用于黄酒酒龄快速检测的便携式电子鼻系统研制与试验_王健.pdf

食品工业 2023 年第44卷第 4 期 309 分析检测用于黄酒酒龄快速检测的便携式电子鼻系统研制与试验王健1,2，白云龙1，金棋1，刘益11.绍兴职业技术学院（绍兴 312000）；2.浙江省光信息检测与显示技术研究重点实验室（金华 321004）摘要为实现黄酒酒龄的快速在线检测,构建便携式电子鼻检测系统,并根据黄酒芳香气体的主要构成选择8种气体传感器组建电子鼻传感器阵列,结合电子鼻检测的流程设计专用气室,采用STM32F407作为系统数据采集和自动控制的核心处理器。系统采集的数据通过DTU直接上传到云平台,通过随机森林算法提取电子鼻检测数据的特征,实现黄酒酒龄的快速鉴别。应用表明,该系统能实现不同品牌黄酒酒龄的快速检测,平均识别率达98.5%,在黄酒检测领域有较强的实用价值。关键词黄酒酒龄;电子鼻;STM32;随机森林Development and Experiment of Portable Electronic Nose System for Rapid Detection of Rice Wine AgeWANG Jian1,2,BAI Yunlong1,JIN Qi1,LIU Yi11.Shaoxing Vocational&Technical College(Shaoxing 312000);2.Key Laboratory of Optical Information Detecting and Display Technology of Zhejiang,Zhejiang Normal University(Jinhua 321004)Abstract In order to realize the rapid online detection of rice wine age,a portable electronic nose detection system is constructed.According to the main composition of rice wine aromatic gas,a total of 8 kinds of gas sensors are selected to form an electronic nose sensor array.A special gas chamber is designed based on the flow of electronic nose detection.STM32F407 is used as the core processor of system data acquisition and automatic control.The data collected by the system is directly uploaded to the cloud platform through DTU,and the characteristics of the electronic nose detection data are extracted through the random forest algorithm to realize the rapid identification of the age of rice wine.The application shows that the system can realize the rapid detection of the age of different brands of rice wine,with an average recognition rate of 98.5%,and has strong practical value in the field of rice wine detection.Keywords age of rice wine;electronic nose;STM32;random forest基金项目：2022年浙江省光信息检测与显示技术研究重点实验室开放基金（ZJNUKF2022005），2022年浙江省教育厅一般科研项目（Y202250372）黄酒作为我国特有的酒种，以其香气浓郁、口味醇厚著称1。由于黄酒的风味和质量随其年份增加而相应提高，所以黄酒酒龄也便成为评定黄酒品质的重要标志2。对黄酒酒龄的鉴别主要依赖人工对酒的色、香、味的感官鉴定，容易受外界干扰，鉴别的准确度无法保证。电子鼻分析法，是通过传感器阵列采集到挥发气体的整体信息，配合特定的分析方法，能够对样品进行检测判别。电子鼻技术在食品品质检测和酒类检测均有一定应用。徐向丽3研制一种用于冷链物流肉类品质的在线检测的电子鼻系统，相较传统电子鼻，其安装在运输车中，采集到的数据能够通过GPRS直接上传到数据平台；周慧敏等4通过电子鼻系统对绍兴黄酒的总糖含量预测分析，实现较好的效果；张振等5利用电子鼻结合化学计量法实现黄酒酒龄的检测，采用主成分分析法和典型判别分析进行数据分析，区分率可达100%。虽然电子鼻系统具有较强的检测能力，但市场上常见的电子鼻系统通常价格较高、操作复杂，需配套计算机工作，具有较大的体积和功耗6，因而难以在生产、运输或贮存等环境下进行实时检测7。基于此，提出用于黄酒酒龄快速检测的便携式电子鼻系统制备研究。1电子鼻系统硬件设计电子鼻系统主要由检测气室、传感器阵列、外围电路、信号采集传输模块及云平台等部分组成8。其中，检测气室由采样及清洗所需要的气体采样泵、样品气阀、清洗泵、清洗气阀及排气泵等组成9；传感器阵列包含8个金属氧化物气体传感器；外围电路包含传感器驱动电路、气泵控制、电磁阀控制电路及电源；信号采集传输模块包括系统的核心处理器、传感器信息采集和调理电路及数据传输所需的数据传输单元（Data Terminal unit，DTU）模块；云平台主要为数据的存储、展示及处理10。1.1电子鼻系统整体框架电子鼻系统整体框图如图1所示。系统的采样检测流程为：样品检测前将会打开气室清洗泵和排气泵，稳定通入100 s的洁净空气，让流通的空气通过传食品工业 2023 年第44卷第 4 期 310 分析检测感器检测区域，达到清洗气室的目的；打开气体采样泵，将样品气体吸入传感器检测区，并让气体在传感器检测区内停留60 s，保证样品气体能够与传感器阵列充分接触，产生稳定的信号输出；检测完成后，打开清洗泵和排气泵，让洁净空气清洗整个气室，保持180 s后停止，以便下一次测量使用。图1电子鼻系统整体框图1.2电子鼻核心控制模块设计根据电子鼻系统设计需求，系统核心控制器主要完成传感器阵列的数据采集，以及进样、清洗和排气等流程所需的气泵控制和电磁阀控制，虽然工作流程较为简单，但是对模数转换（AD）采样要求较高，结合系统实际需求，选用STM32F407VET6作为核心控制器，其主频达168 MHz，82个通用输入与输出（GPIO）口，且具有12位逐次趋近型模数转换器，达19个复用通道，可测量来自16个外部源，同时这些通道的AD转换可在单次、连续、扫描或不连续等采样模式下进行。系统DTU选择有人的USR-G781，该设备是一款集4G路由器和4G DTU功能为一体的无线传输设备，采用工业级高性能处理器、多种防护的硬件接口、安全稳定的虚拟专用网（VPN）通道、低延迟高时效的4G模块，能够为系统提供稳定、可靠、安全的网络通信服务。1.3电子鼻传感器阵列设计表1传感器阵列特性表传感器编号传感器型号敏感气体S1TGS2610丙烷、丁烷S2TGS821可燃气体S3TGS2201氮化物S4TGS813烷烃类S5TGS822酒精、甲苯、二甲苯等S6TGS825硫化物S7TGS826氨类气体S8TGS842碳氢组分气体(C1C8)研究发现黄酒随着年份的增加，其挥发物含量提升，在感官上就表现为香气更加浓郁，口感更加醇厚。黄酒独特的风味是由酒中醇类、醛类、酸类、酯类及杂环类化合物共同作用形成，并且在陈酿过程中，一系列的物质反应让各种化合物的组分愈加协调，风味得到提升。为提升传感器阵列检测的针对性，选定乳酸乙酯、乙酸乙酯、异戊醇等黄酒风味中含量较高的几种物质作为待测对象，选用8个金属氧化物传感器构成系统的传感器阵列，传感器阵列特性表如表1所示。2电子鼻系统软件设计系统软件设计主要包括传感器阵列数据采集程序、随机森林分类算法及云平台可视化界面三部分。其中传感器阵列数据采集主要是STM32的程序开发，在Keil5平台进行开发；随机森林算法依托Scikit-learn集成算法来实现；云平台可视化界面主要在阿里云平台实现。2.1传感器阵列数据采集程序设计由于系统内包含8个金属氧化物气体传感器，采集到的气体浓度转换成电信号，通过STM32的AD转换成03.3 V的电压值。因为需要同时采集8路ADC，所以将STM32的AD设置为扫描模式，同时开启直接内存访问（Direct Memory Access，DMA）模式，采集到数据直接存入DMA存储器，并通过串口将传感器数据透传给USR-G78X DTU模组，通过4G网络传输到阿里云平台，实现数据展示。DMA的引入能够有效提升数据传输效率，减少CPU占用率，提高数据传输的稳定性。2.2随机森林算法实现随机森林（random forest，RF）是一种有监督学习算法11，以实现简单、计算开销小等著称，常应用于分类和回归。它是基于Bagging算法扩展而来的，以决策树作为基学习器，并在训练的节点划分中额外引入属性的随机选择12。假设随机森林集成分类器由若干个基础学习器T(X,i)组成，其中i表示基础学习器的个数，i为随机分布的随机向量。当自变量X给定后，各个基分类器根据投票的方式获取最终的分类结果，经过m轮的迭代训练后，获取分类模型序列。T(X)=T1(X),T2(X),T3(X),Tm(X)（1）系统通过上述模型序列搭建分类系统，而系统的分类结果是以投票结果为准，获得投票多的即为最终结果，其中随机森林分类决策结果为：T(x)=argYmax f(Ti(x)=Y)（2）mi=1式中：T(x)为随机森林最终的分类结果，Ti(x)为各个基分类器的预测结果，Y为实际分类目标，f(x)为线性函数。图2为随机森林原理框图，在算法实际应用中，每个基学习器都给选定的类别进行投票，通过投票结果选定最终分类结果。基于Python 3.7.1、Scikit-learn 0.20.0构建随机森林分类模型。食品工业 2023 年第44卷第 4 期 311 分析检测图2随机森林算法原理框图2.3云平台可视化界面设计系统云平台可视化界面依托阿里云组态部件开发，主要分为组织列表、实时数据、实时报警、组态展示、历史数据等部分。在组织列表中可以查看设备的在线状态，并可以查询设备下设的传感器种类及数量；在实时数据可以看到传感器当前的采集结果；在实时报警模块中可以看到设备下线提示或者数据异常提示；在组态展示部分不仅能够对实时数据进行列表展示，同时还可以自动绘制数据曲线，并调用算法实现酒龄的判别。3结果与分析3.1样品制备试验采用古越龙山与会稽山2种品牌的黄酒，其中古越龙山品牌的有3年陈、5年陈、8年陈及10年陈，会稽山品牌的有3年陈、5年陈、10年陈、12年陈，同时为保证试验的准确性，2种品牌的酒的甜度都选择半干型，具体参数如表2所示。表2试验用黄酒参数表黄酒品牌年份甜度酒精度/%vol总糖/(gL-1)会稽山3年陈半干型1515.140.0会稽山5年陈半干型1415.140.0会稽山10年陈半干型1215.140.0会稽山12年陈半干型1415.140.0古越龙山3年陈半干型1515.140.0古越龙山5年陈半干型1515.140.0古越龙山8年陈半干型1415.140.0古越龙山10年陈半干型15.515.140.0对2种品牌的黄酒分开进行试验，用以测试系统对于多品牌黄酒的适用性。以会稽山品牌黄酒为例，4种不同年份的黄酒样品每种取20组平行样本，每个样本取20 mL，置于洁净干燥的小样瓶中，并用封口膜密封，在室温下静置60 min，使样品瓶顶部积累足够的挥发性物质。在样品检测前将会打开气室清洗泵和排气泵，稳定通入100 s的洁净空气，让流通的空气通过传感器检测区域，达到清洗气室的目的；打开气体采样泵，将样品气体吸入传感器检测区，并让气体在传感器检测区内停留60 s，保证样品气体能够与传感器阵列充分接触，产生稳定的信号输出，STM32控制器同时采集8路传感器的电压信号，并通过DTU上传到云平台进行可视化展示。3.2系统检测性能分析为测试电子鼻系统的检测性能，选取1份5年陈样品，利用系统进行测试。图3为系统对样品的响应曲线图，8种传感器对于样本气体的反应虽有不同，但是响应曲线的趋势基本一致，前15 s内各传感器响应电压值均有所升高，15 s以后趋于稳定。结果表明，传感器稳定后的响应电压值能够明显进行区分，根据电压值从高到低排序依次为氮化物（S3）、可燃气体（S2）、碳氢组分（S8）、烷烃类（S4）、酒精及苯类物质（S5）、硫化物（S6）、氨类气体（S7）、丙烷和丁烷类（S1），8个传感器的检测结果便涵盖了不同年份黄酒的特征信息，通过对不同样品检测结果的特征提取，能够实现不同年份黄酒的有效分类。图3传感器阵列对样品气体响应图3.3系统酒龄识别结果分析为验证提出的用于黄酒酒龄快速检测的便携式电子鼻系统的精准性，设置20个不同年份和品牌的黄酒样品，其中训练组15个、测试组5个。系统采集每组样本数据包含8个传感器所测到的60组电压值，选取数据的最大值、最小值、平均微分系数、响应面积和第30秒的瞬态值5个特征构建特征空间。特征空间信息输入随机森林模型中训练，利用训练好的模型对剩下的5个样本进行结果测试，试验结果如表3所示。结果显示，对各类测试样品的平均识别率可达98.5%。年份越久的黄酒由于保存密封性不好的原因，内部的醇类物质会挥发较多，导致年份越久的黄酒识别率越差。同时，由于不同厂家的制造工艺存在差别，古越龙山品牌的黄酒内部各类挥发物质特征信息较弱，导食品工业 2023 年第44卷第 4 期 312 分析检测致其识别结果弱于会稽山生产的黄酒。表32种品牌黄酒酒龄识别结果表黄酒品牌样品样品数/个正确识别率/%会稽山3年陈20(训练组15、测试组5)99.6会稽山5年陈20(训练组15、测试组5)99.3会稽山10年陈20(训练组15、测试组5)99.1会稽山12年陈20(训练组15、测试组5)98.4古越龙山3年陈20(训练组15、测试组5)98.6古越龙山5年陈20(训练组15、测试组5)98.2古越龙山8年陈20(训练组15、测试组5)97.6古越龙山10年陈20(训练组15、测试组5)97.34结论构建便携式电子鼻检测系统，并结合黄酒陈酿过程中挥发气体的主要构成，选用8种金属氧化物气体传感器搭建电子鼻传感器阵列，利用STM32F407完成传感器数据采集，通过随机森林模型提取出不同酒龄的黄酒所具备的风味特征，实现2种品牌黄酒酒龄的快速检测，平均识别率均达98.5%，同时试验结果表明，系统在酯类、醇类等成分的精细测量方面有待加强。该模型不仅可以进行黄酒酒龄的快速检测，还可以通过调整传感器阵列类型实现其他食品的品质分析，具有广阔的应用前景。参考文献：1 江涛,李博斌,郑云峰,等.电子鼻对绍兴黄酒酒龄的判别研究J.酿酒科技,2012(1):39-41,46.2 王荣民,沈国惠,林少雯,等.黄酒低沸点挥发物气相色谱分析初步探讨J.食品与发酵工业,1980(4):16-19.3 徐向丽.一种用于冷链物流肉类品质在线检测的电子鼻系统J.食品工业,2020,41(3):201-203.4 周慧敏,李莎怡,陈婷婷,等.用于绍兴黄酒总糖含量预测的电子鼻系统构建及其实验研究J.传感技术学报,2017,30(11):1776-1780.5 张振,李臻锋,宋飞虎,等.电子鼻结合化学计量法用于检测黄酒酒龄J.食品与机械,2015,31(3):57-61,118.6 丁楠.电子鼻对自制灌肠制品货架期进行预测J.食品工业,2020,41(8):288-290.7 李佩泽,赵世舜,翁小辉,等.基于多传感器优化的农药残留快速检测新方法J.吉林大学学报(工学版),2022,52(8):1951-1956.8 MERCADER J V,AGULLO C,ABAD-SOMOVILLA A,et al.A monoclonal antibody-based immunoassay for mepanipyrim residue sensitive analysis in grape juice and wineJ.Food Analytical Methods,2020,13(3):770-779.9 LIU T,ZHANG W,MCLEAN P,et al.Electronic nosebased odor classification using genetic algorithms and fuzzy support vector machinesJ.International Journal of Fuzzy Systems,2018,20(4):1309-1320.10 顾晨,魏文莉,马海乐,等.基于电子鼻和GC-MS技术分析不同干燥方式对香葱挥发性物质的影响J.中国调味品,2022,47(12):148-153.11 蔡玲,毕克刚,梁卜元,等.基于随机森林的可再生能源利用效率评价方法J.微型电脑应用,2022,38(11):103-105,110.12 朱伟,侯秦脉,吴彦农,等.基于随机森林算法的WANO机组能力因子分类J.科技管理研究,2022,42(21):226-230.信 息近期，中国营养学会组织专家编写了中国03岁宝宝营养现状与全面营养白皮书（以下简称白皮书）。白皮书阐释了不同月龄的婴幼儿所需营养素及其对婴幼儿健康的影响，系统梳理了当前婴幼儿喂养状况和存在问题，并提出了全面营养喂养的理念，为婴幼儿喂养工作提供了科学的建议。白皮书结合国内外组织的相关研究和建议，进一步明确6月龄内的婴儿应给予纯母乳喂养。对于724月龄婴幼儿，单一的母乳喂养已经不能完全满足其对能量和营养素的需求，必须添加其他营养丰富的食物。通过大量数据以及对蛋白质、脂肪酸、人乳低聚糖，人乳微生物等的研究，发现其与婴幼儿肠道健康、神经发育以及免疫力密切相关。针对目前婴幼儿的营养不足、超重肥胖、发育迟缓、贫血、过敏等情况，需要更关注科学和营养的喂养。最后，白皮书提出，03岁的婴幼儿的食物应逐渐多样化，膳食、营养类型尽量丰富，尊重营养科学与营养规律，达到营养全面均衡；在生长发育的关键时期，加强对03岁婴幼儿脑发育、消化吸收问题的关注。呼吁全社会进一步开展营养教育，提升全面营养和喂养的意识。加强婴幼儿强化食品的研发，为宝宝提供更多更好的产品选择。适宜的营养和喂养不仅关系到婴幼儿时期的生长发育，还对其整个生命周期的营养状态、脑发育和肠道健康等有重要影响。婴幼儿全面营养和喂养，期待研究机构、企业、社区和家庭的共同努力。海普诺凯1897作为该研究的支持单位，积极响应，努力推动宝宝全面营养的科学研究和创新，助力妈妈们解决喂养困扰，助力宝宝的全方位健康成长。来源：中国营养界微信公众号2023-03-10中国03岁宝宝营养现状与全面营养白皮书发布