冷链物流中远程食品新鲜度检测的电子鼻系统设计*

徐　璐，吴　轶，王连英

（江西现代职业技术学院信息工程分院，南昌33009）

冷链物流中远程食品新鲜度检测的电子鼻系统设计*

徐璐*，吴轶，王连英

（江西现代职业技术学院信息工程分院，南昌33009）

为了有效监测冷链物流各环节中食品新鲜度，设计了远程电子鼻系统。以与猪肉新鲜度关联的特定气体为检测目标，使用单片机技术针对性地设计了检测气室和气体传感阵列，实现了冷库内的猪肉气味信息的采集、预处理、特征生成、降维和线性判别式分析，并以传感器相对电导率变化微分值为主成分变量进行猪肉新鲜度分类依据，并通过GPRS将检测结果传输到远程控制中心。测试结果表明，该系统检测准确度高、丢包率小，满足应用需求。

自动化器件；新鲜度检测；线性判别式分析；冷链物流；电子鼻

近年来随着国内经济的发展和人民生活水平的提高，冷链物流被关注程度日趋增强，但“重生产、轻流通”的观点仍根深蒂固［1］，制约着冷链物流产业的快速健康发展，因此越来越多的学者研究建立冷链物流产品的质量风险预警体系，以控制质量风险，郝书池、周燕等人［2］建立了较为严谨的质量风险管理的模式，但对冷链物流产品的实时质量监控较少，而国内将电子鼻技术应用于冷藏食品的研究较为成熟，陈辰星、吴琼等人［3-4］运用气敏传感器、光谱成像等手段检测冷藏肉蔬新鲜度。本文使用基于气敏传感器的检测阵列并结合冷库低温运动环境设计了检测冷链物流中肉类新鲜度的电子鼻，并结合无线传输技术将检测数据发送到远程监控中心，实现对冷链物流易腐肉类的实时动态监控。

1　系统设计

本文的电子鼻系统主要安装于冷链物流中各种运输车辆，对物流系统中运输的肉类的新鲜度进行实时检测，并将检测结果通过GPRS模块发往远程监控中心，系统总体设计如图1所示，其中对肉类新鲜度检测的原理是利用气敏传感阵列对肉料气味的响应值实现对物流车辆冷库内气味状态的实时且连续的监测。

图1　系统设计

1.1检测气室及设计

气敏传感器的工作温度高达300℃，为避免电子鼻在预热或者工作阶段时冷链物流仓冷气涌入抑制传感器状态和影响工作性能［5］，需要对检测气室进行专门设计，对抽入检测气室的低温气体快速加热至较高温度并进行检测。检测气室设计方案如图2（a）所示。检测气室悬于冷仓顶部，在气敏传感阵列检测冷仓气体之前在隔离空间先对泵入的冷仓气体进行加热到25℃，自动控制系统通过温度传感器监测气体温度，在达到设定温度后打开单向进气阀将加热后的气体引入传感器阵列所在空间进行检测，同时控制保温装置维持气室温度，检测完毕后保温装置关闭，待气体冷却后通过排气阀排出，工作流程如图2（b）所示。通过这种检测气室空间隔离的设置，使与传感阵列接触的检测气体为25℃，防止低温对传感器阵列的工作状态和使用寿命造成影响。由于生鲜产品在运输途中出现变质的风险更大，因此在物流运输途中设置检测周期为30 min，而在相对安全的冷藏储存阶段设置检测周期为8 h，在保证生鲜质量安全的同时减少检测消耗。

图2　检测气室设计方案及工作流程

1.2气敏传感器设计

研究发现，在猪肉的运输和贮存过程中，在细菌和酶的作用下会变化分解从而生成气味。猪肉的分解过程［6］主要包括：（1）脂肪第一步分解成脂肪酸类，然后分解成醛酸类和醛类臭气；（2）蛋白质第一步分解成胺类，然后分解乙硫醇、硫化氢、氨等；（3）碳水化合物分解成醛类、酮类、醇类和羧酸类气体等。

针对猪肉分解的主要过程，选择了MQ138、MQ135、MS1100、TGS822等4种气敏传感器组成对猪肉的传感器阵列，其主要识别对象如表1所示。

表1　气敏传感器选择

1.3硬件设计

冷链物流中猪肉的新鲜度检测使用4个气敏传感器组成的阵列对运动物流仓中的猪肉进行新鲜度检测，相关的气路通断、检测阵列控制、模数转换和GPRS无线传输使用C语言编程通过单片机实现，单片机选用国内宏晶科技公司STC12C5A60S2单片机，该单片机开发要求低、可加密且有8路调整模数转换接口，能够满足本系统使用需求；时钟芯片选择美国DALLAS公司生产的DS1302芯片，该芯片功耗低、实时性好；串口转换芯片选择美信公司的MAX232芯片，该芯片是适应RS232标准串口的单电源转换芯片，由+5 V电源供电；GPRS模块选择德国西门子公司的TC35i，该模块成本较低且易于集成。系统电路设计示意图如图3所示，在STC12C5A60S2复位后，程序设置其1-4管脚为模数转换器，通过与这4个管脚相连的气敏传感器将4路气敏传感器信号送入STC12C5A60S2进行模数转换，并将传感器传入的数字化信号进行打包发送至TC35i模块进行GPRS远程无线传输至监控中心。

图3　系统电路设计

1.4软件设计

在监控中心接收冷链物流传输的传感器数字化数据进行存储，并对其进行处理分析以判断猪肉新鲜度状态，冷链物流中电子鼻系统和监控中心的通信与控制使用客户端/服务器模式构设，使用VC++编程。

监控中心主要记录各传感器的峰值数据并进行分析，主要使用主成分分析PCA（Principal Component Analysis）方法［8］作为新鲜度检测算法。该方法基于数学降维的原理，通过筛选得到综合变量，从而降低变量的数目，但代表的原来众多变量的信息量，而且各变量之间彼此不相关。

2　数据处理

对传感器检测的数据进行分析实际是进行模式识别的过程，其过程主要分为数据预处理和特征生成、线性判别式分析。

2.1数据预处理

为了提高检测精度需要消除基线漂移造成的不利影响，因此系统检测电路使用运算放大器OPA2333和惠斯登电桥共同组成差分放大电路［7］作为核心检测电路以消除基线漂移带来的不利影响，设传感器输入为Vin，通过输入端可调电阻RI和输出前端可调电阻RO，可得该差分放大电路的输出电压Vout为：

式中Vzero为RI值为0时对应传感器输入电压为VS时的电路输入电压Vzero，

而RC是传感器电阻值，与气体浓度C相关，计算方法为：

式中，A与α均是由气体种类决定的常数，通过式（1）～式（3）可得整个差分放大电路的输出电压，通过调节可调电阻RI，可有效增大检测动态范围，在输出Vout中有效滤除分压产生的基线电压值，从而提高检测精度。

消除分压产生的基线电压后还需使用小波变换进行进一步的滤波降噪，使用db4小波有效分离出突变部分和噪声部分后保留信号的低频部分，可有效地保留有用信号［10］。选择传感器电导变化率［11］表征传感器与样品的反应信息，在相对差分法的基础上定义相对电导变化率S，其计算方法如式（4）、式（5）所示。

2.2特征生成

对相对电导变化率的积分、微分分别使用辛普森积分公式、梯度法［12］等方法求解，如式（6）、式（7）所示

为获得传感器响应曲线的特征，先需确定曲线初始点，即曲线上升趋势的初始点，一般情况下由于存在响应基线的波动较难寻找初始点，但通过式（7）对其进行微分运算，可以得到微分零点附近的波动量，而且微分结果有一个极大值波峰，基于这条推论，首先找到微分极大值波峰，再使用变步长以微分值大于0为标准反推初始点。

由此可得到各传感器的主特征值：（1）St的微分值；（2）St的平均数；（3）St达到微分最大值时所用时间；（4）St的曲率；（5）St的一阶微分最大值；（6）St积分；（7）温度；（8）湿度。其中温度和湿度［13］用于进行温湿度补偿。

2.3分类识别

通过特征生成对应一个传感器有8个特征值。此时再利用线性判别式分析对8个特征值进行降维，算法通过SPSS软件实现。其基本思想是投影降维，将高维度的特征向量通过投影集成到低维的方向上，投影之后不同类型的数据组尽可能地分开，而同组数据的距离更小，然后在新的低维空间中进行样本分类识别。

以猪肉为例，猪肉在贮藏的过程中，挥发性成份会随着时间流逝而减少。实践证明，随着时间增加，猪肉的光泽会由亮变暗、颜色会从均匀的红色变为暗红色甚至绿色、坚韧性降低、异味增强甚至有刺鼻的气味。通过研究发现，猪肉在新鲜状态下色泽鲜红且复有弹性；经过一段时间后肉色变暗，弹性变差且略带氨味，此时为次新鲜状态；最后是水分丢失严重且臭味明显。这样逐渐腐败的过程对应相对电导变化率微分变化［14］，在新鲜状态下相对电导率的微分值为正数且缓慢增大，此时设新鲜猪肉相对电导率微分值为，在次新鲜状态下相对电导率的微分值快速增大，设次新鲜状态下猪肉的相对电导率微分值为，而猪肉腐败状态下相对电导率的微分值累积到较大的值，而增速也逐渐变缓，设腐败状态下猪肉的相对电导率微分值为。为便于进行定量分类，设猪肉相对电导率最大值为，在分属于判定猪肉状态分别为新鲜、次新鲜和腐败，以相对电导率微分值为首要因素判定猪肉新鲜度，这只是初步的判识，后续以线性判别式分析进行进一步的分类识别以提高差别准确度。

3　性能测试

为了验证该系统的可靠性和正确性，分别对其新鲜度检测性能和通信性能进行测试。

3.1检测性能测试

为了提高检测效率，新鲜度检测性能测试使用定点测试，将冷链物流仓放置于室内，并将温度置于2℃，将新鲜猪肉放入仓内，每8个小时测试一次并将数据通过GPRS发送至监测中心。

对保存的猪肉进行电子鼻检测并发送到实验室进行分析和保存，得到传感器峰值响应随时间变化关系如图4所示。

图4　传感器峰值响应的时间曲线

通过分析图4的传感器峰值响应并对照猪肉实际情况，可认定在48 h前猪肉处于较为新鲜的状态，从48 h后猪肉新鲜度快速降低，至72 h以后猪肉严重腐败。

由于在新鲜度检验过程中气敏传感器受温度和湿度影响较大，而猪肉新鲜度变化过程中物流仓内的温度变化较小，但湿度变化范围较大，因此需要针对性地进行湿度补偿。目前常用的补偿方法有湿敏电阻硬件补偿、恒湿测试和软件补偿［9］，3种方法比较软件补偿可行性较高且效果更好，因此使用软件补偿方法，补偿公式为：

式中R0为电阻实际测量值，R为电阻补偿后的真值，H0为基准湿度（此处取为0），H为湿度实测值，a为湿度系数。通过式（4）在已知气敏传感器湿度系数的情况下把物流仓中的湿度值进行直接补偿。最后得到猪肉新鲜度的判别结果如图5所示。

图5　猪肉新鲜度判别结果

图5中两个主成分的贡献率分别为85.2%和10.3%，能够明显地区分出猪肉新鲜状态、次新鲜状态和腐败状态，实现了新鲜度检测识别的功能。

3.2通信性能测试

通信性能测试主要考察该系统的远程无线传输性能是否达到要求，由于系统一般情况下4 h～8 h检测一次，及时性要求不高，但对准确性要求较高，因此通信性能测试主要检测不同发送周期下的累计丢包率［15］。使用冷链物流车携带系统以较快速度行驶，每次传输数据包括物流仓内温度、湿度及4路气敏传感器数据，包括结束符位在内每组数据包含42 byte，共发送500组数据，发送周期范围为50 ms～2 000 ms，冷链物流车距离实验室监控中心的距离范围为100 m～50 km，最后测得系统丢包率基本为0，但在31 km附近的20组数据丢包率有一定起伏，最大丢包率为7.14%，经分析发现当时车行驶至群山之中、GPRS信号较差导致丢包率变化，针对这种不利状况，通过修改软件，在监控中心监测到数据字节不全的情况下控制电子鼻系统再次发送数据，直至收到数据包完整为止。修改软件后物流车在丢包率区域行驶并再次传输数据，经系统校正未发生丢包情况。

4　结论

本文基于电子鼻技术和GPRS技术设计了一套冷链物流电子鼻系统用于远程地对物流冷链环节中的猪肉进行新鲜度检测，具备检测精度高、通信可靠性高的优势，同时电子鼻系统与指定冷库配对绑定，针对指定物品进行新鲜度检测，省去了检测对象识别的过程，在降低硬件复杂度的同时也便于扩展完善。但系统仅做了猪肉的检测系统，不利于实际应用推广，下一步的工作是增加针对牛羊肉、鸡肉、鱼肉等肉类的新鲜度检测软硬件系统。

［1］潘东静.农产品冷链物流的冷库节能降耗问题研究［J］.边疆经济与文件，2014，12（11）：19-20.

［2］Vergara A，Llobet E，Brez mes J，et al.Quantitative Gas Mixture Analysis Using Temperature-Modulated Micro-Hotplate Gas Sensors：Selection and Validation of the Optimal Modulating Frequencies［J］.Sensors and Actuator B，2007，12（37）：1002-1016.

［3］郝书池.我国冷链物流发展前景及对策［J］.中国物流与采购.2010，32（7）：83-85.

［4］陈辰星，邹莹畅，张希，等.冰箱贮存食品新鲜度检测与识别的智能电子鼻设计［J］.测控技术与仪器仪表，41（4）：77-80.

［5］吴琼，朱大洲.基于高光谱成像的蔬菜新鲜度检测初控［J］.食品安全质量检测学报，2012，3（6）：685-689.

［6］张延军，刘敬彪，蔡强，等.基于嵌入式系统的电子鼻研究与实现［J］.电子器件，2010，33（4）：466-470.

［7］王彦闯，刘敬彪，蔡强，等.基于BP神经网络的猪肉新鲜度检测方法［J］.计算机应用与软件，2011，28（9）：82-84，143.

［8］余炜，万代立，周娅，等.基于在线支持向量机的电子鼻模式识别算法［J］.西北大学学报，2015，45（1）：49-52.

［9］庄家俊，骆德汉，邹华宇.百草油鉴别分类的电子鼻实现方法研究［J］.传感器与微系统，2010，29（7）：62-65.

［10］El Barbri，Mirhisse J，Ionescu R，et al.An Electronic Nose System Based on a Micro-Machined Gas Sensor Array to Assess the Freshness of Sardines［J］.Sens Actuat B Chem，2009，37（2）：538-543.

［11］亓培锋，孟庆浩，井雅琪，等.用于白酒识别的电子鼻数据分析与参数优化［J］.天津大学学报（自然科学与工程技术版），2015，48（7）：643-651.

［12］Jing Y Q，Meng Q H，Qi P E，et al.Electronic Nose with a New Feature Reduction Method and a Multi-Linear Classifier for Chinese Liquor Classification［J］.Review of Scientific Instruments，2014，85（5）：201-211.

［13］Jenssen R.Kernel Entropy Component Analysis［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence，2010，32（5）：847-860.

［14］Tong Yueying，Chen Donghai，Shi Zhibiao，et al.Study on the Application of Biological Tactle in Fast Meat Freshness Detection［J］.Advances in Natural Science，2010，3（2）：170-176.

［15］叶焕锋，姜周曙.GPRS通信性能检测系统［J］.通信技术，2012，51（11）：64-66.

徐璐（1983-），女，硕士，汉族，江西南昌人，江西现代职业技术学院信息工程分院电子系讲师，主要研究领域为单片机与嵌入式系统，xulu__1983@sina.com。

Design of Electronic Nose System for Remote Freshness Detection of Food in Cold Chain Logistics*

XU Lu*，WU Yi，WANG Lianying
（Institute of Information Engineering，Jiangxi Modern Polytechnic College，Nanchang 330095，China）

The remote electronic nose system was designed for the effectively monitoring of the food freshness in the various links of the cold chain logistics.In the system the associated gas with the pork freshness was set as the detection target，and the gas chamber and the gas sensor array were designed by the single-chip technology for the data collection and processing of the pork in the cold storage.At last the principal component analysis method was used to execute the freshness detection and the results were transferred via GPRS.The test results show that the system has advantages such as high detection accuracy and low loss rate，and meets the application requirements.

automation device；freshness detection；linear discriminant analysis；cold chain logistics；electronic nose

TP212

A

1005-9490（2016）05-1170-05

项目来源：江西省高等学校教学改革研究课题“基于工学结合、校企合作理念电子信息专业人才培养模式的探索”项目（JXJG-10-30-3）

2015-09-29修改日期：2015-12-20

EEACC:723010.3969/j.issn.1005-9490.2016.05.030