基于Labview和PCA分析方法的电子鼻设计

赵 万, 梅笑冬, 朱 哲, 张厚博, 胡小龙, 王 彪,卢革宇

(1. 吉林大学 电子科学与工程学院, 长春 130012； 2. 中国科学院 长春光学精密机械与物理研究所, 长春 130033)

0 引 言

随着传感器和计算机技术的快速发展, 研究人员选择多个具有交叉灵敏特性的气体传感器组成阵列, 多器件的交叉灵敏特性可以提供更多检测样本的信息, 在此基础上, 结合模式识别技术可以形成高精度的气体检测系统, 即“电子鼻”系统。电子鼻系统通过模仿哺乳动物的嗅觉机理, 可以完成对复杂气体或气味的定性或定量识别, 目前已得到广泛关注。与传统的气体成分分析方法, 如气相色谱法、 质谱法和火焰离子化检测等相比, 电子鼻具有体积小、 功耗低、 可靠性高和价格低廉等优点, 可实现便携式设计, 已被广泛应用于环境监控、 化学工业控制、 医疗卫生和食品质量检测等领域[1-6]。食用酱是日常生活中常见的一种食品, 通过便捷的检测手段对其品质进行快速准确地分析, 对保证食品安全、 提高生产效率具有重要意义。笔者面向食用酱的品质评价, 设计了基于金属氧化物半导体型气体传感器阵列和Labview虚拟仪器的电子鼻系统, 并提出了相关的电子鼻模式识别方法, 通过对5种不同种类的食用酱进行采样, 建立了气味数据库, 在此基础上, 对未知酱品进行检测, 实现了对不同种类的食用酱的准确区分。

1 电子鼻的工作原理及实验方案

1.1 电子鼻的工作原理

一个典型的电子鼻系统主要由传感器阵列采样装置、 数据采集系统和模式识别算法构成。传感器阵列采样装置主要提供稳定的测量环境(温度和湿度),完成检测样本中气体成分的提取, 带有样品气味特征的气体成分被传感器阵列感知, 再将检测样本中气体成分信息转变成电信号。数据采集系统将对气体传感器阵列所获取的电信号进行模数转换得到数字信号, 再经过预处理和去干扰计算, 得到传感器阵列的电阻随时间变化的信息。对采集的信息进行模式识别, 通过对传感器阵列的电阻信息进行整理和分析, 形成气味的指纹信息, 并与系统中的数据进行对比, 最终得到混合气体的成分信息。电子鼻的工作流程[7]如图1所示。

图1 电子鼻的工作流程

1.2 实验方案

利用自主设计的电子鼻系统对几种不同的食用酱进行检测。实验中已知的5种酱品分别为长春大酱、 豆瓣酱、 多味辣酱、 黄干酱和沙茶酱(见表1), 所有酱品在相同的条件下进行实验处理。所设计的电子鼻通过检测酱品中挥发出的气体建立原始数据库, 然后再对未知酱品进行检测, 并将所得到的检测数据与数据库进行分析比对, 完成对未知酱品的识别。

表1 5种食用酱主要成分的检测结果

2 电子鼻整体结构

该电子鼻系统框图[8]如图2所示, 系统由采样电路, 调理电路、 控制系统和上位机软件组成。采样电路为气体采集提供一个稳定的环境, 通过电源控制模块对采样电路进行控制调整； 调理电路向传感器提供驱动电流, 使其工作在预置状态； 控制系统可对采样电路和调理电路进行设置。测试过程中, 控制系统通过模数转换芯片获得传感器原始电阻信息, 经过内部数据处理计算, 得到传感器电阻随时间变化的信息, 并采用RS232通信方式将数据实时上传至上位机PC(Personal Computer)。为进行快速数据处理, 控制系统采用32位微处理器STM32F103ZE。在上位机PC上运行嵌套了Matlab的Labview软件, 对传感器的电阻信息进行分析。

图2 电子鼻系统框图

3 电子鼻系统设计

3.1 传感器阵列及采样装置

图3 传感器阵列采样装置

传感器阵列采样装置如图3所示, 该系统采用的传感器阵列由6种费加罗金属氧化物半导体传感器(TGS2610、TGS2600、TGS2620、TGS2602、TGS2201和TGS2611)组成, 传感器阵列被置于5升的玻璃容器内。实验过程中, 测试环境温度由温度传感器监控, 利用水浴加热的方式保证测试环境温度恒定, 减小外界环境对传感器特性的影响; 另外, 水浴加热还能有效挥发出样品中气体。传感器阵列在容器上部检测样品中的气体, 传感器的表面电导发生变化, 通过调整电路将输出信号调整在0～3.3 V之间, 测量数据通过采集系统获取。

3.2 数据采集和特征提取

传感器电阻Rx由调整电路转换成电压, 通过24位高精度模数转换器(AD7794)进行传感器阵列的6路独立电压信号的采集, 电阻

其中Rx为测量电阻值,R0为参考电阻值。

电阻的采集速率为10次/s, 由于电路干扰、 环境波动和气体浓度起伏等因素, 传感器采集的信号不稳定, 为减小对数据分析的影响, 通过式

对电阻数据做进一步处理[9,10], 其中Rn为第n次测得的传感器电阻值。

3.3 软件设计

电子鼻的软件设计是在Labview8.6集成开发环境下完成的[11,12], 其内部集成了Matlab脚本。软件包括获取控制系统上传的传感器阵列的电阻数据、 数据特征提取、 对未知样品进行学习和建立数据库, 最终实现数据分析并给出检测结果。图4显示了该嵌入式电子鼻软件的前面板, 它可工作在学习和测试两种模式下, 能进行实验测量参数设置, 如开关加热时间, 水浴加热温度及时间等。

3.4 系统的数据处理方法

利用主成分分析方法(PCA)对从电子鼻的6个传感器获取的数据进行分析[13], 通过式

对数据进行标准化, 其中Xik表示样本元素,n代表样品数据,p代表传感器个数, 利用式CCONEFF=princomp(X)线性变换得到一个新变量组, 叫主成份, 第一主成份反映了变量的主要信息。其中CCONEFF为成分矩阵, princomp为Matlab中的PCA函数。

主成份分析方法是基于数据的主要成分将数据在可视空间内进行呈现, 在该实验中PCA对6个传感器数据分析得到5种酱品的成分分析图谱。相关算法通过嵌入Labview上位机软件的Matlab程序脚本实现。

4 5种酱品的实际测试

电子鼻在学习模式下对5种不同的酱品进行检测, 获得6×500的特征数据矩阵, 建立数据库。下面以长春大酱为例, 证明对未知酱品的测试过程。进入检测模式后, 对未知酱品进行检测, 获得6×100的特征数据矩阵。将未知酱品数据与数据库数据结合得到6×600的数据矩阵, 经过主成分分析(见图5), 得到了不同酱品的PCA图谱。数据能非常好地区分不同酱品, 主成份1占有97.8%的信息量, 主成份2占有1.8%的信息量。主成份1包含的信息是样品的气味密度, 与样品的浓度有很大关系, 通过对未知酱品的数据进行比对, 可断定它是长春大酱。

5 结 语

笔者主要完成了一种新型电子鼻的设计并用其对几种常见的食用酱进行了分析和鉴别, 该电子鼻的硬件部分主要是由STM32F103ZE和金属氧化物半导体型气体传感器阵列构成, 软件部分主要基于Labview和Matlab设计而成。通过控温气室, 该电子鼻可在预设的环境条件下由传感器阵列对气体进行感知, 通过数据采集系统将相关信号传递到上位机软件, 利用编写的模式识别算法对检测对象进行检测。针对几种常见食用酱进行实际检测时, 整个系统操作便捷, 而且能对几种食用酱进行准确的识别, 达到了预期的设计要求。

参考文献：

[1]LHPUS D, WILSON M, BAIETTO. Applications and Advances in Electronic-Nose Technologies [J]. Sensors, 2009(9): 5099-5148.

[2]石志标, 黄胜全, 范雪冰, 等. 基于生物嗅觉的电子鼻研究 [J]. 中国机械工程, 2007, 18(23): 2810-2813.

SHI Zhi-biao, HUANG Sheng-quan, FAN Xue-bing, et al. Study on Electronic Nose Based on Biologic Olfaction [J]. China Mechanical Engineering, 2007, 18(23): 2810-2813.

[3]YU J, WANG C, YAO H, et al. Quality Grade Identification of Green Tea Using E-Nose by CA and ANN [J]. LWT-Food Science and Technology, 2008(41): 1268-1273.

[4]VESTERGAARD J S, MARTENS M, TURKKI P. Application of an Electronic Nose System for Prediction of Sensoryquality Changes of a Meat Product (Pizza Topping) during Storage [J]. LWT-Food Science and Technology, 2007(40): 1095-1101.

[5]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, 2007(125): 489-497.

[6]ZHANG S H, XIE C H, BAI M Z. et al. Spoiling and Formaldehyde-Containing Detections in Octopus with an E-Nose [J]. Food Chemistry, 2009(113): 1346-1350.

[7]栾淑禾, 闰卫平, 全宝富, 等. 用于电子鼻研究的多传感器实时动态测试系统设计 [J]. 测控技术, 2005, 24(2): 1-4.

LUAN Shu-he, YAN Wei-ping, QUAN Bao-fu, et al. A Real-Time and Dynamic Monitoring System of Multi Sensors for the Research of Electron [J]. Measurement & Control Technology, 2005, 24(2): 1-4.

[8]BARONCINIA M, PLACIDI P, CARDINALI G C, et al. A Simple Interface Circuit for Micromachined Gas Sensors [J]. Sensors and Actuators A, 2003(109): 131-136.

[9]刘树海, 郑传涛, 徐琳, 等. 基于恒电流源的电阻式气敏传感器检测系统 [J]. 吉林大学学报: 信息科学版, 2012, 30(4): 376-380.

LIU Shu-hai, ZHENG Chuan-tao, XU Lin, et al. Resistance Type Gas Sensing System Based on Constant Current Circuit [J]. Journal of Jilin University: Information Science Edition, 2012, 30(4): 376-380.

[10]CARMEL L, LEVY S, LANCET D, et al. A Feature Extraction Method for Chemical Sensors in Electronic Noses [J]. Sensors and Actuators B, 2003(93): 67-76.

[11]ALEIXANDRE M, LOZANO J, GUTIERREZ J, et al. Portable E-Nose to Classify Different Kinds of Wine [J]. Sensors and Actuators B, 2008(131): 71-76.

[12]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, 2010(146): 453-459.

[13]BAHRAMINEJAD1 B, BASRI S, ISA M, et al. Application of a Sensor Array Based on Capillary-Attached Conductive Gas Sensors for Odor Identification [J]. Meas Sci Technol, 2010(21): 187-204.