傅 均,黃燦欽,章鐵飛

(浙江工商大學(xué)計(jì)算機(jī)與信息工程學(xué)院,杭州 310018)

?

便攜式智能電子鼻系統(tǒng)及其葡萄貨架期評價研究*

傅 均*,黃燦欽,章鐵飛

(浙江工商大學(xué)計(jì)算機(jī)與信息工程學(xué)院,杭州 310018)

電子鼻的小型化和智能化是其走向大眾市場的重要環(huán)節(jié)。設(shè)計(jì)了一種基于ARM9和嵌入式Linux操作系統(tǒng)的便攜式智能電子鼻系統(tǒng),通過自制的嵌入式Qt應(yīng)用軟件,實(shí)現(xiàn)在線自動檢測、智能識別及其可視化。為了驗(yàn)證系統(tǒng)功能,將其用于葡萄貨架期評價,對6個平行樣品組進(jìn)行10天測量,利用軟件內(nèi)置的主成分分析和多重判別分析等方法進(jìn)行分析識別,最后用留一法交叉驗(yàn)證分別得到83.3%和80.6%的平均識別率。該系統(tǒng)結(jié)構(gòu)靈活、功能通用、操作簡便,可滿足不同場景的現(xiàn)場氣味檢測需求。

電子鼻;嵌入式系統(tǒng);主成分分析;多重判別分析;貨架期

與現(xiàn)代分析儀器和嗅辨員相比,電子鼻因其快速、簡單、客觀和廉價等優(yōu)點(diǎn)備受重視。經(jīng)過三十多年研究積累,眾多商用電子鼻系統(tǒng)[1-2]開始涌現(xiàn),并在環(huán)境、食品和醫(yī)療等領(lǐng)域得到廣泛的探索性應(yīng)用。盡管如此,電子鼻要走出實(shí)驗(yàn)室真正進(jìn)入生產(chǎn)生活,還有許多問題亟待解決,例如廣譜穩(wěn)定的氣敏元件,魯棒通用的模式識別算法,以及低功耗、小型化、自動化等技術(shù)問題。

電子鼻的小型化受技術(shù)、成本和功能等因素相互牽制,平衡結(jié)果是其通用性的降低。目前實(shí)驗(yàn)研究使用的便攜式電子鼻原型或產(chǎn)品[3-7]大都采用低端單片機(jī),用于數(shù)據(jù)采集,而分析功能簡單,通常需要借助計(jì)算機(jī)完成模式識別,體積較大,限制了其應(yīng)用場合。而嵌入式技術(shù)的發(fā)展允許電子鼻儀器內(nèi)嵌操作系統(tǒng),從而解決了復(fù)雜計(jì)算及結(jié)果可視化等問題,實(shí)現(xiàn)了不同程度的小型化。

Perera等[8]在低功耗GEODE處理器和GNU/Linux操作系統(tǒng)上實(shí)現(xiàn)了一種C/S結(jié)構(gòu)的便攜式電子鼻ipNose,通過電話線或以太網(wǎng)等方式接受遠(yuǎn)端主機(jī)的操作命令,上傳數(shù)據(jù),機(jī)載軟件采用基于最大期望算法的混合高斯模型。白福銘等[9]設(shè)計(jì)了一種基于ARM9和WinCE操作系統(tǒng)的電子鼻,采集的數(shù)據(jù)傳入計(jì)算機(jī)端的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練和識別,并測試了不同品牌純牛奶和不同生產(chǎn)日期干酪的識別。張延軍等[10]設(shè)計(jì)了一種基于ARM7和μC/OS-II操作系統(tǒng)的電子鼻,數(shù)據(jù)傳入計(jì)算機(jī)端先完成BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練,再將網(wǎng)絡(luò)模型植回嵌入式系統(tǒng)用于識別,并測試了豬肉貯藏過程中的品質(zhì)變化。李江勇等[11]設(shè)計(jì)了一種基于ARM9和嵌入式Linux操作系統(tǒng)的電子鼻用于數(shù)據(jù)采集,再利用計(jì)算機(jī)端MATLAB軟件分析數(shù)據(jù)實(shí)現(xiàn)3種氣味識別。這些系統(tǒng)都采用了高端處理器和操作系統(tǒng)來實(shí)現(xiàn)更復(fù)雜的功能,但仍需依賴計(jì)算機(jī)完成模式識別。

我們前期構(gòu)建了基于MSP430等單片機(jī)的電子鼻系統(tǒng),并通過計(jì)算機(jī)端的Delphi軟件實(shí)現(xiàn)控制和數(shù)據(jù)采集,以配合仿生嗅覺神經(jīng)網(wǎng)絡(luò)的研究及應(yīng)用[12-13]。在此基礎(chǔ)上,我們改進(jìn)和設(shè)計(jì)了一種基于ARM9和嵌入式Linux操作系統(tǒng)的便攜式智能電子鼻系統(tǒng),嵌入式軟件內(nèi)置了雷達(dá)圖分析、主成分分析和多重線性分析等方法,并通過對葡萄貨架期的評價識別來驗(yàn)證系統(tǒng)的有效性。

圖1 嵌入式智能電子鼻系統(tǒng)

1 嵌入式電子鼻的硬件結(jié)構(gòu)

嵌入式智能電子鼻系統(tǒng)主要包括氣敏傳感陣列、氣室及流控裝置、數(shù)據(jù)采集電路、智能識別系統(tǒng)及人機(jī)界面等五部分,結(jié)構(gòu)框圖和原型實(shí)物圖如圖1(a)和圖1(b)所示,其中計(jì)算機(jī)部分只用于系統(tǒng)調(diào)試和高級分析,并非必需,整機(jī)尺寸為20 cm×18 cm×14 cm。系統(tǒng)采用MSP430和ARM9雙芯片結(jié)構(gòu),前者用于實(shí)時數(shù)據(jù)采集和控制,負(fù)責(zé)氣敏傳感器加熱控制、氣味響應(yīng)信號獲取、采樣泵和排廢泵的定時控制等;后者負(fù)責(zé)模式識別和顯示,包括對前者的控制、數(shù)據(jù)預(yù)處理、響應(yīng)曲線顯示、模式識別及其可視化等,從而解除了普通電子鼻系統(tǒng)對計(jì)算機(jī)的依賴,滿足了現(xiàn)場檢測中便攜式、智能化和低成本要求。

系統(tǒng)可用8種金屬氧化物半導(dǎo)體(MOS型)氣敏傳感器構(gòu)建陣列。所有傳感器及其接口電路集成于PCB板,固定在氣室兩側(cè),并可以根據(jù)需要自由更換。被分析氣味通過采樣泵進(jìn)入氣室,靜止反應(yīng)一段時間后,同時開啟采樣泵和排廢泵,用清潔空氣清洗氣室,讓氣敏傳感器響應(yīng)回復(fù)基線。傳感信號經(jīng)過調(diào)理后,由MSP430的片內(nèi)外設(shè)8通道12位ADC采樣,并由UART直接發(fā)送ARM9處理。ARM9控制觸摸屏和USB鼠標(biāo)實(shí)現(xiàn)人機(jī)交互,通過嵌入式應(yīng)用軟件完成所有操作、識別和顯示。系統(tǒng)也可以通過串口與計(jì)算機(jī)連接,以上傳數(shù)據(jù)進(jìn)行進(jìn)一步分析。

2 嵌入式電子鼻的智能設(shè)計(jì)

2.1 嵌入式應(yīng)用軟件及其功能

電子鼻系統(tǒng)的嵌入式應(yīng)用軟件是基于Qt C++框架(4.6.3版本)自主開發(fā),并運(yùn)行于ARM9的嵌入式Linux操作系統(tǒng)(2.6.32版本),主界面如圖2所示,包括控制板和顯示區(qū)兩部分,可以通過觸摸屏、USB鼠標(biāo)或內(nèi)置虛擬鍵盤進(jìn)行人機(jī)交互,完成在線數(shù)據(jù)采集、智能識別及相關(guān)結(jié)果顯示。

圖2 電子鼻系統(tǒng)的嵌入式應(yīng)用軟件主界面

數(shù)據(jù)采集模塊包括手動模式和全自動模式,前者通過一系列按鍵逐步控制雙泵的開閉、采集的啟停,自由掌握時間,用于陌生場景的試驗(yàn)性采集;后者通過MSP430預(yù)設(shè)程序一鍵式全自動完成前述過程,用于既定場景的工作性采集,以減少勞動強(qiáng)度、精確進(jìn)氣量,從而減少了人為誤差。采集過程中的傳感陣列響應(yīng)將在顯示區(qū)實(shí)時顯示,數(shù)據(jù)/圖像等可保存以備后用。

智能識別模塊包括模式類別標(biāo)簽的自定義輸入、訓(xùn)練樣本所屬模式類別標(biāo)記、模式識別算法選擇以及計(jì)算結(jié)果的顯示、導(dǎo)出與回讀等。用戶可以針對當(dāng)前應(yīng)用場景自定義添加模式類別標(biāo)簽(包括預(yù)設(shè)的未知類別X在內(nèi)最多可達(dá)14類),每次樣本數(shù)據(jù)采集結(jié)束后,可選擇上述類別標(biāo)簽進(jìn)行標(biāo)記,之后可以選擇雷達(dá)圖、PCA或MDA等多種方法對當(dāng)前樣本和已知樣本一起分析,分析結(jié)果將在顯示區(qū)顯示。如果當(dāng)前樣本是標(biāo)記為X的測試樣本,則將彈出對話框告知識別結(jié)果,識別正確的樣本經(jīng)用戶確認(rèn)后可轉(zhuǎn)化為已知樣本,否則該樣本數(shù)據(jù)丟棄。這種模式類別的自定義添加擴(kuò)大了應(yīng)用軟件的通用性,而識別過程中的“再學(xué)習(xí)”累積了更多訓(xùn)練樣本,增強(qiáng)了應(yīng)用軟件的智能化。計(jì)算結(jié)果能以文件形式導(dǎo)出與回讀,以“知識庫”的形式保存或加載到應(yīng)用軟件,以備相同應(yīng)用場景的重用。

得益于Qt優(yōu)良的跨平臺特性,上述軟件另有X11版本可運(yùn)行于計(jì)算機(jī)端的Ubuntu等操作系統(tǒng)。為了分辨率和可讀性,本文中程序運(yùn)行結(jié)果均來自X11版本軟件的截圖,它與ARM版本軟件的結(jié)果是實(shí)質(zhì)等效的。

2.2 模式識別及智能決策

模式識別是電子鼻智能化的核心,一般電子鼻系統(tǒng)由計(jì)算機(jī)完成這些處理,通過一些專用軟件(如STPS,Winmuster)或者通用軟件(如MATLAB)應(yīng)用或設(shè)計(jì)某些經(jīng)典的或新穎的算法實(shí)現(xiàn)氣味識別[12-21]。在嵌入式電子鼻系統(tǒng)中,我們編制了雷達(dá)圖分析(Radar Chart)、主成分分析PCA(Principal Component Analysis)、多重判別分析MDA(Multiple Discriminant Analysis)等3種輕量級方法,以滿足硬件速度限制和可視化分析要求。

(1)

對于PCA算法,通過最小化平方誤差準(zhǔn)則函數(shù)J(ei)來求解ei,由這組正交基構(gòu)成最優(yōu)投影矩陣W。

(2)

可以證明ei可取自樣本協(xié)方差矩陣前k個較大特征值所對應(yīng)的特征向量(d≥k)。

本文嵌入式軟件中PCA算法流程如下:

③采用Jacobi法計(jì)算C的特征值λi和特征向量ei;

④選出最大的k個特征值所對應(yīng)的特征向量,構(gòu)造d×k的投影矩陣W;

⑤通過Y=WTX將樣本矩陣投影到上述k維子空間Ψ,取k=2作二維PCA散點(diǎn)圖。

(3)

本文嵌入式軟件中MDA算法流程如下:

①計(jì)算總類內(nèi)散布矩陣

③計(jì)算總類間散布矩陣

⑤由前c-1個較大特征值對應(yīng)的特征向量構(gòu)造d×(c-1)的投影矩陣W;

⑥通過Y=WTX將樣本矩陣投影到上述c-1維子空間Ψ,取c=3作二維MDA散點(diǎn)圖

因?yàn)樵谔卣魈崛r已經(jīng)對某個樣本進(jìn)行了類別標(biāo)記,可以求出這些模式類別在PCA或MDA投影空間Ψ中的模式中心,故可以在投影空間中計(jì)算未知樣本yx與這些模式中心yωi的歐氏距離D(式(4))來判定類別歸屬。

(4)

3 葡萄貨架期評價應(yīng)用

利用電子鼻監(jiān)測水果采后貯藏期間的氣味變化,可對水果貨架期及其新鮮度品質(zhì)進(jìn)行預(yù)測評估[14-20]。葡萄香氣成分主要來自萜烯類化合物、降異戊二烯衍生物、芳香族化合物、揮發(fā)性脂肪族化合物、含硫化合物和吡嗪類化合物[22],而在劣變過程中主要產(chǎn)生乙酸乙酯、乙醇、二氧化碳和水汽[23]。本文選擇葡萄貨架期評價來驗(yàn)證前述電子鼻系統(tǒng)的有效性。

3.1 材料與試驗(yàn)

實(shí)驗(yàn)采用巨峰葡萄(Kyoho,VitisVinifera×VitisLabrusca),采摘后在約1cm果柄處剪下果粒,并選擇色澤、硬度和大小一致且無表面損傷的果粒裝入500mL廣口瓶,每瓶8粒共6瓶構(gòu)成平行樣品組A～F。蓋緊橡膠塞,靜置于陰涼通風(fēng)處待用。在封瓶后的第1、2、4、6、8、10天固定時間用前述電子鼻系統(tǒng)按組依次檢測:每次先對背景空氣測量5s,然后通過留置在橡膠塞上的長短穿刺針采集葡萄揮發(fā)氣體,反應(yīng)測量2.5min后排廢,同時清洗氣室直至傳感器響應(yīng)回復(fù)基線,再進(jìn)行下一組檢測。

本實(shí)驗(yàn)的電子鼻系統(tǒng)采用Figaro公司的TGS8xx系列氣敏傳感器,其型號和標(biāo)稱檢測目標(biāo)氣體如表1所示。

表1 葡萄貨架期評價實(shí)驗(yàn)中所用氣敏傳感器一覽表

3.2 傳感信號分析

圖3 雷達(dá)圖上葡萄揮發(fā)氣體的指紋圖譜

利用式(1)對每個樣本進(jìn)行特征提取,同時給定類別標(biāo)簽。本實(shí)驗(yàn)用D1、D2、D4、D6、D8、D10表示第1、2、4、6、8、10天貨架期樣本(以下簡記為D1～D10),這些標(biāo)簽名稱初始在控制板自定義輸入,之后可以通過下拉框選擇。圖3是雷達(dá)圖上的葡萄揮發(fā)氣體指紋圖譜,從極坐標(biāo)0度開始逆時針8個方向軸代表S1～S8傳感器。由圖3可以看出,S2傳感器對葡萄揮發(fā)氣體的反應(yīng)很小,可以視作冗余;其他傳感器對不同貨架期葡萄揮發(fā)氣體都有響應(yīng),其中又以S5方向的變化最大。圖3(a)為第8天所有6個平行樣品組的雷達(dá)圖,圖中每條指紋圖譜的重現(xiàn)性很好,表明這些數(shù)據(jù)樣本的類內(nèi)差異較小;圖3(b)為A組和B組樣品在D1～D10貨架期的雷達(dá)圖,可見不同貨架期的指紋圖譜在形狀和幅度上不同,表明這些數(shù)據(jù)樣本存在較大的類間差異。從而說明所選的氣敏傳感器除了S2冗余外都適用于葡萄貨架期評價,也說明式(1)的差分法特征提取是合適的。

3.3 PCA和MDA方法分析葡萄貨架期

圖4和圖5分別是A～F 6個平行樣品組在D1～D10不同貨架期的二維PCA和MDA散點(diǎn)圖,圖中以顏色和字母區(qū)分不同貨架期,含義在上方圖例中標(biāo)識,并隨著模式類別增多會自動擴(kuò)展到兩排。圖右上角列出最大前3個貢獻(xiàn)率(四舍五入保留到0.1%),其中最大前3個主成分貢獻(xiàn)率為86.7%、8.4%和2.7%,最大前3個判別函數(shù)貢獻(xiàn)率為89.5%、8.7%和1.8%,可見前兩個累計(jì)貢獻(xiàn)率均超過了95%,說明采用二維散點(diǎn)圖足以展示這些樣本的分布情況。

圖4 6組葡萄樣品在D1～D10不同貨架期的二維PCA散點(diǎn)圖

從兩圖中看,總體上同一貨架期的6組樣品分布比較集中,不同貨架期的樣品則有一定距離,這與雷達(dá)圖上觀察到的情形一致。但是也有個別樣本偏離自己的樣本中心,例如在圖4中有一個D4樣本進(jìn)入D2樣本區(qū),有一個D10樣本更接近D8樣本區(qū)。另外值得注意的是,隨著貨架天數(shù)增加,從D1到D10樣本在PCA和MDA散點(diǎn)圖上的分布具有一定的方向性,這個規(guī)律在其他電子鼻貨架期評價中也有報道[15-18]。

圖5 6組葡萄樣品在D1～D10不同貨架期的二維MDA散點(diǎn)圖

在雷達(dá)圖、PCA和MDA散點(diǎn)圖上,第10天D10樣本比較分散,而在原始響應(yīng)曲線圖中幅度較前幾天有突然增大。檢查葡萄樣品發(fā)現(xiàn),果柄大都轉(zhuǎn)黑脫落,果粒變軟,部分果粒有液體滲出,表明葡萄已有較大劣變。

圖6 采用留一法考察PCA對E組葡萄樣品D8貨架期的識別結(jié)果

為了考察PCA和MDA方法對葡萄貨架期的正確識別率,本文采用留一法LOO(Leave-One-Out)進(jìn)行交叉驗(yàn)證測試,即輪流用A～F平行組中的5組作為訓(xùn)練集,剩下1組為測試集,每次從該組讀入一個D1～D10樣本文件(即離線模式,而在線模式中可直接操作采集到的數(shù)據(jù)),特征提取后用X標(biāo)簽標(biāo)記,在下拉框中選擇PCA或MDA方法后點(diǎn)擊Analyze按鍵,軟件彈出對話框告知識別結(jié)果,如圖6是PCA方法對E組樣品D8貨架期的識別結(jié)果。用戶認(rèn)為識別正確可選擇Yes按鍵,則該測試樣本將進(jìn)入訓(xùn)練集,這些訓(xùn)練集可以通過SaveInfo和ReadInfo按鍵保存和讀回,以殷實(shí)智能電子鼻系統(tǒng)的“知識庫”。

表2是采用留一法考察PCA和MDA對6個平行樣品組D1～D10貨架期的正確識別數(shù)和平均識別率,例如A組作為測試集時用PCA方法對該組所有6個D1～D10樣本均識別正確,而A～F組輪流做測試集后計(jì)算PCA的平均識別率為83.3%,同理MDA的平均識別率為80.6%。

表2 采用留一法考察PCA和MDA對6組葡萄樣品貨架期的正確識別

4 結(jié)語

本文設(shè)計(jì)了一種基于ARM9和嵌入式Linux操作系統(tǒng)的便攜式智能電子鼻系統(tǒng),通過基于Qt C++框架開發(fā)的嵌入式應(yīng)用軟件,可以實(shí)現(xiàn)對流控裝置的自動或手動控制、傳感陣列數(shù)據(jù)采集、在線或離線智能識別及相關(guān)結(jié)果的可視化。該系統(tǒng)的嵌入式軟硬件設(shè)計(jì)注重通用性和可擴(kuò)展性,為其在不同場景的應(yīng)用帶來便利。軟件內(nèi)置雷達(dá)圖、PCA和MDA等多種分析方法,有利于多角度解析樣本數(shù)據(jù),得到可靠的識別結(jié)果。通過對巨峰葡萄6個平行樣品組10天貨架期的數(shù)據(jù)采集,使用軟件的PCA和MDA方法進(jìn)行分析識別,在留一法交叉驗(yàn)證中分別得到83.3%和80.6%的平均識別率,從而驗(yàn)證了系統(tǒng)的有效性。

電子鼻走向大眾市場,成為標(biāo)準(zhǔn)的通用的檢測儀器,尚需解決相當(dāng)多的技術(shù)和工程問題,比如氣敏傳感器的長期漂移與可重復(fù)性、環(huán)境溫濕度與氣壓等的影響、模式識別算法的通用性等等,而小型化和便攜化還需要解決硬件計(jì)算能力、功耗、操作簡便與可視化等問題。我們相信隨著各項(xiàng)技術(shù)的發(fā)展,這些瓶頸會逐漸突破,機(jī)器嗅覺將像當(dāng)今的機(jī)器視覺那樣蓬勃發(fā)展,大放異彩。

[1] Rock F,Barsan N,Weimar U. Electronic Nose:Current Status and Future Trends[J]. Chemical Reviews,2008,108(2):705-725.

[2] Chiu S,Tang K. Towards a Chemiresistive Sensor-Integrated Electronic Nose:A Review[J]. Sensors,2013,13:14214-14247.

[3] Arshak K,Lyons G M,Cunniffe C,et al. A Review of Digital Data Acquisition Hardware and Software for a Portable Electronic nose[J]. Sensor Review,2003,23(4):332-344.

[4] Botre B A,Gharpure D C,Shaligram A D. Embedded Electronic Nose and Supporting Software Tool for Its Parameter Optimization[J]. Sensors and Actuators B:Chemical,2010,146:453-459.

[5] Haddi Z,Amari A,Alami H,et al. A Portable Electronic Nose System for the Identification of Cannabis-Based Drugs[J]. Sensors and Actuators B:Chemical,2011,155:456-463.

[6] LamTPon B D,Han Y J,Khalilian A,et al. Development of a Portable Electronic Nose for Detection of Pests And Plant Damage[J]. Computers and Electronics in Agriculture,2014,108:87-94.

[7] Kiani S,Minaei S,Ghasemi-Varnamkhasti M. A Portable Electronic Nose as an Expert System for Aroma-Based Classification of Saffron[J]. Chemometrics and Intelligent Laboratory Systems,2016,156:148-156.

[8] Perera A,Sundic T,Pardo A,et al. A Portable Electronic Nose Based on Embedded PC Technology and GNU/Linux:Hardware,Software and Applications[J]. IEEE Sensors Journal,2002,2(3):235-246.

[9] 白福銘,黃品文,鄭麗敏,等. 基于ARM9的電子鼻系統(tǒng)設(shè)計(jì)與應(yīng)用[J]. 農(nóng)業(yè)機(jī)械學(xué)報,2009,40:138-142.

[10] 張延軍,劉敬彪,蔡強(qiáng),等. 基于嵌入式系統(tǒng)的電子鼻研究與實(shí)現(xiàn)[J]. 電子器件,2010,33(4):466-470.

[11] 李江勇,駱德漢,陳益民,等. 基于ARM9-Linux的嵌入式電子鼻系統(tǒng)的實(shí)現(xiàn)[J]. 計(jì)算機(jī)技術(shù)與發(fā)展,2012,22(11):209-211,215.

[12] Fu J,Li G,Qin Y,et al. A Pattern Recognition Method for Electronic Noses Based on an Olfactory Neural Network[J]. Sensors and Actuators B:Chemical,2007,125(2):489-497.

[13] 傅均,邢建國. 嗅覺神經(jīng)網(wǎng)絡(luò)在電子鼻識別多品牌綠茶中的應(yīng)用研究[J]. 傳感技術(shù)學(xué)報,2012,25(3):313-318.

[14] Gomez A H,Wang J,Hu G,et al. Discrimination of Storage Shelf-Life for Mandarin by Electronic Nose Technique[J]. LWT,2007,40:681-689.

[15] 江琳琳,潘磊慶,屠康,等. 基于電子鼻對水蜜桃貨架期評價的研究[J]. 食品科學(xué),2010,31(12):229-232.

[16] Torri L,Sinelli N,Limbo S. Shelf Life Evaluation of Fresh-Cut Pineapple by Using an Electronic Nose[J]. Postharvest Biology and Technology,2010,56:239-245.

[17] 惠國華,吳玉玲,陳裕泉. 基于電子鼻的香蕉儲存時間鑒別方法研究[J]. 傳感技術(shù)學(xué)報,2012,25(5):566-570.

[18] 尹芳緣,曾小燕,徐薇薇,等. 基于電子鼻的芒果儲存時間預(yù)測方法研究[J]. 傳感技術(shù)學(xué)報,2012,25(9):1199-1203.

[19] 朱娜,毛淑波,潘磊慶,等. 電子鼻對草莓采后貯藏早期霉菌感染的檢測[J]. 農(nóng)業(yè)工程學(xué)報,2013,29(5):266-273.

[20] Sanaeifar A,Mohtasebi S S,Ghasemi-Varnamkhasti M,et al. Application of MOS Based Electronic Nose for the Prediction of Banana Quality Properties[J]. Measurement,2016,82:105-114.

[21] 周宇,孟慶浩,亓培鋒,等. 基于單類支持向量機(jī)的電子鼻在白酒真假識別中的應(yīng)用[J]. 傳感技術(shù)學(xué)報,2015,28(12):1741-1746.

[22] 溫可睿,黃敬寒,潘秋紅,等. 葡萄香氣物質(zhì)及其影響因素的研究進(jìn)展[J]. 果樹學(xué)報,2012,29(3):454-460.

[23] 王文重,董大明,鄭文剛,等. 葡萄劣變過程中揮發(fā)性物質(zhì)的FTIR光譜分析[J]. 化學(xué)學(xué)報,2013,71:234-238.

傅 均(1980-),男,博士,副教授,碩士生導(dǎo)師。1999～2009年在浙江大學(xué)本科和直攻博學(xué)習(xí),2009年至今在浙江工商大學(xué)任教。主要研究方向?yàn)獒t(yī)學(xué)電子與信息技術(shù),人工嗅覺及其傳感技術(shù)、模式識別,物聯(lián)網(wǎng)技術(shù),junfu@zjgsu.edu.cn;

A Portable Intelligent Electronic Nose System and Its Application in Grape Shelf Life Evaluation*

FU Jun*,HUANG Canqin,ZHANG Tiefei

(School of Computer Science and Information Engineering,Zhejiang Gongshang University,Hangzhou 310018,China)

Miniaturization and intellectualization of electronic nose system are extremely important for its real routine use. A portable intelligent electronic nose system based on ARM9 microprocessor and embedded Linux operating system is proposed. An embedded program was developed using Qt C++ framework for on-line automatic odor detection,pattern recognition and result visualization. The system was used in grape shelf life evaluation for validation. Data was collected from six parallel grouTP in ten days and analyzed by principal component analysis and multiple discriminant analysis method embedded in the software. The results of leave-one-out cross validation show that two methods get 83.3% and 80.6% of average correct recognition rate respectively. The system could be applied in variety of in-field odor detection situation because of its alterable structure,versatile function and convenient operation.

electronic nose;embedded system;principal component analysis;multiple discriminant analysis;shelf life

黃燦欽(1989-),男,浙江工商大學(xué)計(jì)算機(jī)與信息工程學(xué)院學(xué)生。畢業(yè)后自主創(chuàng)業(yè),現(xiàn)為杭州聚陣科技有限公司首席技術(shù)官;

章鐵飛(1984-),男,博士,副教授。2007～2013年在浙江大學(xué)計(jì)算機(jī)學(xué)院直攻博學(xué)習(xí),2013年至今在浙江工商大學(xué)任教。主要研究方向?yàn)橛?jì)算機(jī)體系結(jié)構(gòu),內(nèi)存與緩存存儲系統(tǒng)的低功耗研究,tfzhang@mail.zjgsu.edu.cn。

項(xiàng)目來源:國家自然科學(xué)基金青年項(xiàng)目(61305030);科技部國家星火計(jì)劃項(xiàng)目(2012GA700242)

2016-10-13 修改日期:2017-01-03

TP212.6;TP216

A

1004-1699(2017)05-0782-07

C:7230L;7210

10.3969/j.issn.1004-1699.2017.05.025