基于機(jī)器嗅覺結(jié)合BP神經(jīng)網(wǎng)絡(luò)的砂仁氣味鑒別方法*

朱志均 周華英 羅坤豪 吳愷熹

?

基于機(jī)器嗅覺結(jié)合BP神經(jīng)網(wǎng)絡(luò)的砂仁氣味鑒別方法*

朱志均 周華英 羅坤豪 吳愷熹

（廣東藥科大學(xué)醫(yī)藥信息工程學(xué)院）

檢測和分析4種不同產(chǎn)地砂仁氣味信息，探索基于機(jī)器嗅覺技術(shù)結(jié)合BP神經(jīng)網(wǎng)絡(luò)的氣味鑒別方法。利用電子鼻PEN3采集4種不同產(chǎn)地砂仁的氣味信息，構(gòu)建一個(gè)包含三層結(jié)構(gòu)的BP神經(jīng)網(wǎng)絡(luò)模型，通過對非線性氣味數(shù)據(jù)進(jìn)行反復(fù)學(xué)習(xí)和訓(xùn)練，確定各產(chǎn)地砂仁氣味特征模型，采用MATLAB 2013實(shí)現(xiàn)鑒別仿真。結(jié)果表明：不同產(chǎn)地砂仁氣味特征信息整體相貌是相似的，但各自的特征指紋峰值有明顯差異；建立的BP神經(jīng)網(wǎng)絡(luò)模型對不同產(chǎn)地砂仁的訓(xùn)練樣本和待測樣本均可實(shí)現(xiàn)100 %的準(zhǔn)確鑒別。該方法穩(wěn)定、可靠、簡便，可為中藥材質(zhì)量控制和真?zhèn)舞b別提供參考。

機(jī)器嗅覺；BP神經(jīng)網(wǎng)絡(luò)；砂仁；氣味鑒別

0 引言

砂仁是姜科，豆蔻屬多年生草本植物的干燥成熟果實(shí)，具有化濕開胃、溫脾止瀉、理氣安胎等功效[1]，主要產(chǎn)于福建、廣東、海南、廣西及云南等地。由于砂仁產(chǎn)地來源復(fù)雜、品質(zhì)優(yōu)劣不同等原因，在其推廣使用過程中，時(shí)常出現(xiàn)偽劣品、以次充好的現(xiàn)象，嚴(yán)重制約了中藥材的使用和國際化發(fā)展[2-3]。因此，研究砂仁品種真?zhèn)?、質(zhì)量優(yōu)劣，是實(shí)現(xiàn)砂仁藥材深入發(fā)展及推廣的關(guān)鍵?？v觀砂仁鑒別方法，傳統(tǒng)的性狀鑒別方法速度快、成本低，無需借助太多設(shè)備和工具，但其存在主觀性強(qiáng)、可重復(fù)性差等缺陷[4-5]；現(xiàn)代的色譜/光譜鑒別等新技術(shù)發(fā)展迅速，鑒別效果良好，但操作復(fù)雜繁瑣、耗時(shí)，需借助復(fù)雜儀器設(shè)備才能完成[6-7]。

本研究基于電子鼻檢測技術(shù)，以不同產(chǎn)地砂仁氣味信息作為研究對象，嘗試?yán)肂P神經(jīng)網(wǎng)絡(luò)構(gòu)建砂仁分類鑒別模型，探討基于機(jī)器嗅覺的BP神經(jīng)網(wǎng)絡(luò)中藥材鑒別方法，以期為中藥材質(zhì)量控制提供參考。

1 實(shí)驗(yàn)材料與儀器

本研究所用的200批砂仁樣本分別從福建省長泰縣、廣東省陽春市、海南省澄邁縣和云南省勐臘縣等砂仁主產(chǎn)區(qū)的藥材市場采集獲得。樣本經(jīng)廣東藥科大學(xué)中藥學(xué)院韓彬教授鑒定均為正品，樣本信息見表1。

表1 樣本類別及信息

實(shí)驗(yàn)儀器包括電子鼻PEN3、分析天平3203和定時(shí)恒溫器JB-3A。其中電子鼻PEN3由自動(dòng)進(jìn)樣器、10個(gè)MOS傳感器組成的傳感器陣列和計(jì)算機(jī)信號(hào)處理系統(tǒng)組成。

本實(shí)驗(yàn)中，每組樣本50批，共4組，其中，160批作為測試樣本，40批作為待測樣本。首先，使用分析天平3203稱取各份樣本10 g于150 mL燒杯內(nèi)密封靜置備用；然后，開啟定時(shí)恒溫器JB-3A，設(shè)置恒溫溫度為45℃，每份樣本測定前先恒溫加熱 10 min，使樣本氣味充分散發(fā)于密封燒杯內(nèi)；最后，每份樣本連續(xù)采樣12次，每次采樣持續(xù)時(shí)間120 s，傳感器沖洗時(shí)間180 s，同時(shí)記錄實(shí)驗(yàn)室溫度27.5 ℃，相對濕度72%。每份樣本測試完畢，得到12個(gè)數(shù)據(jù)文件，每個(gè)文件為120×10的數(shù)據(jù)矩陣（120 s內(nèi)10 個(gè)傳感器的測量值）；160 批樣本全部測試完畢，共獲得1920（12×160=1920）個(gè)數(shù)據(jù)文件作為數(shù)據(jù)集。

電子鼻PEN3檢測到的氣味數(shù)據(jù)為非線性且高維。目前國內(nèi)外常用的分析方法主要有主成分分析法和線性判別分析法[8]。這兩種方法存在一個(gè)共同的問題：對非線性或線性不可分的數(shù)據(jù)特征提取效果不佳。于是有人提出人工神經(jīng)網(wǎng)絡(luò)、流形學(xué)習(xí)算法等[9-10]。本文基于氣味特征信息非線性特點(diǎn)，采用BP神經(jīng)網(wǎng)絡(luò)分析方法鑒別不同產(chǎn)地砂仁。

2 BP神經(jīng)網(wǎng)絡(luò)模型構(gòu)建

BP神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)采用如圖1所示的三層BP網(wǎng)絡(luò)結(jié)構(gòu)。網(wǎng)絡(luò)分為輸入層、隱含層和輸出層，其中，輸入層神經(jīng)元節(jié)點(diǎn)個(gè)；隱含層神經(jīng)元節(jié)點(diǎn)個(gè)；輸出層神經(jīng)元節(jié)點(diǎn)個(gè)。

圖1 BP神經(jīng)網(wǎng)絡(luò)單元組成結(jié)構(gòu)圖

本文以電子鼻PEN3的10個(gè)傳感器檢測數(shù)據(jù)作為輸入，即=10；隱含層神經(jīng)元數(shù)由式(1)確定；輸出層=4，依次表示4種不同產(chǎn)地砂仁輸出結(jié)果：福建砂仁（1000）、廣東砂仁（0100）、海南砂仁（0010）和云南砂仁（0001）。

其中，為輸入層神經(jīng)元節(jié)點(diǎn)數(shù)；為輸出層神經(jīng)元節(jié)點(diǎn)數(shù)。

輸入輸出間的閾值函數(shù)Sigmoid函數(shù)如式(2)[11-12]所示。

BP神經(jīng)網(wǎng)絡(luò)的性能指標(biāo)函數(shù)如式(3)所示。

為能夠快速獲得自學(xué)習(xí)結(jié)果，采用梯度下降法來修正BP神經(jīng)網(wǎng)絡(luò)的加權(quán)系數(shù)。

3 實(shí)驗(yàn)結(jié)果與分析

3.1 BP神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練及分類

本實(shí)驗(yàn)BP神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練和結(jié)果仿真由MATLAB 2013 軟件完成，仿真結(jié)果如圖2所示。

圖2 神經(jīng)網(wǎng)絡(luò)訓(xùn)練性能曲線

由圖2可知，該網(wǎng)絡(luò)模型在訓(xùn)練次數(shù)為0～2000次期間，輸出總誤差下降明顯；2000～4000次期間，輸出總誤差基本穩(wěn)定，表明該BP神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練完成。同時(shí)，由圖3分類結(jié)果顯示，4種不同產(chǎn)地砂仁樣本點(diǎn)完全分開，彼此無交叉和重疊。采用機(jī)器嗅覺技術(shù)結(jié)合BP神經(jīng)網(wǎng)絡(luò)對不同產(chǎn)地砂仁進(jìn)行氣味特性分類，能達(dá)到100%的分類效果。

3.2 不同產(chǎn)地砂仁氣味指紋圖譜

BP神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練后的4種不同產(chǎn)地砂仁氣味指紋圖譜如圖4所示，4種不同產(chǎn)地砂仁的氣味指紋圖譜曲線變化趨勢總體相似，但福建砂仁氣味圖譜線和其他3種區(qū)別最明顯，最大波峰值為5.891，波谷值為?0.376；廣東砂仁波峰最大值為2.247，波谷值為1.113；海南砂仁波峰最大值為2.048，波谷值為1.036；云南砂仁波峰最大值為2.793，波谷值為0.9071。

圖3 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練及分類結(jié)果

圖4 不同產(chǎn)地砂仁氣味指紋圖譜

因此，該氣味指紋圖譜表明，福建砂仁揮發(fā)性物質(zhì)氣味特性差別最大，而廣東砂仁、海南砂仁和云南砂仁揮發(fā)性物質(zhì)氣味特性彼此差別較小。由圖3和圖4可知，不同產(chǎn)地砂仁氣味特性不同，主要是由于不同產(chǎn)地砂仁所含揮發(fā)性物質(zhì)化學(xué)成分不同所致。因此，基于機(jī)器嗅覺技術(shù)結(jié)合BP神經(jīng)網(wǎng)絡(luò)可以定性鑒別不同產(chǎn)地砂仁氣味。

3.3 BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測性能

為了測試網(wǎng)絡(luò)模型的預(yù)測性能，將訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)模型鑒別待測樣本，利用交叉驗(yàn)證對該模型的預(yù)測能力進(jìn)行評估。在4組不同產(chǎn)地砂仁待測樣本中各隨機(jī)抽取5個(gè)樣本（共20個(gè)樣本）作為測試樣本，進(jìn)行鑒別分析，20個(gè)測試樣本均落在相應(yīng)的不同分組中，BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測結(jié)果如圖5所示。結(jié)果表明：該網(wǎng)絡(luò)模型能對訓(xùn)練集進(jìn)行100%的正確分類，對測試集的預(yù)測能力也達(dá)到100%。

圖5 BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測結(jié)果

3.4 重復(fù)性試驗(yàn)

取同一批廣東砂仁樣本和海南砂仁樣本各10份，分別按上述實(shí)驗(yàn)方法進(jìn)行重復(fù)性測試和分析，并與各氣味指紋譜圖進(jìn)行比較。所得各共有峰的相對峰面積的RSD均小于1.25%，各共有峰的相對保留時(shí)間的RSD均小于1.18%，表明該方法重復(fù)性良好。

4 結(jié)論

本實(shí)驗(yàn)通過機(jī)器嗅覺技術(shù)，采集和分析不同產(chǎn)地砂仁氣味特征信息，構(gòu)建基于BP神經(jīng)網(wǎng)絡(luò)的氣味鑒別模型。結(jié)果表明：采用三層結(jié)構(gòu)的BP神經(jīng)網(wǎng)絡(luò)對不同產(chǎn)地砂仁氣味數(shù)據(jù)進(jìn)行訓(xùn)練和學(xué)習(xí)，并將訓(xùn)練好的網(wǎng)絡(luò)模型進(jìn)行預(yù)測性能對比，圖3～圖5表明，4種不同產(chǎn)地砂仁的氣味信息有明顯區(qū)別，對訓(xùn)練集和測試集氣味特征數(shù)據(jù)的鑒別都達(dá)到了100%的準(zhǔn)確區(qū)分；同時(shí)，對該網(wǎng)絡(luò)模型進(jìn)行重復(fù)性測試，4種砂仁的氣味指紋譜圖各共有峰相對峰面積的RSD均小于1.25 %，相對保留時(shí)間的RSD均小于1.18 %。因此，基于機(jī)器嗅覺結(jié)合BP神經(jīng)網(wǎng)絡(luò)氣味鑒別不同產(chǎn)地砂仁的方法完全可行，且準(zhǔn)確性高。

本研究基于機(jī)器嗅覺技術(shù)初步探討了砂仁整體氣味信息的鑒別方法，該方法簡便快速，樣本無需磨粉，準(zhǔn)確性高。但若研究不同產(chǎn)地砂仁揮發(fā)性物質(zhì)氣味的化學(xué)成分含量差別，尚需結(jié)合其他氣相色譜-質(zhì)譜、色譜/光譜等化學(xué)儀器分析方法，以達(dá)到對砂仁的全面質(zhì)量控制，這樣基于機(jī)器嗅覺的氣味指紋圖譜才真正實(shí)現(xiàn)可行、可控。

[1] 國家藥典委員會(huì).中華人民共和國藥典一部[M].北京:中國醫(yī)藥科技出版社,2015:253.

[2] 劉夢楚,鄒曉紅,藍(lán)倫禮,等.基于電子鼻及頂空-氣質(zhì)聯(lián)用技術(shù)結(jié)合化學(xué)計(jì)量學(xué)區(qū)分不同產(chǎn)地的砂仁[J].中國實(shí)驗(yàn)方劑學(xué)雜志, 2017,23(6):35-42.

[3] 鄒曉紅,劉夢楚,藍(lán)倫禮,等.HPLC測定不同產(chǎn)地砂仁中原兒茶酸和香草酸的含量[J].中國實(shí)驗(yàn)方劑學(xué)雜志,2017,23(8): 62-66.

[4] 周華英,李鐘,劉紅秀.基于仿生嗅覺的中藥材鑒別方法研究現(xiàn)狀[J].實(shí)用醫(yī)藥雜志, 2016,33(6):551-553.

[5] 王洋,申麗,江坤,等.中藥砂仁質(zhì)量的化學(xué)模式識(shí)別研究[J].藥物分析雜志,2016,36(10):1863-1869.

[6] 吳志遠(yuǎn).氣相色譜-質(zhì)譜技術(shù)在砂仁揮發(fā)油有效成分分析中的應(yīng)用[J].大家健康(學(xué)術(shù)版),2014,8(5):48.

[7] 申麗,王洋,江坤,等.陽春砂、綠殼砂與海南砂高效液相色譜指紋圖譜比較研究[J].中國藥學(xué)雜志,2016,51(12): 1039- 1043.

[8] 田維芬,周君,明庭紅,等.基于電子鼻和GC—MS的不同品牌橄欖油揮發(fā)性風(fēng)味物質(zhì)研究[J].食品工業(yè)科技,2017,38(7): 285-292.

[9] 潘慶先,董紅斌,韓啟龍,等.一種基于BP神經(jīng)網(wǎng)絡(luò)的屬性重要性計(jì)算方法[J].中國科學(xué)技術(shù)大學(xué)學(xué)報(bào),2017,47(1):18-25.

[10] 楊周,劉盼學(xué),王昊,等.應(yīng)用BP神經(jīng)網(wǎng)絡(luò)分析電主軸頻率可靠性靈敏度[J].哈爾濱工業(yè)大學(xué)學(xué)報(bào),2017, 49(1):30-36.

[11] 王俊杰.優(yōu)化BP神經(jīng)網(wǎng)絡(luò)在手寫體數(shù)字識(shí)別中的性能研究[J].電子設(shè)計(jì)工程,2017,25(6):27-30.

[12] 桑曉丹.PSO-BP神經(jīng)網(wǎng)絡(luò)在多元有害氣體檢測中的應(yīng)用[J].廣東蠶業(yè),2017,51(6):5-6.

Odor Identification of Aromi Fructus Based on Machine Olfactory Combined with BP Neural Network

Zhu Zhijun Zhou Huaying Luo Kunhao Wu Kaixi

(College of Medical Information Engineering, Guangdong Pharmaceutical University)

Four groups of aroma information of Aromi Fructus from different habitats were detected and analyzed, and a new identification method based on machine olfactory combined with BP neural network was put forward to identify Aromi Fructus from different habitats. Odor information of four groups of Aromi Fructus coming from different habitats was collected by an electronic nose (PEN3), and a BP neural network model with three layers was constructed. Through repeated learning and training, models of odor characteristics of Aromi Fructus were determined and the simulation for identification was realized based on MATLAB 2013. The experimental results showed that odor feature information of Aurantii Fructus from different growing areas were similar, but there were significant differences in peaks’ value from each other. The BP neural network model was obtained and the accuracy rates for training set and testing set were all 100%. The method is simple, nondestructive and accurate, providing a reference for the quality control of Chinese herbal medicine.

Machine Olfactory; BP Neural Network; Aromi Fructus; Odor Identification

朱志均，男，1996年生，本科，學(xué)士，主要研究方向：計(jì)算機(jī)應(yīng)用技術(shù)。

周華英（通信作者），女，1974年生，博士研究生，主要研究方向：信息獲取與控制。E-mail: 287059250@qq.com

國家自然科學(xué)基金（61571140）；全國大學(xué)生創(chuàng)新創(chuàng)業(yè)項(xiàng)目（201610573009）。