電子鼻傳感技術在辣椒料氣味等級檢測中的應用

李倩，李喆時

(1.河北傳媒學院，石家莊 051430；2.石家莊理工職業學院，石家莊 050228)

辣椒最初產自中南美洲熱帶國家，在明代時期傳入我國，辣椒作為一種調味料，富含辣椒素、維生素C和胡蘿卜素等營養物質。辣椒氣味刺激，有除濕和增溫的功效，辣椒的特殊氣味能激發前列腺素的釋放，促進胃膜的蠕動再生，保持腸胃功能，防治胃潰瘍的同時能夠激發食欲[1]，并有利于血液循環[2]。電子鼻是用于分析、識別和檢測復雜氣味的嗅覺裝置[3]，它模擬人的嗅覺對揮發性成分進行判斷。羅鳳蓮等[4]研究表明，用感官評定法測得干辣椒樣品的辣度與電子鼻法結果一致。曾嶺嶺等[5]針對貴陽地區人們對辣味食品辣度的感官評價進行了調查，在考慮辣椒原料綜合利用的基礎上，設計了定量添加辣椒精以生產不同辣度辣味食品的工藝路線[6]。熊敏等、Liu H等、Zhang Q等、閻紅等[7-10]應用電子鼻技術評價香辛料對食品風味的作用，但利用電子鼻技術對辣椒料氣味等級進行識別的研究較少。

電子鼻結構圖見圖1。

圖1 電子鼻結構Fig.1 Structure of electronic nose

1 實驗方法

1.1 實驗材料

實驗用的辣椒料樣品購于河北某超市，4種樣品分別為不同氣味等級的辣椒料，編號分別為1，2，3，4。

參照Li等[11]、Chen等[12]的方法進行改善。分別稱取1.0 g樣品置于帶蓋的樣品瓶中進行密封，在常溫保持30 min；設置PEN3電子鼻傳感器清潔時間為120 s，檢測樣品時間為70 s。每個樣品測定3次。

1.2 實驗裝置

采用PEN3電子鼻對辣椒料氣味等級進行檢測，電子鼻傳感器及其功能見表1。

表1 電子鼻傳感器及其功能Table 1 Electronic nose sensors and their functions

1.3 傳感器陣列對辣椒料樣品的響應

由于電子鼻傳感器易受外界干擾，對實驗結果有較大誤差，可以通過對傳感器采集的數據進行平滑，在一定程度上排除傳感器自身和外界環境所引起的誤差。

圖2 傳感器陣列對樣品1號辣椒的響應曲線Fig.2 Response curves of sensor array to sample No.1 pepper

由圖2中10種傳感器對其中1種辣椒料樣品的平滑曲線可以明顯看出，傳感器陣列在最初采樣點數時響應電壓很弱，大約為0.2左右，之后辣椒料的氣味信息明顯，傳感器陣列的響應電壓逐漸上升，一段時間后達到最大，輸出電壓為最大值，將辣椒料樣品拿走，傳感器輸出電壓驟降，其中10種傳感器的響應電壓的變化趨勢相同，但是電壓值各不相同，變化速度也存在一定的差異。

1.4 樣品特征響應值

采用10種傳感器陣列對每種辣椒料樣品進行數據分析時，響應曲線點太多，不能全都選取，因此只選取最能代表辣椒料氣味特征的響應值作為特征值，4種樣品實驗后對應的響應值見表2。

表2 4種樣品的傳感器特征響應值Table 2 E-nose sensor response values of four samples

2 模式識別方法

BP神經網絡能儲存豐富的輸入-輸出關系。人工神經網絡的特色為能夠同時處理和貯存信息，將大量的神經網絡共同作用可以解決更多的問題。一個神經網絡包括輸入層、隱含層(中間層)和輸出層(見圖3)，通常使用的神經網絡是3層網絡。

圖3 BP網絡的結構Fig.3 Structure of BP network

BP網絡包括信息的正向傳播和誤差的反向傳播。神經網絡的正向傳播是各個神經元之間互不影響和干涉，但是只會對其下一個對應的神經元網絡結構有影響作用；正向傳播過程是由輸入信號接收、處理到傳出的過程；相反，在輸出層結點處的輸出層與期望的輸出層相差較大時，兩者之間存在偏差時進行，兩者之間的偏差會根據偏差的大小進行改正，然后反向向輸入層反向傳遞，反向傳播過程則是對實際輸出信號與理想輸出信號進行不斷修正的過程，前提在于兩者之間的差距較大，極其不匹配，則發出信號開始反向傳播過程，兩者之間的偏差經過反向傳播到輸入層，對各個偏差進行調節盡最大可能達到理想情況[13]。BP網絡在正向傳播和反向傳播兩個過程中不斷重復進行，在進行的過程中偏差在不斷減小，則是神經網絡的優化過程，之后進行正向傳播。BP神經網絡算法的根本在于不斷地降低偏差，采用梯度降低的方法，從開始進行修正直到目標達到最小[14]。

3 結果與討論

BP算法識別結果見表3。

表3 BP的鑒別結果Table 3 BP identification results

對于10個傳感器陣列的輸出信號，采用BP神經網絡對樣本進行模式識別時，分類效果很好，但對測試樣本進行分類時，雖然解決問題的能力較強，但是對于偏差和隱含層單元的修正結果不是很好，說明BP神經網絡在小樣本的情況下泛化能力較低。

4 結論

本文利用自行研制的電子鼻系統對4種不同氣味等級的辣椒料樣品在相同條件下進行了數據采集和預處理，采用BP神經網絡進行了結果分析。BP網絡由于在小樣本的情況下泛化能力較低，BP算法適應性強，網絡結構設計靈活方便，并且處理復雜問題較快，對辣椒料等級強度樣品的識別準確度較高，為94.23%。雖然BP網絡得到了廣泛的應用，但它本身也有部分缺點和不足，BP網絡算法的學習效率較低，因此對于大量問題的計算時間較長。另外，BP網絡中的大量隱含層信息不是建立在基礎理論上，而是根據長期實驗獲得的，可靠性較低，并且BP網絡選擇典型樣本問題較大，所以優化BP網絡、更新傳感器陣列信息來提高識別率是下一步要進行的研究。