基于支持向量机的香水识别电子鼻系统设计

梅笑冬，王 彪，朱 哲，赵培陆，胡小龙，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

近年来，随着经济的发展和生活质量的逐步提高，香水的使用成为提升自身人格魅力的一种新风尚，香水的选用在一定程度上代表选用者的个人品味和修养，选择一款合适的香水成为许多人追求的目标。然而，目前市场上存在大量含有苯类、醛类等致癌物质的劣质香水，其安全性很难得到保证。因此，如何方便有效地识别真假、优劣的香水显得十分重要。

传统的香水识别主要靠感官评定，主观性强，重复性较差;而气相色谱、色谱-质谱联用及电化学等方法，又存在分析过程复杂，费用昂贵、不能实时检测等问题。新兴的电子鼻检测技术凭借其客观性强、操作简单、价格低廉等优势［1，2］已被广泛应用于环境监测、污染治理、食品安全和医疗诊断等领域，但是在化妆品领域，电子鼻的应用还是很少。其中模式识别在整个电子鼻系统中有着举足轻重的地位［3，4］。目前应用比较广泛的主成分分析法(PCA:Principal Component Analysis))、线性判别法(LDA:Linear Discriminant Analysis)［5］、BP神经网络等都具有一定的局限性，如神经网络法通常要求训练样本数足够多，以保证泛化精度。而根据统计学理论提出的支持向量机(SVM:Support Vector Machine)［6］，能较好地解决小样本、非线性、高维数和局部极小点等实际问题，在解决有限样本及不等距样本的分类问题上具有潜在的优势。为此，笔者将SVM应用到香水分类检测中，研制了基于支持向量机的香水识别电子鼻系统。

1 系统结构

系统分为硬件设计和软件设计两部分。硬件设计主要完成对传感器阵列的驱动，数据的采集、去噪、存储和发送等功能。软件设计包括两方面:一方面是对硬件电路上主芯片的控制、温湿度传感器的底层驱动以及模数转换后数据的处理;另一方面是上位机监控界面的设计及内嵌模式识别算法的实现。电子鼻系统结构如图1所示。传感器阵列采集样本数据，经信号调理电路和模数转换后，交给微控制器进行初步去噪，然后传给上位机进行特征提取和模式识别。

图1 电子鼻系统结构图Fig.1 The system structure of the e-nose system

2 系统硬件设计

硬件电路板以微控制器dsPIC30F6014A［7］为核心，配合气敏传感器阵列，12位精度的模数转换器(A/D)，串行接口，电源模块等实现数据的采集、转换和上传功能。

气敏传感器初步选定日本FIGARO公司的5种广谱型金属氧化物传感器(TGS2600、TGS2602、TGS2610、TGA2611和TGS2620)。经实验测试发现TGS2602和TGS2610两种传感器对4种香水样本的响应曲线与TGS2600和TGS2611大体相同，为减小冗余，选定TGS2600、TGA2611和TGS2620这3种传感器。此外，该系统还加入了集成的温湿度传感器SHT10，用来实时监测实验环境的温湿度。传感器阵列电路如图2所示。

图2 传感器阵列电路原理图Fig.2 The schematic diagram of the sensor array

微控制器电压选用+5 V，温湿度传感器和气敏传感器阵列的加热电压和回路电压也是+5 V。但由于传感器工作时电流相对较大，为保证电压能达到所需电压，笔者采用+9 V电源电压输入，通过LM7805三端稳压器将其转为+5 V给电子鼻系统供电。同时在稳压电源上安装散热板，保证电源芯片能及时散热。微控制器电路图如图3所示。

图3 微控制器电路原理图Fig.3 The schematic diagram of MCU

3 系统软件设计

该系统的软件设计包括dsPIC及外围电路的硬件驱动程序编写和上位机软件设计。硬件驱动开发环境为Maplab X，上位机控制分析采用Visual C++6.0和Matlab R2010a混合编程。软件设计流程图如图4所示。

图4 软件设计流程图Fig.4 Flow chart of software design

3.1 硬件驱动软件设计

该系统将片上A/D配置为外部参考电压方式，选用RB3-RB5做 A/D输入口，分别对应 TGS2600、TGS2611、TGS2620 3个采样通道，扫描输入，每12个采样中断一次。为了使采集到的样本更准确，将每个通道的4次采样数据存在ADCBUFFER中，取平均值后作为返回值输出。

温湿度传感器SHT10的主要接口函数为ReadTemp_SHT10()和ReadHumi_SHT10()，在设计时根据读取到的温度值进行相应的湿度补偿，SHT_HUMI=(SHT_TEMP-25)(0.01+0.000 08temp)+SHT_HUMI_Linear。

3.2 上位机控制界面设计

上位机控制面板(见图5)是基于Microsoft Visual C++中的MFC模式开发的，控制程序中嵌入了MSComm控件［8］，用来和下位机通信。在OnTimer()处理函数中实现定时采样，计算机给MCU发送一个通道号，MCU收到通道号后回发给计算机相应通道的采样数据。

图5 电子鼻系统控制面板Fig.5 The control panel of the e-nose system

程序中还嵌入了 TeeChart控件绘制各传感器的动态响应曲线;使用 COleDateTime∷GetCurrentTime()获取系统时间;用SetTimer()添加定时器，控制传输数据的速度;用ListControl完成采样数据的实时显示。

点击保存文件按钮，可将列表框中的内容保存到Excel表格里，以便后续分析处理数据使用。点击预测和分类按钮，可以看到数据通过学习后预测和分类的结果。

3.3 模式识别算法实现

系统利用SVM对电子鼻系统获取的数据进行分析，SVM利用输入空间的核函数取代了高维特征空间中的内积运算，解决了算法可能导致的“维数灾难”问题［9］。

SVM模型的判别函数［10］

它在形式上类似于一个神经网络，输出是M个中间节点的线性组合，每个中间结点对应一个支持向量(见图6)。

图6 SVM的网络结构Fig.6 The network structure of SVM

该系统通过Matlab和VC6.0混合编程［11］对样本进行分析处理。利用Matlab自带的mapminmax()函数对样本进行归一化，然后调用libsvm工具箱中的函数svmtrain、svmpredict、svmclassify对所测数据进行学习、预测和分类［12］。核函数使用多项式核函数，是最常用的一种非线性映射，d阶的多项式核函数定义如下

启动deploytool将.m文件编译、打包成COM组件，在VC6.0中调用编译好的COM组件，通过类别参数的传递，就可显示出识别结果。

4 电子鼻系统识别香水的实验

使用搭建的电子鼻系统进行实验，通过配备不同种类的香水气体环境，验证本系统对香水识别的效果。实验选用了同一品牌4种香型的香水进行测试，分别为:迪奥真我EDP、迪奥真我纯香、迪奥粉红魅惑和迪奥小姐淡香氛。

取样过程采用静态蒸发法，用微量进样器分别抽取0.1 μL的样品，放入1 000 mL气体瓶中挥发30 min，组成测试样本。测试环境温度25℃，相对湿度35%。训练数据由50组在测试样本中稳定的特征值组成。利用SVM预测得到测试集的实际分类和预测分类情况如图7所示，准确率达92%。

对未知样品进行识别测试实验。检测样本由3×250个特征数据矩阵构成:电子鼻进入测试环境前点击“进样前采集”按钮，采样50个数据点后自动结束;将电子鼻置于测试样本中，点击“样本中采集”按钮，采样100个数据点后自动结束;将电子鼻重新置于空气中，点击“离样后采集”按钮，再采样100个数据点后自动结束。将采样数据保存后，点击“分类”按钮给出识别结果(见图8)。可以看到，被测样品为迪奥真我纯香，与事实相符。

图7 SVM预测分类图Fig.7 The classification figure of SVM prediction

图8 SVM检测结果图Fig.8 The test result of SVM classification

5 结 语

笔者自主研制了一套以dsPIC30F6014A为主芯片的电子鼻硬件系统，并将适用于小样本分类的支持向量机方法运用到香水识别分类中，实现了对未知香水的种类检测。同时，还为该套电子鼻设备开发了相应的上位机控制软件，其界面简洁美观、人机交互便捷而且可移植性好。通过4种香水样品的测试可以看到，各种样品被有效地区分开，达到了样本识别的目的，验证了该系统具有较好的稳定性和实用性。与传统的香水识别方法相比，该系统具有操作简便、高可靠性、低成本、高精度和高集成度等优点，并且经过扩展即可应用到与之相关的领域中，为今后电子鼻系统的实用化和广泛化奠定了良好的基础。

［1］YU Huichun，WANG Jun.Discrimination of Longjing Green-Tea Grade by Electronic Nose［J］.Sensors and Actuators B，2007，122:134-140.

［2］LHPUS D，WILSON M.Applications and Advances in Electronic-Nose Technologies［J］.Sensors，2009，37(9):5099-5148.

［3］BICEGO M，TESSARI G，TECCHIOLLI G，et al.A Comparative Analysis of Basic Pattern Recognition Techniques for the Development of Small Size Electronic Nose［J］.Sensors and Actuators B，2002，85(4):137-144.

［4］MANUEL CANO，VIRGINIA BORREGO，et al.Rapid Discrimination and Counterfeit Detection of Perfumes by an Electronic Olfactory System［J］.Sensors and Actuators B，2011，122(3):319-324.

［5］CLAUDE D，MARTINE L，MARYAM S.Discrimination and Identification of a Refrigerant Gas in a Humidity Controlled Atmosphere Containing or not Carbon Dioxide:Application to the Electronic Nose ［J］.Sensors and Actuators B，2004，98(11):46-53.

［6］汪辉，皮道映，孙优贤.支持向量机在线训练算法及其应用［J］.浙江大学学报:工学版，2004，38(12):1642-1645.WANG Hui，PI Daoying，SUN Youxian.On-Line Support Vector Machine Training Algorithm and Its Application［J］.Journal of Zhejiang University:Engineering Science，2004，38(12):1642-1645.

［7］胡蔷.dsPIC数字信号处理控制器及其应用［J］.机械制造与自动化，2005(2):136-129.HU Qiang.The Digital Signal Handle Controller dsPIC and Its Application［J］.Jiangsu Machine Building＆ Automation，2005(2):136-129.

［8］章辉，叶建芳，叶建威.基于MSComm控件串口通信的实现［J］.电子测量技术，2011，34(8):126-129.ZHANG Hui，YE Jianfang，YE Jianwei.Realization of Serial Communication Based on MSComm Control［J］.Electronic Measurement Technology，2011，34(8):126-129.

［9］常志勇，陈东辉，门海涛，等.基于圆锥形仿生气体室的鸡肉新鲜度电子鼻检测技术［J］.吉林大学学报:工学版，2011，41(增刊2):334-337.CHANG Zhiyong，CHEN Donghui，MEN Haitao，et al.Electronic Nose in Chicken Freshness Detection Based on Con-Shaped Gas Chamber Bionic Technology ［J］.Journal of Jilin University:Engineering and Technology Edition，2011，41(S2):334-337.

［10］崔建明，刘建明，廖周宇.基于SVM算法的文本分类技术研究［J］.计算机仿真，2013，30(2):299-302.CUI Jianming，LIU Jianming，LIAO Zhouyu.Research of Text Categorization Based on Support Vector Machine ［J］.Computer Simulation，2013，30(2):299-302.

［11］李芳，徐丽.基于COM组件的Matlab7.x与VC++6.0接口技术及实际应用［J］.计算机应用与软件，2009，26(2):131-134.LI Fang，XU Li.On Techonology of Interface between MATLAT7.X and VC++6.0 Based on COM and Its Actual Application［J］.Computer Applications and Software，2009，26(2):131-134.

［12］高媛媛，刘强国.基于 LIBSVM的葡萄酒品质评判模型［J］.四川理工学院学报:自然科学版，2010，23(5):530-532.GAO Yuanyuan，LIU Qiangguo.Wine Quality Evaluation Model Based on LIBSVM ［J］.Journal of Sichuan University of Science＆ Engineering:Natural Science Edition，2010，23(5):530-532.