長期以來食物品質評價主要通過專家感官評測和化學評測兩種方法。感官評測的主觀性強，存在較大個體差異，標準不統一，重復性差，并且人的感官對食品氣味具有適應性，容易出現疲勞影響評價結果；化學評測方法，如氣相色譜質譜分析儀(GC-MS)、試紙法等，測量過程中需要制備和處理樣品，對檢測人員的專業水準有較高的要求，而且化學檢測方法又有檢測周期較長、儀器成本高等局限性，因此難以推廣[1-2]。電子鼻系統的出現從根本上克服了以上缺點，與傳統的氣體成分分析方法相比，它具有體積小、功耗低、可靠性高、價格低廉、可以實現在線測量、可以實現便攜式設計等優點，已被廣泛應用于環境監控、化學工業控制、醫療衛生、食品質量檢測等領域[3-5]。

  　采用分立式傳感器陣列，研制了電子鼻系統。實驗中，通過對5種不同種類的食用醬進行氣體成分檢測，獲得“氣體指紋信息”，建立“氣味指紋數據庫”，在此基礎上對未知醬品進行檢測，實現了對不同種類食用醬的準確區分。
1 硬件設計
    電子鼻系統在硬件設計方案上由采樣系統和控制系統兩部分組成，如圖1所示。采樣系統包括傳感器陣列、傳感器陣列驅動電路以及氣體采集裝置。傳感器陣列置于氣體采集裝置內部,可對被測敏感氣體進行探測。傳感器陣列驅動電路通過電纜與傳感器陣列相連，向傳感器陣列提供驅動電流，并使它們工作在預置狀態。氣體采集裝置用來為氣體檢測提供一個穩定的實驗環境。環境條件的改變可以通過電源控制模塊對氣體采集裝置的控制得以實現。

    控制系統由傳感器陣列信號調理電路、模數轉換模塊ADC以及中央處理器組成。傳感器陣列信號調理電路根據各氣體傳感器的氣敏特性存在差異性，設計出針對不同參數特性量級的信號調理電路。模數轉換器ADC將傳感器陣列信號調理電路輸出的模擬量轉換為中央處理器所需的數字量。同時，為了對數據進行快速處理，控制系統采用32位微處理器STM32F103ZE作為核心控制器，可以對各信號調理電路通道進行切換和模數轉換器ADC的控制。測試過程中，控制系統通過RS232通信方式將數據實時上傳至上位機進行數據整理，并通過主成分分析PCA和學習矢量量化LVQ混合神經網絡模式識別算法對數據進行分析，最終將氣體檢測結果呈現出來。
1.1傳感器陣列
     傳感器陣列作為獲取樣品特征信息的源頭，是硬件系統的核心部分。根據食物品質評價的需求，選用了6種性能優良的費加羅金屬氧化物半導體傳感器TGS2610、TGS2600、TGS2620、TGS2602、TGS2201和TGS2611構成傳感器陣列，性能指標如表1所示。

1.2 氣體采集裝置
    傳感器陣列及傳感器驅動電路均置于5 L的玻璃氣室中，如圖2所示。由于被測氣體與傳感器接觸后，其表面電導率會發生變化，通過信號調理電路將半導體傳感器輸出信號調整在0~5 V之間，經過處理的信號通過采集系統傳輸給中央處理器[6]。

    由于半導體傳感器的性能受其工作環境溫度的影響，實驗中，采用溫度傳感器監測環境溫度，利用水浴加熱的方式保證測試環境溫度恒定，減小溫度因素對傳感器特性的影響，同時促進樣品氣體的充分揮發。
1.3 傳感器陣列調理電路
     由于各氣體傳感器的氣敏特性(內阻)存在差異性，傳感器陣列信號調理電路針對不同量級(1 kΩ、15 kΩ、27 kΩ)的傳感器內阻，設計出相應的配套驅動電路，并且可以根據實際情況由微處理器對各通路進行切換，如圖3所示。

2 系統軟件設計
      上位機軟件從控制系統獲取傳感器陣列的響應數據，并對其進行整理，通過混合PCA和LVQ模式識別算法對數據進行分析。
        首先，利用主成分分析方法PCA對從6個半導體氣體傳感器獲取的數據進行分析，通過式(1)對數據進行標準化，然后通過式(2)進行線性變換得到一個新變量組，從而找出數據中最“主要”的元素和結構，去除數據中的噪音和冗余，將原有的復雜數據矩陣降維，揭示隱藏在復雜數據背后的簡單邏輯關系。

       利用PCA分析方法降維后得到的主成分函數COEFF繪制坐標系得到二維PCA散點圖形使降維后的數據可視化，然后通過LVQ神經網絡，對PCA分析所得到的新變量組進行模式識別，最終將檢測結果呈現出來,具體實現過程如下：
       (1)通過對標準樣本進行檢測，6個傳感器每次產生一組(6個)電阻值，每組樣品采集100組數據，得到100×6的數據矩陣，作為樣本的原始數據，將多個樣本的原始數據匯集形成樣本數據庫。對未知樣品進行檢測時，將數據庫中的樣本數據與未知樣本的數據融合，進行PCA分析，最終得到PCA的成分圖譜。PCA分析方法流程圖如圖5所示。

    (2)對PCA分析所得到的新變量組進行LVQ所需要訓練參數的設定。輸入層根據訓練樣本為6個傳感器的電子數據，從而確定輸入層節點數為6個。輸出層為所識別的類別數，根據對5種醬品的品質進行鑒別，固確定輸出層個數為5個，隱含層通過實驗確定為12，學習速率和初始權值向量選取系統默認值。
     (3)最后軟件系統通過PCA和LVQ混合神經網絡模式識別算法所得到氣味的“指紋信息”與數據庫中的特征數據進行比對，最終將氣體檢測結果呈現出來。
3 實驗結果及分析
     實驗中,利用自主研制的電子鼻系統對5種不同的食用醬進行檢測，并對未知醬品進行識別。5種醬品分別為大醬、豆瓣醬、多味辣醬、黃干醬和沙茶醬。所有醬品在相同的條件下進行實驗處理。實驗中每種樣品取5 g放入蒸發皿中，放入氣室內。 當樣品在氣室中靜置5 min后采集傳感器數據。采集樣品數據前獲取100組電阻值作為R0樣本，采集樣品后600個點作為Rx，分別繪制電子鼻系統對6種樣品的標準化響應曲線，如圖6所示。

    通過電子鼻系統對6種樣品的標準化響應曲線對比，發現各曲線相似度極高，很難發現不同醬品標準化響應曲線的差別。因此，需要借助PCA方法做進一步處理，繪制的PCA分析圖譜如圖7所示。  

    由圖8可知，電子鼻對5種樣品的混淆度為0，可以準確地對5種醬品進行檢測評價。
    基于PCA和LVQ混合神經網絡算法的電子鼻系統硬件方面由采樣系統和控制系統組成，在軟件方面根據主成分分析（PCA）和學習矢量量化（LVQ）混合神經網絡模式識別算法，研制出能夠對五種不同種類的食用醬進行準確評價的電子鼻系統。系統依據氣體傳感器在氣體特性上存在差異，對其信號調整電路進行了優化，并建立了氣味的“指紋信息”數據庫，最終將氣體檢測結果呈現出來。
參考文獻
[1] 張青春，葉小婷. 基于電子鼻技術的混合氣體檢測方法研究[J].電子技術應用,2011,37(12):80-82.
[2] 石志標，黃勝全，范雪冰，李揚. 基于生物嗅覺的電子鼻研究[J]. 中國機械工程，2007, 18(23):2810-2813.
[3] MAHMOUDI E. Electronic nose technology and its applications[J]. Sensors & Transducers, 2009,107(8):17-25.
[4] YU H, WANG J, YAO C, et al. Quality grade identication of green tea using E-nose by CA and ANN [J]. LWT  Food Science and Technology, 2008(41):1268-1273.
[5] ZHANG S, XIE C, BAI Z, et al. Spoiling and formaldehyde-containing detections in octopus with an E-nose[J]. Food Chemistry, 2009(113):1346-1350.
[6] 袁桂玲，袁軍強. 基于ICA算法的智能電子鼻在混合氣體特征提取中的應用[J]. 計算機測量與控制,2011,19(4):984-986.
[7] CARMEL L, LEVY S, LANCET D, et al. A feature extraction method for chemical sensors in electronic noses[J].  Sensors and Actuators B, 2003(93):67-76.
[8] 欒淑禾，閏衛平，全寶富，陳麗華. 用于電子鼻研究的多傳感器實時動態測試系統設計[J]. 測控技術, 2005,24(2):1-4.
[9] 劉樹海，鄭傳濤，徐琳，等.基于恒電流源的電阻式氣敏傳感器檢測系統[J]. 吉林大學學報:信息科學版, 2012,30(4):376-380.