基于树莓派的冰箱异味检测系统设计

刘 伟，吴可汗，王庆龙，叶万家

（1.合肥学院 电子信息与电气工程系，安徽 合肥 230000；2.安徽电气工程职业技术学院，安徽 合肥 230000）

1 引言

随着科学技术不断发展，人们开始利用不同的方法模拟出与生物嗅觉相类似的嗅觉原理来辨识气味信息[1].传统的检测技术有时候会受到气味源的限制，有时候也会收到环境的限制，耗时、费力、检测结果客观性差.随后电子技术和人工智能技术的发展，电子鼻检测技术应时而生，并在很多领域展现出其特有的优势.本设计针对目前智能冰箱的需求，设计了一套异味检测系统，可用于冰箱中储藏食品的变质程度检测和预警.

本系统基于传感器阵列技术和人工智能算法，分析了电子鼻在植物油、苹果等检测物中的具体应用问题.根据设计的基本要求给出了系统的总体设计框架对系统的基本工作原理以及系统所实现的基本功能进行详细的阐述.

2 系统设计部分

本设计使用费加罗系列的单个传感器组成传感器阵列检测待测的植物油、苹果等挥发气体的电压变化数据，然后将该数据进行简单的滤波等处理，通过硬件系统中的模数转换，模数转换后的数据可直接通过I2C通信协议传送到树莓派中进行后面的数据处理，在树莓派的Python环境下编写程序，实现显示采集处理后的数据、保存数据等功能，随后采用相应的算法对保存后的数据进行处理并显示在UI界面上.

2.1 硬件部分

本设计的硬件部分主要包括主控芯片、传感器阵列、AD采集部分、气泵电路等，完成各个硬件电路模块系统集成以达到最终检测植物油、苹果等样品的作用.如图1，硬件组成部分.

2.1.1 树莓派简介

树莓派是由“Raspberry Pi基金会”开发，它具有1.2GHz的CPU,RAM大小为1GB.具有40个I/O端口、WiFi模块、4个USB接口，可外接设备等.同时可以写入操作系统，通过PC机进行远程桌面控制.

图1 系统硬件组成

图2 气敏传感器阵列

2.1.2 传感器阵列

本设计采用的是气敏传感器，指利用各种化学、物理效应将气体成分、浓度信息按照传感器内部函数规律转化为电信号输出的一个器件[2].本次系统设计采用的气敏传感器是采用的是金属氧化物半导体传感器，简称MOS传感器，这种传感器具有敏感度高、响应速度快、成本低使用简单等特点[3].根据本设计的应用场合选择了TGS2602、TGS2603、TGS2620、TGS2600，四种传感器.为了测试方便将四种传感器排列成4×1的排列方式.

2.1.3 各模块电路设计

（1）处理器模块：本设计采用树莓派为处理器，在软件设计上具有很大的优势，在后期的数据分析处理上体现了树莓派的强大功能.本设计主要用到树莓派的I/O端口对AD采集的数据进行传输和气泵的控制以及其它的模块方便在PC上进行调试.如图2所示.

图3 处理器模块

（2）传感器电路：TGS系类的传感器属于电阻型[4]，当气体吸附在传感器上面时会影响传感器半导体材料的总的导电率变化[5]，从而改变了它的电阻，所以我们只需要设计一个简单的分压电路即可检测气体的相关信息.如图3所示.

图4 AD采集模块

（3）AD采集模块：根据本文设计的传感器阵列所需要的，数据采集的部分至少要四个通道，才能完成数据采集和模数转换，所以选择了MCP3424芯片集成模块完成数据采集和模数转换的作用.如图4所示.

图5 传感器电路

图6 气泵控制电路

（4）气泵电路：在系统启动时气泵即要开始工作，利用树莓派的GPIO口进行控制气泵电路的开关气泵电路如图5所示.

2.2 软件部分

基于树莓派的冰箱异味气体的检测系统的软件设计，使用的硬件开发平台是树莓派，利用树莓派主流编程语言Python[6].在经过多种方案的测试，最终确定了软件结构，如图7所示.为了更好地实现系统功能，软件设计结构采用单线程结构.通过系统UI以及各功能模块共同实现系统功能.

2.2.1 测试样本特征提取与选取

AD采集完成，提取传感器响应特征，即提取气体特征值.在软件程序设计中提取值包括最大值、最小值、平均值、中位值以及方差和标准差.在经过数据测试后，发现对气体特征响应较明显的为最大值、平均值、以及中位值.

2.2.2 K近邻聚类算法

软件处理部分最为重要就是K近邻聚类算法[7]，基本实现步骤有：①分别从txt文本和电子表格中导入待测数据以及样本集；②分别计算待测数据与样本集中各个数据的欧式距离并排序；③选取k个与待测数据距离最小的值；④选取k个值中出现频率最高的数；⑤选取频率最高的类别为待测数据的预测分类.其中欧式距离计算公式如下：

图7 主程序流程图

3 系统测试分析

系统测试分两个部分进行，第一步，首先就要测试传感器阵列对预备样品即已知气味的浓度和种类的传感器动态响应值，并且提取这一部分测试的特征值，通过Matplotlib[8]，可绘成动态响应图；第二步对未知气体的浓度和种类重复第一步的测试，再将提取的特征值与保存在数据库中的数据进行一定的计算处理，至此与数据库

中对比得到气味的种类、浓度等.作品实物如图8所示，系统测试界面如图9所示.

图8 作品实物

图9 系统界面

表1 待测样品种类和浓度分析

图10 传感器动态响应

从上表可看出来：所采集到的待测气体虽然与数据库中的数据稍微有一点的误差，但是误差在实验允许范围内.通过k-近邻算法可以分辨出待测气体的种类.包括上表数据总共检测了12次，结果检测正确次数为11次，错误一次，系统测试准确率高达91.7%，满足实验预期目标.

4 总结

根据提前设计好的实验方案，对气体样品进行检测，随后得出的数据保存在系统中，并且对数据进行了处理，提取数据的特征量以及基于K近邻算法的简单模式识别.实验证明该系统采集数据重复性高、精度保持在百分位、系统稳定性好，测试各通道数据波动小，方差基本保持在0.5以内，准确度达到要求，并且能够准确实现对气味源样品的好坏程度及样品种类的区分.