口味醇厚著稱[1]。由于黃酒的風味和質量隨其年份增加而相應提高，所以黃酒酒齡也便成為評定黃酒品質的重要標志[2]。對黃酒酒齡的鑒別主要依賴人工對酒的色、香、味的感官鑒定，容易受外界干擾，鑒別的準確度無法保證。電子鼻分析法，是通過傳感器陣列采集到揮發氣體的整體信息，配合特定的分析方法，能夠對樣品進行檢測判別。

電子鼻技術在食品品質檢測和酒類檢測均有一定應用。徐向麗[3]研制一種用于冷鏈物流肉類品質的在線檢測的電子鼻系統，相較傳統電子鼻，其安裝在運輸車中，采集到的數據能夠通過GPRS直接上傳到數據平臺；周慧敏等[4]通過電子鼻系統對紹興黃酒的總糖含量預測分析，實現較好的效果；張振等[5]利用電子鼻結合化學計量法實現黃酒酒齡的檢測，采用主成分分析法和典型判別分析進行數據分析，區分率可達100%。雖然電子鼻系統具有較強的檢測能力，但市場上常見的電子鼻系統通常價格較高、操作復雜，需配套計算機工作，具有較大的體積和功耗[6]，因而難以在生產、運輸或貯存等環境下進行實時檢測[7]。基于此，提出用于黃酒酒齡快速檢測的便攜式電子鼻系統制備研究。

1 電子鼻系統硬件設計

電子鼻系統主要由檢測氣室、傳感器陣列、外圍電路、信號采集傳輸模塊及云平臺等部分組成[8]。其中，檢測氣室由采樣及清洗所需要的氣體采樣泵、樣品氣閥、清洗泵、清洗氣閥及排氣泵等組成[9]；傳感器陣列包含8個金屬氧化物氣體傳感器；外圍電路包含傳感器驅動電路、氣泵控制、電磁閥控制電路及電源；信號采集傳輸模塊包括系統的核心處理器、傳感器信息采集和調理電路及數據傳輸所需的數據傳輸單元（Data Terminal unit，DTU）模塊；云平臺主要為數據的存儲、展示及處理[10]。

1.1 電子鼻系統整體框架

電子鼻系統整體框圖如圖1所示。系統的采樣檢測流程為：樣品檢測前將會打開氣室清洗泵和排氣泵，穩定通入100 s的潔凈空氣，讓流通的空氣通過傳感器檢測區域，達到清洗氣室的目的；打開氣體采樣泵，將樣品氣體吸入傳感器檢測區，并讓氣體在傳感器檢測區內停留60 s，保證樣品氣體能夠與傳感器陣列充分接觸，產生穩定的信號輸出；檢測完成后，打開清洗泵和排氣泵，讓潔凈空氣清洗整個氣室，保持180 s后停止，以便下一次測量使用。

圖1 電子鼻系統整體框圖

1.2 電子鼻核心控制模塊設計

根據電子鼻系統設計需求，系統核心控制器主要完成傳感器陣列的數據采集，以及進樣、清洗和排氣等流程所需的氣泵控制和電磁閥控制，雖然工作流程較為簡單，但是對模數轉換（AD）采樣要求較高，結合系統實際需求，選用STM32F407VET6作為核心控制器，其主頻達168 MHz，82個通用輸入與輸出（GPIO）口，且具有12位逐次趨近型模數轉換器，達19個復用通道，可測量來自16個外部源，同時這些通道的AD轉換可在單次、連續、掃描或不連續等采樣模式下進行。系統DTU選擇有人的USR-G781，該設備是一款集4G路由器和4G DTU功能為一體的無線傳輸設備，采用工業級高性能處理器、多種防護的硬件接口、安全穩定的虛擬專用網（VPN）通道、低延遲高時效的4G模塊，能夠為系統提供穩定、可靠、安全的網絡通信服務。

1.3 電子鼻傳感器陣列設計

研究發現黃酒隨著年份的增加，其揮發物含量提升，在感官上就表現為香氣更加濃郁，口感更加醇厚。黃酒獨特的風味是由酒中醇類、醛類、酸類、酯類及雜環類化合物共同作用形成，并且在陳釀過程中，一系列的物質反應讓各種化合物的組分愈加協調，風味得到提升。為提升傳感器陣列檢測的針對性，選定乳酸乙酯、乙酸乙酯、異戊醇等黃酒風味中含量較高的幾種物質作為待測對象，選用8個金屬氧化物傳感器構成系統的傳感器陣列，傳感器陣列特性表如表1所示。

表1 傳感器陣列特性表

2 電子鼻系統軟件設計

系統軟件設計主要包括傳感器陣列數據采集程序、隨機森林分類算法及云平臺可視化界面三部分。其中傳感器陣列數據采集主要是STM32的程序開發，在Keil5平臺進行開發；隨機森林算法依托Scikit-learn集成算法來實現；云平臺可視化界面主要在阿里云平臺實現。

2.1 傳感器陣列數據采集程序設計

由于系統內包含8個金屬氧化物氣體傳感器，采集到的氣體濃度轉換成電信號，通過STM32的AD轉換成0~3.3 V的電壓值。因為需要同時采集8路ADC，所以將STM32的AD設置為掃描模式，同時開啟直接內存訪問（Direct Memory Access，DMA）模式，采集到數據直接存入DMA存儲器，并通過串口將傳感器數據透傳給USR-G78X DTU模組，通過4G網絡傳輸到阿里云平臺，實現數據展示。DMA的引入能夠有效提升數據傳輸效率，減少CPU占用率，提高數據傳輸的穩定性。

2.2 隨機森林算法實現

隨機森林（random forest，RF）是一種有監督學習算法[11]，以實現簡單、計算開銷小等著稱，常應用于分類和回歸。它是基于Bagging算法擴展而來的，以決策樹作為基學習器，并在訓練的節點劃分中額外引入屬性的隨機選擇[12]。假設隨機森林集成分類器由若干個基礎學習器{T(X,θi)}組成，其中i表示基礎學習器的個數，θi為隨機分布的隨機向量。當自變量X給定后，各個基分類器根據投票的方式獲取最終的分類結果，經過m輪的迭代訓練后，獲取分類模型序列。

系統通過上述模型序列搭建分類系統，而系統的分類結果是以投票結果為準，獲得投票多的即為最終結果，其中隨機森林分類決策結果為：

式中：T(x)為隨機森林最終的分類結果，Ti(x)為各個基分類器的預測結果，Y為實際分類目標，f(x)為線性函數。

圖2為隨機森林原理框圖，在算法實際應用中，每個基學習器都給選定的類別進行投票，通過投票結果選定最終分類結果。基于Python 3.7.1、Scikit-learn 0.20.0構建隨機森林分類模型。

圖2 隨機森林算法原理框圖

2.3 云平臺可視化界面設計

系統云平臺可視化界面依托阿里云組態部件開發，主要分為組織列表、實時數據、實時報警、組態展示、歷史數據等部分。在組織列表中可以查看設備的在線狀態，并可以查詢設備下設的傳感器種類及數量；在實時數據可以看到傳感器當前的采集結果；在實時報警模塊中可以看到設備下線提示或者數據異常提示；在組態展示部分不僅能夠對實時數據進行列表展示，同時還可以自動繪制數據曲線，并調用算法實現酒齡的判別。

3 結果與分析

3.1 樣品制備

試驗采用古越龍山與會稽山2種品牌的黃酒，其中古越龍山品牌的有3年陳、5年陳、8年陳及10年陳，會稽山品牌的有3年陳、5年陳、10年陳、12年陳，同時為保證試驗的準確性，2種品牌的酒的甜度都選擇半干型，具體參數如表2所示。

表2 試驗用黃酒參數表

對2種品牌的黃酒分開進行試驗，用以測試系統對于多品牌黃酒的適用性。以會稽山品牌黃酒為例，4種不同年份的黃酒樣品每種取20組平行樣本，每個樣本取20 mL，置于潔凈干燥的小樣瓶中，并用封口膜密封，在室溫下靜置60 min，使樣品瓶頂部積累足夠的揮發性物質。在樣品檢測前將會打開氣室清洗泵和排氣泵，穩定通入100 s的潔凈空氣，讓流通的空氣通過傳感器檢測區域，達到清洗氣室的目的；打開氣體采樣泵，將樣品氣體吸入傳感器檢測區，并讓氣體在傳感器檢測區內停留60 s，保證樣品氣體能夠與傳感器陣列充分接觸，產生穩定的信號輸出，STM32控制器同時采集8路傳感器的電壓信號，并通過DTU上傳到云平臺進行可視化展示。

3.2 系統檢測性能分析

為測試電子鼻系統的檢測性能，選取1份5年陳樣品，利用系統進行測試。圖3為系統對樣品的響應曲線圖，8種傳感器對于樣本氣體的反應雖有不同，但是響應曲線的趨勢基本一致，前15 s內各傳感器響應電壓值均有所升高，15 s以后趨于穩定。結果表明，傳感器穩定后的響應電壓值能夠明顯進行區分，根據電壓值從高到低排序依次為氮化物（S3）、可燃氣體（S2）、碳氫組分（S8）、烷烴類（S4）、酒精及苯類物質（S5）、硫化物（S6）、氨類氣體（S7）、丙烷和丁烷類（S1），8個傳感器的檢測結果便涵蓋了不同年份黃酒的特征信息，通過對不同樣品檢測結果的特征提取，能夠實現不同年份黃酒的有效分類。

圖3 傳感器陣列對樣品氣體響應圖

3.3 系統酒齡識別結果分析

為驗證提出的用于黃酒酒齡快速檢測的便攜式電子鼻系統的精準性，設置20個不同年份和品牌的黃酒樣品，其中訓練組15個、測試組5個。系統采集每組樣本數據包含8個傳感器所測到的60組電壓值，選取數據的最大值、最小值、平均微分系數、響應面積和第30秒的瞬態值5個特征構建特征空間。特征空間信息輸入隨機森林模型中訓練，利用訓練好的模型對剩下的5個樣本進行結果測試，試驗結果如表3所示。結果顯示，對各類測試樣品的平均識別率可達98.5%。年份越久的黃酒由于保存密封性不好的原因，內部的醇類物質會揮發較多，導致年份越久的黃酒識別率越差。同時，由于不同廠家的制造工藝存在差別，古越龍山品牌的黃酒內部各類揮發物質特征信息較弱，導致其識別結果弱于會稽山生產的黃酒。

表3 2種品牌黃酒酒齡識別結果表

4 結論

構建便攜式電子鼻檢測系統，并結合黃酒陳釀過程中揮發氣體的主要構成，選用8種金屬氧化物氣體傳感器搭建電子鼻傳感器陣列，利用STM32F407完成傳感器數據采集，通過隨機森林模型提取出不同酒齡的黃酒所具備的風味特征，實現2種品牌黃酒酒齡的快速檢測，平均識別率均達98.5%，同時試驗結果表明，系統在酯類、醇類等成分的精細測量方面有待加強。該模型不僅可以進行黃酒酒齡的快速檢測，還可以通過調整傳感器陣列類型實現其他食品的品質分析，具有廣闊的應用前景。