摘要：為了實現(xiàn)對肉類新鮮度的評價，提出一種基于LabVIEW和氣體傳感器陣列的可視化機器嗅覺系統(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)采集卡實現(xiàn)對信號的采集。利用LabVIEW開發(fā)上位機軟件，完成對數(shù)據(jù)的預處理、特征選擇和特征提取等環(huán)節(jié)的可視化，最終實現(xiàn)對肉類新鮮度的無損檢測。試驗結果表明，基于可視化機器嗅覺系統(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)律與理化指標判斷結果一致，表明該系統(tǒng)具有可行性和適用性。

　　關鍵詞 氣體傳感器陣列；新鮮度；機器嗅覺；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注的重要問題。試驗證明長時間儲藏時，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)，從而慢慢地揮發(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，結果不易量化，存在片面性和主觀性；化學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；物理檢測運用氣質(zhì)聯(lián)用技術得到精確的數(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，但耗時較長，因此在部分場所環(huán)境下并不適用。

　　隨著計算機技術的發(fā)展，機器嗅覺系統(tǒng)已在食品、醫(yī)藥和農(nóng)業(yè)等行業(yè)得到了廣泛應用。試驗設計了一種基于氣體傳感器陣列和LabVIEW的機器嗅覺系統(tǒng)，該系統(tǒng)通過采集肉體變質(zhì)過程中揮發(fā)性氣體實現(xiàn)對肉類產(chǎn)品新鮮度的檢測，可以實現(xiàn)檢測的無損化、精準化、無接觸化、智能化等多元化目的。

　　試驗設計的機器嗅覺系統(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的信號。

　　目前機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，因此試驗選了此方法采集肉類揮發(fā)性物質(zhì)，設計的氣體采樣系統(tǒng)如圖1所示。

　　從圖1可知：該系統(tǒng)包括密封氣室、與氣體接觸反應的金屬半導體氣敏傳感器陣列、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換的軟管接頭以及氣室內(nèi)部用于強化密封性能的密封圈。若將兩進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下，通過聚四氟乙烯材質(zhì)的軟管通道進入密閉氣室內(nèi)，特征氣味通過與密閉氣室內(nèi)部嵌的傳感器陣列反應獲得響應值。超過采樣時間后，將電磁閥斷電，即為接通洗氣通道，潔凈空氣進入氣室內(nèi)，這時傳感器開始進入解吸附過程，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曲線恢復到起初的基準值。

　　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，因此試驗選取了6個氣敏傳感器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傳感器周圍的氣體流速相同。

　　為了提高機器嗅覺系統(tǒng)下限，可對微弱的檢測信號進行放大。對于所采集的信號容易受到環(huán)境噪聲的干擾，同時采用濾波進行雜波消除，提高采集信號的精確度。該設計采用LM324運算放大器將檢測信號進行放大和濾波，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)采集卡模塊實現(xiàn)，試驗選用的是美國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行采集。

　　機器嗅覺系統(tǒng)的上位機采用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)預處理模塊和數(shù)據(jù)分析模塊這4個子模塊。

　　登錄模塊設有用戶名和密碼，便于用戶對軟件進行管理，同時也能夠保障用戶的信息安全，其Lab-VIEW設計的程序結構圖如圖3所示。

圖3　登錄界面程序設計圖

　　信號采集模塊主要是設置數(shù)據(jù)采集卡中的參數(shù)，包括輸入通道、輸入接線端配置、工作方式和采集時間等，LabVIEW編寫的程序如圖4所示。通過圖4的設計程序，實時采集六路傳感器的響應值，且每路響應值對應一個波形，同時這些數(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計圖

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

圖5　均值濾波程序設計圖

　　由于硬件電路的干擾，傳感器采集信號時不可避免會存在一些擾動，故試驗通過均值濾波算法來減少這些波動，具體如圖5所示。基線處理算法可以有效補償傳感器的漂移、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，試驗采用差分法來實現(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準則，該準則簡單實用。

　　2.4  數(shù)據(jù)分析模塊

　　數(shù)據(jù)分析模塊是實現(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)是特征提取準確性和穩(wěn)定性的關鍵。特征提取是將多維樣本特征值通過數(shù)學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)試驗采用Wrapper方法，編寫的程序如圖8所示。

圖8　特征選擇程序設計圖

　　圖8設計的特征選擇包含傳感器的穩(wěn)態(tài)值和瞬時值兩方面特征，其中穩(wěn)態(tài)值反映樣本氣味的濃度信息，瞬時值是從傳感器響應曲線與時間變量相關的信息選擇，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的基礎上添加非線性的核函數(shù)即核主成分分析法（KPCA），利用它進行對比分析。

　　2.4.1　基于LabVIEW的PCA算法實現(xiàn)流程

　　PCA利用組合特征的方法處理多維數(shù)組，從而實現(xiàn)降維。設X1，X2，X3，…，X6為6個傳感器的原始變量，F(xiàn)1，F(xiàn)2，…，F(xiàn)m為m個主成分所對應的因子，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，且任意兩個因子之間協(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成的線性組合的第1、第2、…、第m個主成分，具體運算步驟如下所示：

　?、儆嬎阍甲兞康膮f(xié)方差矩陣S：

　　②求協(xié)方差矩陣S的特征值λ和所對應的單位化、正交化的特征向量。

　?、圻x擇主成分。通過方差累計貢獻率G(m)來選擇對應的主成分，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算法程序設計圖

　　2.4.2  基于LabVIEW的KPCA算法實現(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。假設原始數(shù)據(jù)空間是m×n的數(shù)據(jù)，其中m是樣本個數(shù)，n為傳感器個數(shù)，KPCA的運算流程如下。

　　① 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的計算公式如（5）所示。
       

　?、?對核矩陣K進行歸一化：
       

　　③計算核矩陣K的特征值λ1，…，λn及每個特征值所對應的特征向量V1，…，Vn，將特征值進行降序排列得到λ1＞…＞λn，調(diào)整相應特征值所對應的特征向量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算法程序設計圖

　　3  試驗與結果分析

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

　　3.1  揮發(fā)性鹽基氮（TVB-N）測試試驗

　　從常熟市金倉集貿(mào)市場購買剛屠宰豬肉，快速運至實驗室，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。首先每種豬肉設置5個平行樣本，每個平行樣本為3g，試驗參照GB 2707—2005國標，按半微量定氮法測定TVB-N，試驗結果以百克肉中含有多少毫克氮計量，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的時間段里，豬肉樣本屬于一級新鮮。在1.5～2d的時間段里，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)價值和食用價值。

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個平行樣本，首先將冰箱中的豬肉取出，放于室溫下進行回溫2h，本身未放置于冰箱中的則不需要回溫。打開機器嗅覺系統(tǒng)的電源，對傳感器陣列預熱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，采集氣體時間為180s，傳感器陣列發(fā)生響應，響應信號經(jīng)過數(shù)據(jù)采集卡上傳到上位機進行數(shù)據(jù)處理，當達到采樣時間后，真空氣泵切換洗氣通道，對此次樣試驗時殘留的氣體進行洗氣120s，之后對下個樣品進行采樣，如此循環(huán)。兩種不同儲藏條件下的傳感器響應曲線圖如圖12所示。

　　從圖12可以看出，隨著儲存天數(shù)的增加，各個傳感器響應信號不斷變大，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曲線圖

　　利用機器嗅覺系統(tǒng)對不同儲藏條件和存放放時間的豬肉的氣味特征進行檢測，試驗采用PCA和KPCA兩種不同算法對傳感器陣列數(shù)據(jù)進行主成分分析，到的分類結構分別如圖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。這與理化指標的分類略有0.5 d的偏差。可能由于傳感器的一些非線性特性，或者由于進行氣體采集時的理化指標試驗和機器嗅覺系統(tǒng)采集試驗中系統(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進行分類的結果是一致的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)的氣體進行分析，可方便、準確地了解存儲過程中的新鮮程度，說明試驗提出的機器嗅覺系統(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測錯誤的樣本集中在對于22℃儲藏條件下，第1.5天的響應特征值被分到二級新鮮，說明相鄰兩個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聯(lián)，因此在今后的研究中，對于微弱信號的檢測還需進一步研究。

　　以肉類TVB-N值作為新鮮度的標準，利用機器嗅覺原理，將多傳感器獲取的響應值通過數(shù)據(jù)預處理和數(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，為指導肉類新鮮度無損快速檢驗提供了依據(jù)。