电子鼻传感技术在辣椒料气味等级检测中的应用

李倩，李喆时

(1.河北传媒学院，石家庄 051430；2.石家庄理工职业学院，石家庄 050228)

辣椒最初产自中南美洲热带国家，在明代时期传入我国，辣椒作为一种调味料，富含辣椒素、维生素C和胡萝卜素等营养物质。辣椒气味刺激，有除湿和增温的功效，辣椒的特殊气味能激发前列腺素的释放，促进胃膜的蠕动再生，保持肠胃功能，防治胃溃疡的同时能够激发食欲[1]，并有利于血液循环[2]。电子鼻是用于分析、识别和检测复杂气味的嗅觉装置[3]，它模拟人的嗅觉对挥发性成分进行判断。罗凤莲等[4]研究表明，用感官评定法测得干辣椒样品的辣度与电子鼻法结果一致。曾岭岭等[5]针对贵阳地区人们对辣味食品辣度的感官评价进行了调查，在考虑辣椒原料综合利用的基础上，设计了定量添加辣椒精以生产不同辣度辣味食品的工艺路线[6]。熊敏等、Liu H等、Zhang Q等、阎红等[7-10]应用电子鼻技术评价香辛料对食品风味的作用，但利用电子鼻技术对辣椒料气味等级进行识别的研究较少。

电子鼻结构图见图1。

图1 电子鼻结构Fig.1 Structure of electronic nose

1 实验方法

1.1 实验材料

实验用的辣椒料样品购于河北某超市，4种样品分别为不同气味等级的辣椒料，编号分别为1，2，3，4。

参照Li等[11]、Chen等[12]的方法进行改善。分别称取1.0 g样品置于带盖的样品瓶中进行密封，在常温保持30 min；设置PEN3电子鼻传感器清洁时间为120 s，检测样品时间为70 s。每个样品测定3次。

1.2 实验装置

采用PEN3电子鼻对辣椒料气味等级进行检测，电子鼻传感器及其功能见表1。

表1 电子鼻传感器及其功能Table 1 Electronic nose sensors and their functions

1.3 传感器阵列对辣椒料样品的响应

由于电子鼻传感器易受外界干扰，对实验结果有较大误差，可以通过对传感器采集的数据进行平滑，在一定程度上排除传感器自身和外界环境所引起的误差。

图2 传感器阵列对样品1号辣椒的响应曲线Fig.2 Response curves of sensor array to sample No.1 pepper

由图2中10种传感器对其中1种辣椒料样品的平滑曲线可以明显看出，传感器阵列在最初采样点数时响应电压很弱，大约为0.2左右，之后辣椒料的气味信息明显，传感器阵列的响应电压逐渐上升，一段时间后达到最大，输出电压为最大值，将辣椒料样品拿走，传感器输出电压骤降，其中10种传感器的响应电压的变化趋势相同，但是电压值各不相同，变化速度也存在一定的差异。

1.4 样品特征响应值

采用10种传感器阵列对每种辣椒料样品进行数据分析时，响应曲线点太多，不能全都选取，因此只选取最能代表辣椒料气味特征的响应值作为特征值，4种样品实验后对应的响应值见表2。

表2 4种样品的传感器特征响应值Table 2 E-nose sensor response values of four samples

2 模式识别方法

BP神经网络能储存丰富的输入-输出关系。人工神经网络的特色为能够同时处理和贮存信息，将大量的神经网络共同作用可以解决更多的问题。一个神经网络包括输入层、隐含层(中间层)和输出层(见图3)，通常使用的神经网络是3层网络。

图3 BP网络的结构Fig.3 Structure of BP network

BP网络包括信息的正向传播和误差的反向传播。神经网络的正向传播是各个神经元之间互不影响和干涉，但是只会对其下一个对应的神经元网络结构有影响作用；正向传播过程是由输入信号接收、处理到传出的过程；相反，在输出层结点处的输出层与期望的输出层相差较大时，两者之间存在偏差时进行，两者之间的偏差会根据偏差的大小进行改正，然后反向向输入层反向传递，反向传播过程则是对实际输出信号与理想输出信号进行不断修正的过程，前提在于两者之间的差距较大，极其不匹配，则发出信号开始反向传播过程，两者之间的偏差经过反向传播到输入层，对各个偏差进行调节尽最大可能达到理想情况[13]。BP网络在正向传播和反向传播两个过程中不断重复进行，在进行的过程中偏差在不断减小，则是神经网络的优化过程，之后进行正向传播。BP神经网络算法的根本在于不断地降低偏差，采用梯度降低的方法，从开始进行修正直到目标达到最小[14]。

3 结果与讨论

BP算法识别结果见表3。

表3 BP的鉴别结果Table 3 BP identification results

对于10个传感器阵列的输出信号，采用BP神经网络对样本进行模式识别时，分类效果很好，但对测试样本进行分类时，虽然解决问题的能力较强，但是对于偏差和隐含层单元的修正结果不是很好，说明BP神经网络在小样本的情况下泛化能力较低。

4 结论

本文利用自行研制的电子鼻系统对4种不同气味等级的辣椒料样品在相同条件下进行了数据采集和预处理，采用BP神经网络进行了结果分析。BP网络由于在小样本的情况下泛化能力较低，BP算法适应性强，网络结构设计灵活方便，并且处理复杂问题较快，对辣椒料等级强度样品的识别准确度较高，为94.23%。虽然BP网络得到了广泛的应用，但它本身也有部分缺点和不足，BP网络算法的学习效率较低，因此对于大量问题的计算时间较长。另外，BP网络中的大量隐含层信息不是建立在基础理论上，而是根据长期实验获得的，可靠性较低，并且BP网络选择典型样本问题较大，所以优化BP网络、更新传感器阵列信息来提高识别率是下一步要进行的研究。