王宏偉

(湖北理工學(xué)院,湖北 黃石 435003)

BP神經(jīng)網(wǎng)絡(luò)和電子舌技術(shù)在茶葉品質(zhì)分級(jí)中的應(yīng)用

王宏偉

(湖北理工學(xué)院,湖北 黃石 435003)

提出了一種通過(guò)茶湯滋味鑒別茶葉品質(zhì)等級(jí)的新方法。把電子舌傳感器采集到的茶湯數(shù)據(jù)作為特征參數(shù)進(jìn)行BP神經(jīng)網(wǎng)絡(luò)模式識(shí)別，識(shí)別率達(dá)95%以上，具有較好的效果。實(shí)驗(yàn)結(jié)果表明，電子舌技術(shù)結(jié)合模式識(shí)別方法對(duì)茶葉品質(zhì)進(jìn)行分級(jí)是可行的。

茶葉品質(zhì)分級(jí)；BP神經(jīng)網(wǎng)絡(luò)；電子舌

0 引言

一直以來(lái)，對(duì)于茶葉品質(zhì)的評(píng)定，國(guó)內(nèi)外普遍采用感官審評(píng)法。感官審評(píng)法容易受到審評(píng)人員的工作經(jīng)驗(yàn)、生理?xiàng)l件以及環(huán)境條件等因素的影響，不同的審評(píng)人員對(duì)同一個(gè)樣茶的感官審評(píng)結(jié)果往往存在一定的差異，進(jìn)而影響審評(píng)結(jié)果的準(zhǔn)確性。多年來(lái),茶學(xué)工作者一直致力于尋求能輔助或取代傳統(tǒng)感官審評(píng)茶葉品質(zhì)的評(píng)判方法[1-2]。

電子舌是一種新興的模擬人的味覺(jué)系統(tǒng)的快速檢測(cè)儀器系統(tǒng),能夠克服人為的主觀因素對(duì)味覺(jué)信息判斷的影響。檢測(cè)時(shí)，電子舌傳感器對(duì)液體樣本產(chǎn)生響應(yīng)并輸出其味覺(jué)特征信號(hào)。目前，電子舌在飲料業(yè)、制藥業(yè)、農(nóng)業(yè)、環(huán)境監(jiān)測(cè)和醫(yī)學(xué)檢測(cè)等行業(yè)應(yīng)用廣泛[3-4]。

本文將電子舌7個(gè)傳感器采集到的茶湯原始信號(hào)作為BP神經(jīng)網(wǎng)絡(luò)的輸入，然后進(jìn)行模式識(shí)別，從而達(dá)到為茶葉分級(jí)的目的。

1 實(shí)驗(yàn)材料和實(shí)驗(yàn)設(shè)備

1.1實(shí)驗(yàn)材料

選取西湖龍井特級(jí)、一級(jí)和二級(jí)共3個(gè)級(jí)別的干茶茶葉作為實(shí)驗(yàn)樣本，同一茶葉樣本出廠日期一致，所有樣本均購(gòu)自黃石當(dāng)?shù)爻?，茶葉初產(chǎn)地位于浙江杭州。

1.2實(shí)驗(yàn)設(shè)備

實(shí)驗(yàn)采用法國(guó)Alpha MOS公司研發(fā)的ASTREEⅡ電子舌檢測(cè)系統(tǒng)采集茶葉樣品的味覺(jué)信息。電子舌裝置原理示意圖如圖1所示。

圖1 電子舌裝置原理示意圖

電子舌檢測(cè)系統(tǒng)配有7個(gè)具有交叉選擇性功能的傳感器(代號(hào)分別為ZZ、BA、BB、CA、GA、HA和JB)和1個(gè)Ag/AgCI參比電極，各傳感器對(duì)液體的酸、甜、苦、鮮、咸等滋味敏感，但敏感程度各不相同。數(shù)據(jù)采集前，ASTREEⅡ系統(tǒng)需要進(jìn)行自檢、診斷和矯正等操作，以確保電子舌傳感器響應(yīng)信號(hào)的可靠性和穩(wěn)定性[5-6]。

2 茶湯數(shù)據(jù)采集

2.1樣本準(zhǔn)備及預(yù)處理

將特級(jí)、一級(jí)和二級(jí)每個(gè)等級(jí)的龍井茶葉各選取40個(gè)樣本，其中20個(gè)為訓(xùn)練樣本，另外20個(gè)為驗(yàn)證樣本，總共120個(gè)樣本，每個(gè)樣本3.0g。

按常規(guī)方法沖泡，100mL 95℃以上開(kāi)水沖泡5min，然后用脫脂棉過(guò)濾，將溶液定容至80mL ，冷卻至25℃時(shí)進(jìn)行電子舌檢測(cè)，系統(tǒng)工作溫度控制在25℃左右。

2.2數(shù)據(jù)采集

設(shè)置每個(gè)樣品數(shù)據(jù)采集時(shí)間為120s，每秒采集一個(gè)數(shù)據(jù)。剛開(kāi)始時(shí)，傳感器的值會(huì)有所波動(dòng)，5s后基本趨于穩(wěn)定，100s之后，數(shù)據(jù)已經(jīng)很穩(wěn)定，于是取最后20s測(cè)量值的平均值作為該傳感器的響應(yīng)值。電子舌傳感器采集數(shù)據(jù)如表1所示。

表1電子舌傳感器采集數(shù)據(jù)mV

級(jí)別代 號(hào)ZZBABBCAGAHAJB特級(jí)2310．35～2563．453875．56～4018．591137．13～1496．82874．71～1139．421284．93～1635．602054．36～2318．172869．74～2949．69一級(jí)2431．61～2687．243786．45～4165．481291．67～1496．21950．66～1206．351354．02～1559．062196．68～2246．112790．51～3014．76二級(jí)2691．36～2865．494121．66～4572．341365．44～1563．591094．81～1285．741400．39～1655．332355．32～2569．442963．75～3256．97

3 BP神經(jīng)網(wǎng)絡(luò)

3.1 BP神經(jīng)網(wǎng)絡(luò)算法

人工神經(jīng)網(wǎng)絡(luò)是由大量的神經(jīng)元(nerve cell)互相連接而成的網(wǎng)絡(luò)，是對(duì)生物神經(jīng)網(wǎng)絡(luò)的抽象簡(jiǎn)化和模擬。人工神經(jīng)網(wǎng)絡(luò)具有大規(guī)模并行運(yùn)算、分布式存儲(chǔ)、自組織和自學(xué)習(xí)等特點(diǎn)，能夠充分逼近非線性映射關(guān)系。這使得人工神經(jīng)網(wǎng)絡(luò)在模式識(shí)別領(lǐng)域應(yīng)用廣泛[7]。

常見(jiàn)的神經(jīng)元之間的連接方式有前向網(wǎng)絡(luò)、遞歸網(wǎng)絡(luò)和橫向連接網(wǎng)絡(luò)等。BP(Back-Propogation，誤差反向傳播)神經(jīng)網(wǎng)絡(luò)屬于前向網(wǎng)絡(luò)，其主要思想是從后向前(反向)逐層傳播輸出層的誤差，間接算出隱層誤差。算法可分為2個(gè)階段：第1階段(正向過(guò)程)為輸入信息從輸入層經(jīng)隱層逐層計(jì)算各單元的輸出值；第2階段(反向傳播過(guò)程)為從輸出誤差逐層向前算出隱層各單元誤差，并用此誤差修正前層權(quán)值。

在BP算法中通常采用梯度法修正權(quán)值，為此要求輸出函數(shù)可微。為不失其普遍性，現(xiàn)假設(shè)處于某一層的第j個(gè)計(jì)算單元，腳標(biāo)i代表其前層第i個(gè)單元，腳標(biāo)k代表其后層第k個(gè)單元，Oj代表本層輸出，Wij是前層到本層的權(quán)值，反向傳播算法中的因量約定如圖2所示。

圖2 反向傳播算法中的因量約定

BP算法的C語(yǔ)言實(shí)現(xiàn)代碼為[8]：

……

While(loop

for(m=0;m,datam;m++){ //對(duì)datam個(gè)樣本進(jìn)行增量訓(xùn)練，m為樣本個(gè)數(shù)

max=0.0;

min=0.0;

for(i=0;i

x_out[i]=data[m].input[i];

if (max< x_out[i])

max= x_out[i];

if (min> x_out[i])

min= x_out[i];

}

……

for (i=0; i

sumtemp=0.0;

for (j=0; j

sumtemp+=w[j][i]*x_out[j];

hn_out[i]=tanh(sumtemp);

}

for (i=0; i

sumtemp=0.0;

for(j=0;j

y_out[i]=g(sumtemp);

}

……

3.2 BP神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)

BP神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)的主要任務(wù)是確定網(wǎng)絡(luò)層數(shù)、每層的神經(jīng)元個(gè)數(shù)、目標(biāo)誤差等。

1)網(wǎng)絡(luò)層數(shù)：一個(gè)神經(jīng)網(wǎng)絡(luò)包括輸入層、隱含層和輸出層。輸入層和輸出層對(duì)任何神經(jīng)網(wǎng)絡(luò)都固定為一層，因此用戶只需要確定隱含層的個(gè)數(shù)即可。不同層數(shù)的隱含層判別能力不同，本文采用單隱含層。單隱含層判別域?yàn)殚_(kāi)放或閉合的凸區(qū)域。

2)輸入層、輸出層及隱含層神經(jīng)元個(gè)數(shù)：輸入層神經(jīng)元個(gè)數(shù)X由茶葉特征參數(shù)確定，本文提取7個(gè)傳感器數(shù)據(jù)，故輸入層神經(jīng)元個(gè)數(shù)X=7；輸出層神經(jīng)元個(gè)數(shù)由需要分類的數(shù)量決定，本文擬將茶葉分為3類，故輸出層神經(jīng)元個(gè)數(shù)Y=3；通過(guò)多次試驗(yàn)選擇隱含層的神經(jīng)元個(gè)數(shù)Z=(X+Y)/2=5。

3)目標(biāo)誤差：目標(biāo)誤差選擇過(guò)大，會(huì)影響分類的準(zhǔn)確性；太小則會(huì)增加訓(xùn)練時(shí)間，而且可能造成神經(jīng)網(wǎng)絡(luò)不收斂。本文選擇目標(biāo)誤差為0.01[7]。

4 茶葉的BP網(wǎng)絡(luò)分級(jí)結(jié)果

采用BP神經(jīng)網(wǎng)絡(luò)對(duì)樣本茶葉進(jìn)行分級(jí)判別，分級(jí)判別結(jié)果如表2所示。

表2 分級(jí)判別結(jié)果

由表2可以看出，BP神經(jīng)網(wǎng)絡(luò)對(duì)樣本茶葉進(jìn)行分級(jí)判別，98.3%的訓(xùn)練組樣本可以正確地被分級(jí)，93.3%的驗(yàn)證組樣本可以正確地被分級(jí)，總的識(shí)別率為95.8%。

5 結(jié)論

本文利用電子舌技術(shù)對(duì)茶湯味道進(jìn)行分析，獲取ZZ、BA、BB、CA、GA、HA和JB 7個(gè)特征參數(shù)，運(yùn)用模式識(shí)別中的BP神經(jīng)網(wǎng)絡(luò)對(duì)茶葉進(jìn)行分級(jí)識(shí)別，總的識(shí)別率在95%以上，具有較好的分類、分級(jí)效果。

[1] 黃繼軫.論茶葉品質(zhì)的構(gòu)成及品質(zhì)評(píng)定[J].茶葉通報(bào),2000,22(2):19-21.

[2] 陸松侯,施兆鵬.茶葉審評(píng)與檢驗(yàn)[M].3版.北京:中國(guó)農(nóng)業(yè)出版社,2001:52-57.

[3] L Lvova,A Legin,Yu Vlasov,et al.Multicompenent analysis of Korean green tea by means of disposable all-solid-state potentiometric electronic tongue microsystem[J].Sens.Actuators,2003,95(B):391-399.

[4] N Togari,A Kobayashi,T Aishma.Pattern recognition applied to gas chromatograPhic Profiles of volatile comPonent in three tea catagories[J].Food Res.Int,1995,28:495-502.

[5] 王新宇.基于計(jì)算機(jī)視覺(jué)和電子舌技術(shù)的綠茶分類分級(jí)研究[D].鎮(zhèn)江:江蘇大學(xué)，2007.

[6] 肖宏.基于電子舌技術(shù)的龍井茶滋味品質(zhì)檢測(cè)研究[D].杭州:浙江大學(xué)，2010.

[7] 盛立東.模式識(shí)別導(dǎo)論[M].北京：北京郵電大學(xué)出版社，2010:309-330.

[8] 馮偉興，梁洪，王臣業(yè).Visual C++數(shù)字圖像模式識(shí)別典型案例詳解[M].北京：機(jī)械工業(yè)出版社，2012:60-62.

(責(zé)任編輯桂堤)

Application of BP-ANN and Electronic Tongue Technology inClassification of Tea Quality

WangHongwei

(Hubei Polytechnic University,Huangshi Hubei 435003)

This paper proposes a new method to identify tea quality grade by the taste of tea.The datas of tea liquor collected by the sensor of electronic tongue are used as characteristic parameters of tea for BP pattern recognition and Neural Network and the tea identification rate can reach above 95%,which has achieved a good effect.The experimental result shows that the use of electronic tongue combined with pattern recognition method for classification of tea quality is feasible.

classification of tea quality;BP-ANN;electronic tongue

2014-04-24

湖北省教育廳科研項(xiàng)目(項(xiàng)目編號(hào)B20104403)。

王宏偉(1968— ),男，副教授，碩士，研究方向:模式識(shí)別、密碼編碼。

10.3969/j.issn.2095-4565.2014.04.009

TP391.4

A

2095-4565(2014)04-0033-03