BP神經(jīng)網(wǎng)絡在電子鼻分類識別多品牌白酒中的應用研究

陳秀麗，趙愛娟，衛(wèi)世乾

(1.鄭州師范學院化學系，河南鄭州450000;2.許昌學院學報編輯部，河南許昌461000)

0 引言

近年來，飛速發(fā)展的電子鼻技術除了集中在氣敏傳感器器件的開發(fā)和選擇上，還在電子鼻信號預處理方法和模式識別方法的提升以及電子鼻技術的應用等方面獲得了長足發(fā)展［1-7］.其中如何選擇合適的氣敏傳感器器件、信號預處理方法和模式識別方法在整個電子鼻技術領域中一直是個難點問題.目前已經(jīng)開發(fā)出多種敏感材料和陣列結構，如張覃軼等［8-9］應用納米技術研制出納米ZnO厚膜氣敏傳感器陣列;借助MEMS工藝，鄧俊泳等［10］研究了新型復合式微傳感器陣列.相較之下，本文所采用的由金屬氧化物半導體傳感器組成的氣體傳感器陣列，容易制作，成本較低，具有較高的靈敏度和較快的響應速度.國內(nèi)外關于電子鼻特征值提取方法的研究多有報道，并提出了一些優(yōu)化方法［11-13］.邵應清等［14］從氣體傳感器響應曲線中提取4個特征值，用神經(jīng)網(wǎng)絡方法對不同乙醇溶液進行識別，得到較高的測試樣本識別率;史志存等［15］對傳感器響應曲線的上升沿做了多項式擬合，取常數(shù)項和一次項系數(shù)作為特征，用主成分分析法對不同品牌白酒進行識別，取得了較好的識別效果.本文利用BP神經(jīng)網(wǎng)絡法，選取傳感器響應曲線上某幾點響應值作為靜態(tài)值，將某一段曲線上的弧度信息選作動態(tài)值，對不同白酒的特征值進行模式識別，并通過優(yōu)化，取得了較佳的識別效果，進而為不同白酒的區(qū)分提供了新的方法與思路.

1 電子鼻系統(tǒng)

電子鼻系統(tǒng)可以分為模擬信號處理和數(shù)字信號處理兩大部分.前者主要包括氣體傳輸系統(tǒng)和氣敏傳感器.氣敏傳感器陣列對進入其小室中的混合氣體產(chǎn)生響應，并將氣體的濃度值轉換為電信號，隨之送入數(shù)字信號處理部分并做后續(xù)處理;后者主要包括信號的預處理、特征提取及模式識別，通過模擬信號采集得到的數(shù)據(jù)需要經(jīng)過濾波，去除一些無用的信息，然后進入特征提取階段，將提取出來的綜合信息送入模式識別單元中分析并取得結果.電子鼻系統(tǒng)的基本構造如圖1所示.

圖1 電子鼻系統(tǒng)的基本構造

1.1 合適的傳感器陣列

傳感器陣列作為電子鼻系統(tǒng)的核心部件，能顯著提高整個系統(tǒng)的性能，因此，要考慮構成氣敏傳感器的各單元的選擇性.氣敏傳感器單元組成的陣列如對特定氣體具有較好選擇性，那么其對該特定氣體及其混合氣體的識別能力就比較強，但對成分更復雜的混合氣體的識別能力較弱，并且能夠識別的氣體種類有限.為此，可以采用具有較寬的響應范圍和較弱選擇性的傳感器器件，借助模式識別技術來提升系統(tǒng)的選擇性和精度，同時還要求傳感器陣列在檢測過程中器件可以穩(wěn)定可靠地工作來實現(xiàn)系統(tǒng)的實用化.

到目前為止，還未出現(xiàn)專門對白酒氣味進行測量的氣敏傳感器，而現(xiàn)實中用于區(qū)別各種不同品牌白酒的主要標準是酒精度和微量有機物，其中酒精的含量占主要信息.所以在選擇氣敏傳感器時首先要求傳感器對酒精氣體敏感，其次要求它能夠對白酒中的微量有機物敏感.

系統(tǒng)中傳感器陣列單元選擇的主要目標是:穩(wěn)定的陣列和合理化的陣列規(guī)模.本實驗采用MQ3、MQ4、TGS813、TGS26204個金屬氧化物半導體傳感器組成的氣體傳感器陣列，這4個傳感器分別對酒精可燃氣體及有機物敏感.根據(jù)對半導體氣敏傳感器的研究，本文提出了通過計算各傳感器響應值的相對標準方差來反映傳感器對被測氣體的穩(wěn)定程度.對于某種傳感器，如果它對某種白酒氣體反應較為穩(wěn)定，則反映為傳感器響應值的相對標準方差較小，反之亦然.相對標準方差(RSD)計算公式為

傳感器靈敏度計算公式為K=Rs/Ro，其中Ro為氣敏傳感器在潔凈空氣條件下的電阻值，Rs為氣敏傳感器在一定濃度下檢測氣體的電阻值.

1.2 特征提取方法

由氣敏傳感器陣列直接得到的數(shù)據(jù)較多，其中，測量曲線上的特征參數(shù)如何選擇對模式識別非常關鍵.因此在選擇時應保證等級間最好的識別效果模式數(shù)據(jù)的穩(wěn)定性，使特征參數(shù)包含大多數(shù)傳感器最有特征的響應信號.為了獲得相對穩(wěn)定的傳感器信號，可以在測試趨于穩(wěn)定的時刻，選擇相對合適的數(shù)據(jù)分析點;也可以在測量過程中，選擇傳感器信號的均值，以獲得傳感器在整個測量過程中的平均反應信號;還可以在測量過程中，選擇信號的高峰值，從而獲得傳感器對測量氣體的最大反應信號;也可以選擇前幾秒內(nèi)傳感器信號的均值，來表示傳感器對測量氣體的反映速度的快慢，也可以選擇前幾秒內(nèi)傳感器信號的均值;或者，為表示傳感器在穩(wěn)定階段的平均反映特性，可以選擇最后幾秒內(nèi)傳感器信號的均值作為特征參數(shù).

本文選擇提取在測試趨于穩(wěn)定的時刻傳感器響應值作為靜態(tài)特征值，用于反映傳感器對不同白酒香氣在氣味方面的穩(wěn)定狀況.同時為了反映不同白酒揮發(fā)能力的不同，本文用提取傳感器動態(tài)響應值的方法，提取氣敏傳感器響應曲線在上升階段近似圓弧的半徑作為特征值進行處理.通過分別提取傳感器靜態(tài)特征值及動態(tài)特征值，以全面地反映白酒的狀態(tài).

1.3 BP神經(jīng)網(wǎng)絡模式識別法

模式識別是指，為獲得混合氣體的組分信息和濃度信息，對氣敏傳感器陣列的輸出信號進行合適的處理過程.模式識別技術在電子鼻中，對整個系統(tǒng)的搭建起著尤為關鍵的作用，通常情況下，模式識別方法通常采用人工神經(jīng)網(wǎng)絡模式識別和統(tǒng)計模式識別2大類［4］.本文采用BP神經(jīng)網(wǎng)絡模式識別.作為電子鼻領域應用最多的算法之一，BP人工神經(jīng)網(wǎng)絡(BP-NN)具有易于理解、算法功能強大、訓練簡單等諸多優(yōu)點［2］.其中，能夠實現(xiàn)輸入與輸出數(shù)據(jù)之間的非線性映射，是BP人工神經(jīng)網(wǎng)絡的最大優(yōu)點.因此，BP人工神經(jīng)網(wǎng)絡不僅效果不錯，而且算法應用廣泛.

2 實驗內(nèi)容

2.1 傳感器對實驗樣本的相對標準方差

在實驗中利用 MQ3、MQ4、TGS813、TGS26204個金屬氧化物半導體傳感器組成的氣體傳感器陣列，樣本采用北京紅星股份公司出品的清香型紅星二鍋頭、北京牛欄山酒廠出品的清香型牛欄山二鍋頭、北京市八達嶺釀酒廠出品的老獵頭酒.采取液體定量取樣方式，用微量注射器對3種不同品牌的白酒，分每次定量取樣2，4，6μL酒溶液放入容器內(nèi)進行測試，記錄每次測試各個傳感器的反應值(實驗中每組數(shù)據(jù)平行測10次，去除最大和最小值，其余8個取均值)，利用公式(1)進行統(tǒng)計分析，得到表1中4種傳感器響應值的相對標準方差.

表1 4個傳感器響應值的相對標準方差

由表1 可以看出，MQ3、MQ4、TGS813、TGS26204種氣敏傳感器對3種不同品牌白酒在不同濃度下響應值的相對標準方差均較小，滿足氣體傳感器陣列對穩(wěn)定性的要求.通過對比表1中4種傳感器對不同白酒響應值的均值大小，可以得出以下結論:傳感器對不同品牌的白酒分別具有不同的響應值，可以通過對傳感器響應值的大小進行相應的處理分析，進而區(qū)分不同品牌的白酒.

2.2 響應特征曲線

對3種不同的白酒用微量注射器每次定量取樣4μL放入容器內(nèi)，進行重復測試.每種酒取30組樣本，則3種酒在4μL濃度下共獲90組樣本.圖2所示為氣體傳感器的響應特征曲線.

圖2 氣體傳感器的響應特征曲線

2.3 特征值的提取

在實驗中，為了減小實驗誤差，對響應曲線所包含的信息作充分準確地提取，分別選取傳感器的每條響應曲線穩(wěn)定時的后20個點的yiq求平均值，作為后續(xù)的分析數(shù)據(jù)，將其記作最后處理時，采用差分法，并把進行外理后作為通入模式識別單元的分析值，其中，第i個傳感器對環(huán)境的響應值記為同時選取傳感器響應曲線50～1000個點位置所構成的弧線的半徑作為動態(tài)特征值.

3 BP神經(jīng)網(wǎng)絡對3種不同品牌白酒的分類識別結果

BP神經(jīng)網(wǎng)絡能夠通過已知樣本，從而對未知的樣本作出判別.把3種白酒響應曲線的特征值作為系統(tǒng)的輸入，通過網(wǎng)絡訓練調(diào)整網(wǎng)絡的權值和閾值使輸入與相應的輸出相對應，從而得到精確的分類信息.

由于存在4個氣敏傳感器，而實驗中需要分類識別的白酒有3種，據(jù)此建立了具有4維輸入和3維輸出的BP神經(jīng)網(wǎng)絡.BP神經(jīng)網(wǎng)絡輸出的每一個神經(jīng)元分別與一種品牌的白酒相對應.本實驗對3種不同品牌的白酒在同一濃度下進行重復測量，共獲得90個樣本.利用穩(wěn)態(tài)特征值提取與動態(tài)特征值提取的方法，獲得相應的特征值.在BP神經(jīng)網(wǎng)絡分析中，測試樣本選自每種白酒的20個樣本值，訓練樣本選自每種白酒的其他10個樣本值，即3種白酒的測試樣本共計60個，訓練樣本共計30個，用以上樣本進行BP神經(jīng)網(wǎng)絡的訓練和測試.實驗中，選取3層BP神經(jīng)網(wǎng)絡，其中，要求隱層神經(jīng)元數(shù)取為13，并將 tansig作為隱層神經(jīng)元的激勵函數(shù)，將purelin作為輸出層神經(jīng)元的激勵函數(shù).BP神經(jīng)網(wǎng)絡中的訓練函數(shù)采用Moller提出的量化共軛梯度法(SCG).其中網(wǎng)絡最大訓練步長設置為20000，目標誤差定為10-2，網(wǎng)絡訓練過程如圖3所示.

從圖3可以看出，BP網(wǎng)絡對3種不同品牌白酒經(jīng)過473步的訓練步長后就收斂，訓練速度較快，其訓練完成后所得的網(wǎng)絡的均方差σ=0.00997766＜goal=10-2，因此完全能達到性能指標.

圖3 BP神經(jīng)網(wǎng)絡對3種不同品牌白酒定性分析的網(wǎng)絡訓練過程

利用BP神經(jīng)網(wǎng)絡穩(wěn)態(tài)及動態(tài)特征值提取方法，在4μL濃度下對3種不同品牌的白酒進行分析，結果見表2.

表2 BP網(wǎng)絡對3種不同品牌白酒的分析結果

從表2可以看出，利用BP神經(jīng)網(wǎng)絡所搭建的電子鼻系統(tǒng)對不同品牌白酒的分類識別有較好的效果(識別率為正確識別的樣本數(shù)與測試樣本總數(shù)的百分比).在電子鼻系統(tǒng)當前的測試環(huán)境下，BP神經(jīng)網(wǎng)絡對3種不同品牌白酒的識別率穩(wěn)態(tài)特征時達到90.0%，動態(tài)特征時識別率達到83.3%.

4 結論

建立了一套能夠對不同品牌白酒進行分類識別的電子鼻系統(tǒng).根據(jù)氣敏傳感器的響應特性，分析了傳感器的響應曲線，提出了傳感器穩(wěn)態(tài)和動態(tài)特征值的提取方法，結合BP神經(jīng)網(wǎng)絡模式識別法，所搭建的電子鼻系統(tǒng)對于白酒的分類識別實驗取得了較好的效果.實驗結果表明:利用BP神經(jīng)網(wǎng)絡模式試別法對3種不同品牌白酒進行識別，得到較佳的識別率，最高可達90.0%.

［1］ Llobet E，Gualdron O，Vinaixa M，et al.Efficient feature selection formass spectrometry based electronic nose applicatons［J］.Chemometrics andIntelligent Labor-atory Systems，2007，85(2):253-261.

［2］Fu Jun，Li Guang，Qin Yugi，et al.A pattern recognitionmethod for electronic noses based on an olfactory neural network ［J］.Sensors andActuators，B:Chemical，2007，125(2):489-497.

［3］El Barbri N，AmariA，Vinaixa M，et al.Building of ametal oxide gas sensor-based electronic nose to assess the freshness of sardines under cold storage［J］.Sensors andActuators，B:Chemical，2007，128(1):235-244.

［4］黃小燕，趙向陽，方智勇.電子鼻在氣體檢測中的應用研究［J］.傳感器與微系統(tǒng)，2008，27(6):47-49，52.

［5］Tudu B，JanaA，MetlaA，et al.Electronic nose for black tea quality evaluation by an incremental RBF network［J］.Sensors andActuators，B:Chemical，2009，138(1):90-95.

［6］馬戎，周王民，陳明.基于傳感器陣列與神經(jīng)網(wǎng)絡的氣體檢測系統(tǒng) ［J］.傳感技術學報，2004，17(3):395-398.

［7］Zhang Hongmei，Chang Mingxun，Wang Jun，et al.Evaluation of peach quality indices using an electronic nose by MLR，QPST and BR network［J］.Sensors andActuators，B:Chemical，2008，134(1):332-338

［8］張覃軼，謝長生，陽浩，等.電子鼻模式識別算法的比較研究［J］.傳感技術學報，2005，18(3):576-579.

［9］張覃軼.電子鼻:傳感器陣列、系統(tǒng)及應用研究［D］.武漢:華中科技大學，2005:52-66.

［10］鄧俊泳，馮勇建，吳青海.微氣體傳感器陣列及神經(jīng)網(wǎng)絡的應用［J］.傳感器技術，2002，21(8):44-46.

［11］王米娜.電子鼻動態(tài)特征信息處理方法研究［D］.西安:西北工業(yè)大學，2005:17-20.

［12］Panigrahi S，Balasubramanian S，Gub H，et al Design and development of ametal oxide based electronic nose for spoilage classification of beef［J］.Sensors andActuators，B:Chemical，2006，119(1):2-14.

［13］Garcia M，Aleixandre M，Gutierrez J，et al.Electronic nose for wine discrimination ［J］.Sensors andActuators，B:Chemical，2005，113(2):911-916.

［14］邵應清，鄒小波.厚膜SnO2氣體傳感器的嗅覺特征提取與處理［J］.傳感器技術，2000，19(6):15-17.

［15］史志存，李建平，馬青，等.電子鼻及其在白酒識別中的應用［J］.儀表技術與傳感器，2000(1):34-37.