摘要：文章以海南热带农产品中的主要产品，热带水果在仓储、运输中存在的品质改变问题的实时监测为目的，综合选取实验对象，通过电子鼻原理技术设备进行实验测试，采用BP、PCA-BP、LDA-BP神经网络算法进行分析比较，得出客观数据，用以分析所研究电子鼻系统关键技术的识别性能及其稳定性。 

　　关键词：电子鼻；热带水果；算法分析 

　　海南热带农产品中主要以热带水果为主要产品，海南热带水果也一直以来备受全国人民的青睐和喜爱，尤其在冬季的大陆水果市场更是占据主要角色，长期以来在仓储和运输中各种水果的品质变化问题一直很重要，其决定了水果上市的品质好坏及经济效益。热带农产品无论果蔬或其他农产品，在仓储和运输过程中都会释放一定的特征气体，如：氨气、乙醇、硫化氢及其他挥发性有机气体等，通过这些气体的浓度、密度指标即可分析出产品的品质变化情况，及仓储、运输的最优时期值，通过对其实时的监测和检测来监控器变化状态，采取必要措施，保证农产品的品质，减少其过程中的损失。电子鼻既对人类嗅觉感知的模拟。20世纪九十年代，英国Warwick大学的Gardner和Southampton大学的Bartlett率先提出“电子鼻”一词，并定义为：“是一类由具有部分选择性的化学传感器阵列与相关的模式识别系统组成的，通过传感器的部分专一性和系统的模式识别功能，用来检测简单或复杂气味的电子仪器设备”。市场上主要以国外产品为主，且价格较为昂贵，大多在十几万、几十万美元左右，由于传感器技术、微电子及MEMS等技术的发展及应用的需求，电子鼻系统的产品也随之向小体积、低成本、实用性趋势发展，其市场化前景很好。 

　　我们可通过对市场上现有电子鼻系统的技术设计与改进，使其能够进行充分的科学实验，通过选取具有代表性的芒果、香蕉、木瓜、释迦等热带水果，对其进行品质识别实验、腐败过程监测实验通过对所得取得实验数据处理，对其检测识别效果进行比对及分析，得到有价值的研究结论。 

　　1实验平台搭建 

　　检验平台搭建主要以电子鼻系统的基本功能模块配置为基础，大致包括：传感器阵列、信号采集模块、气路控制模块、气室温度控制模块、控制器、数据存储模块、通讯接口、按键及显示屏几个模块，并独立工作，由内置训练好的识别算法给出识别结果。 

　　工作原理是通过采样系统将待测样品的特征气体采入气室中，然后由信号采集模块采集传感器阵列对样品气体的响应，提供给模式识别单元给出最终的判断结果。 

　　实验平台构成的另一主要部分是软件系统，其功能为完成系统操作的各种控制。按照模块功能划分，可系统软件分为主程序、ADC驱动、温湿度传感器驱动、LCD驱动、测量控制模块、温度控制模块、识别算法模块和通讯模块。 

　　2实验过程描述 

　　本次测试中采用了不同品质状态的四中热带水果农产品进行四组实验（本实验分别选取海南代表性的热带水果澳芒、木瓜、释迦、香蕉等为实验对象），其挥发的特征气体组分十分复杂，而且气体传感器具有交叉灵敏度，所以气体传感器阵列的输出信号并不能直接用于芭蕉品质的判断。因此，必须选择有效的数据预处理技术并结合智能模式识别对相关数据进行处理，其主要包括数据处理、特征提取、降维处理和识别算法四部分。 

　　传感器归一化可以使每个传感器的输出处于[0，1]之间，从而使响应向量的每一个元素处于同一数量级，即可减少识别中的计算误差，又可使神经网络识别器的输入空间准备合适的数据。 

　　本实验针对不同品质状态的澳芒、木瓜、释迦、香蕉等样品，系统分别进行了2分钟的数据采集，在1Hz的采样频率下每个传感器输出120个数据，因此每个样品获得了120×6的数据。由每路传感器响应的最大值组成的样品特征矩阵是一个六维数据，在进行模式识别时，计算量仍然较大。因此，尝试使用了PCA和LDA两中方法对特征数据进行了降维处理。将省略降维处理步骤的算法称之为BP算法；在降维处理中采用PCA算法的数据处理步骤称为PCA+BP算法；而降维处理中采用LDA算法的数据处理步骤称为LDA+BP算法。并对比了这三种不同算法的判别结果。 

　　释迦、香蕉品质识别实验样品实物照片 

　　各样品品质识别实验的样品为正常样品、挤伤的样品、略有腐败或开裂的样品各1个，下图为样品实物照片。每个样品重复测试3次。作为对比，在洁净的空气中做了3次对比实验。 

　　先进行传感器归一化处理，然后提取最大值特征，再对比PCA和LDA的降维效果，最后比较BP、PCA+BP和LDA+BP算法的判别结果。 

　　3实验综合数据分析 

　　从实验数据的主成分分析结果看，每一组中品质不好的两个样品的气体主成分的贡献率均在50%以上，累计贡献率达89.62%，可以认为基本代表了数据的基本信息。从具体试验数据里可以得出，各类之间有明显的边界，其中空气样本与每组中三类样品对象的气体都能明显区分开，而三类样品对象之间，除了正常的样品对象与其它两个差品质对象之间的类间距较远外，其余两个差品质对象的类间距都较近。这应该是由于挤伤的样品对象、腐败获开裂样品对象会释放一些相似的特征气体所造成的。 

　　对传感器响应数据进行归一化及特征提取后，使用LDA分析方法对数据进行降维处理以及LDA的处理。其中，LD1和LD2的变化量分别为86.34%和10.13%，其数据总贡献率为89.62%，将其作为BP神经网络的输入信号，可有效地对样品进行分类识别。 

　　最终用测试样本进行测试，结果表明使用LDA+BP算法时系统判别准确率可达100%，即可有效的对每种水果样品的三种样品的状态进行区分，以达到品质检测的目的。 

　　澳芒、木瓜、释迦、香蕉腐败过程监测实验的样本为每组3个形状略有区别，品质腐败程度不一样的，每天每个样本测试3次，一共测试了5-9天不等。样品的变化过程如下图所示。 

　　从实验数据总的趋势来看，在腐败过程中，随着腐败过程的进行，数据第一主成分的值在不断的增大，而第二主成分的值则是一个反复震荡的过程。这可能是由于样品的腐败过程的复杂性造成的，另一种可能是由于系统存在一定的测量误差创成的。 

　　最终用测试样本进行测试，结果表明使用LDA+BP算法时系统判别准确率可达100%，基本可有效区分四种热带水果样品的不同腐败阶段，可以进行四种热带水果样品的腐败预测。使用BP神经网络和PCA+BP的方法，其识别准确率分别为76.16%和85.18%，具体结果如下表所示。 

　　该系统能够成功识别所实验不同样品的状态。实验结果表明，在直接采用BP神经网络算法时，我们的系统的识别正确率为74.07%；而采用PCA+BP神经网络及LDA+BP神经网络识别算法时，系统的识别正确率分别为85.18%和100.00%。 

　　另外该系统在预测四种热带水果的腐败进程上也具有一定的效果。经测试，使用LDA+BP算法时系统判别准确率可达95.23%，基本可有效区分各类水果的不同腐败阶段，可以进行热带水果的腐败预测。同时，还使用BP神经网络和PCA+BP的方法对同样四种热带水果的腐败过程进行预测，其预测确率分别为78.06%和86.17%。 

　　4结束语 

　　由于农产品的类别不同，所释放的气味气体非常复杂，本系统只能对热带农产品中热带水果的品质状态进行一个基本分类，不能区分其所有品质状态，目前可实现一种低成本的简易少类别的测试技术产品。基于电子鼻的关键技术，并且通过优化设计使其趋向于便携式的发展，寻求一种专门针对热带农产品品质检测的便携式类电子鼻检测系统，最终形成产品化，应用到仓储和物流过程中去，具有很好的市场经济效益及应用需求前景。