电子鼻通过模仿哺乳动物嗅觉系统的主要构件来检测和识别复杂的气味,由于其快速、无损等优点被应用于食品生产链早期污染和缺陷检测。作为一种分析仪器,电子鼻利用传感器陈列对气体信号采集,电子鼻系统再通过信号预处理、神经网络和各种算法对气体定性定量分析。伴随着肉类食品在我国国民消费所占的比例越来越高,人们对肉类品质的要求也越来越高,研究人员已采用电子鼻对肉类新鲜度、肉类有害物质、肉类掺假等进行鉴别,研究结果表明电子鼻的准确识别率能达到87.5%以上。本文介绍了电子鼻的组成、工作原理和电子鼻技术在检测肉类新鲜度、肉类有害物质、肉类掺假问题的典型研究成果以及存在的问题,并提及了电子鼻的未来发展趋势和应用领域。 Electronic nose is a kind of detection device for simulating animal olfactory organs. It is widely used in the field of food quality testing because of its advantages of fast, nondestructive and so on. The work of electronic nose can be simply summarized as: Sensor array, signal preprocessing, neural network and various algorithms, computer recognition (gas qualitative and quantitative analysis). Functionally speaking, gas sensor array is equivalent to a large number of olfactory receptor cells in biological olfactory system. Neural network and computer recognize biological equivalent brain, and the rest part is equivalent to olfactory nerve signal transmission system. With the increasing proportion of meat products in the national consumption food, people’s demand for meat quality is higher and higher. Electronic nose can distinguish meat freshness, meat harmful substances and meat adulteration. The composition, working principle of the electronic nose and the problems faced by the present electronic nose technology and the research results are introduced, and the future development of the electronic nose is also prospected.Electronic nose is a kind of detection device for simulating animal olfactory organs. It is widely used in the field of food quality testing because of its advantages of fast, nondestructive and so on. The work of electronic nose can be simply summarized as: Sensor array, signal preprocessing, neural network and various algorithms, computer recognition (gas qualitative and quantitative analysis). Functionally speaking, gas sensor array is equivalent to a large number of olfactory receptor cells in biological olfactory system. Neural network and computer recognize biological equivalent brain, and the rest part is equivalent to olfactory nerve signal transmission system. With the increasing proportion of meat products in the national consumption food, people’s demand for meat quality is higher and higher. Electronic nose can distinguish meat freshness, meat harmful substances and meat adulteration. The composition, working principle of the electronic nose and the problems faced by the present electronic nose technology and the research results are introduced, and the future development of the electronic nose is also prospected.
龚爱平1,邵咏妮2
1深圳信息职业技术学院智能制造与装备学院,广东 深圳
2上海理工大学上海现代光学系统重点实验室,上海
收稿日期:2018年6月6日;录用日期:2018年6月20日;发布日期:2018年6月27日
电子鼻通过模仿哺乳动物嗅觉系统的主要构件来检测和识别复杂的气味,由于其快速、无损等优点被应用于食品生产链早期污染和缺陷检测。作为一种分析仪器,电子鼻利用传感器陈列对气体信号采集,电子鼻系统再通过信号预处理、神经网络和各种算法对气体定性定量分析。伴随着肉类食品在我国国民消费所占的比例越来越高,人们对肉类品质的要求也越来越高,研究人员已采用电子鼻对肉类新鲜度、肉类有害物质、肉类掺假等进行鉴别,研究结果表明电子鼻的准确识别率能达到87.5%以上。本文介绍了电子鼻的组成、工作原理和电子鼻技术在检测肉类新鲜度、肉类有害物质、肉类掺假问题的典型研究成果以及存在的问题,并提及了电子鼻的未来发展趋势和应用领域。
关键词 :电子鼻,肉类,鉴别
Copyright © 2018 by authors and Hans Publishers Inc.
This work is licensed under the Creative Commons Attribution International License (CC BY).
http://creativecommons.org/licenses/by/4.0/
目前,我国是世界上肉制品生产的第一大国,也是肉制品消费总量最多的国家,我国的肉制品大体上分为中国传统风味的中式肉制品(如金华火腿)和中国特色的西式肉制品(如广式腊肠)。2015年,我国全年肉类总产量8625万t,肉与肉制品的进口量达268.4万t,到2020年,我国肉与肉制品的需求总量预计将达1亿t,将是肉制品生产与消费最大国家之一 [
电子鼻又称气味扫描仪,是基于人类鼻子感知和识别气味的工作原理开发出来的一种气味检测的智能设备。风味物质的挥发性成分存在差异是电子鼻应用的物质基础 [
肉类新鲜度、肉类有害物质、肉类掺假等问题急需一个有效便捷的检测手段去解决。电子鼻是由选择性的电化学传感器阵列和适当的识别方法组成的仪器,能识别简单和复杂的气味,可得到与人的感官品评相一致的结果,而且具有评价方法客观、重现性好、检测速度快等优点,使得电子鼻技术在肉类及肉制品品质检测方面得到了国内外学者的关注 [
本文对最近几年电子鼻在肉类新鲜度、肉类有害物质、肉类掺假等问题中的应用研究成果做个概述,并分析了电子鼻检测肉类制品存在的问题,对今后的发展提出几点看法。
电子鼻主要由气敏传感器阵列、信号预处理和模式识别三部分组成,作为一种分析仪器,这些组成部分必须能长期工作并保证可靠性和测试结果可重复性。如图1是电子鼻信号处理的典型工作原理,它的工作过程一般为:气味信息获取→数据预处理→模式识别分析→气味鉴别。电子鼻工作原理是:当被测样品散发的某种气味呈现在气相型、光传感型以及金属氧化物型等常见的活性材料传感器面前,传感器将化学输入转换成电信号,不同活性材料的传感器检测气体的数据响应不一样,例如样品的某种气味在特定的传感器上,反应非常敏感,产生强烈的电信号,而在其他传感器上,反应迟缓,只有微弱的电信号产生。从而,由多个传感器对一种气味的响应便构成了传感器阵列对该气味的响应谱,而系统以此作为依据,对不同气味进行有效区分。显然,气味中的各种化学成分均会与敏感材料发生作用,所以采集的数据是复杂气味的混合数据,为实现对气味的定性或定量分析,必须将采集到的传感器数据进行适当的预处理(消除噪声、特征提取、信号放大等)后,采用合适的数据挖掘方法(如模式识别)对数据进行适当的分析,然后实现混合气味分析。
图2是电子鼻数据分析多元模式分析技术的常用方法,电子鼻的传感器阵列识别某种范围内独特的气味信息,即所谓的气味指纹,与检测对象挥发性成分分子相互拟合而进一步对样品进行识别。表1是
图1. 电子鼻信号处理的典型工作原理
图2. 电子鼻数据分析的多元模式分析技术常用方法
电子鼻数据分析多元模式分析技术在肉类品质检测中最常用的方法简介。
随着气敏传感器和数据挖掘技术的发展,利用电子鼻技术检测肉品新鲜度引起人们的不断关注。孙钟雷 [
我国肉制品存在有害物质,主要是微生物超标严重、食品添加剂、亚硝酸盐残留严重。Wang等 [
算法缩写 | 简介 |
---|---|
RBF | RBF神经网络即径向基函数神经网络(Radical Basis Function)。径向基函数神经网络是一种高效的前馈式神经网络,它具有其他前向网络所不具有的最佳逼近性能和全局最优特性,结构简单,训练速度快。 |
BP | BP(back propagation)神经网络是一种按照误差逆向传播算法训练的多层前馈神经网络 [ |
PCA | PCA(principal Component Analysis),即主成分分析方法,是一种使用最广泛的数据压缩算法。在PCA中,数据从原来的坐标系转换到新的坐标系,由数据本身决定。转换坐标系时,以方差最大的方向作为坐标轴方向。第一个新坐标轴选择的是原始数据中方差最大的方法,第二个新坐标轴选择的是与第一个新坐标轴正交且方差次大的方向。重复该过程,重复次数为原始数据的特征维数。 |
LDA | 线性判别式分析(Linear Discriminant Analysis, LDA),也叫做Fisher线性判别(Fisher Linear Discriminant ,FLD), 是模式识别的经典算法,线性鉴别分析的基本思想是将高维的模式样本投影到最佳鉴别矢量空间, 以达到抽取分类信息和压缩特征空间维数的效果,投影后保证模式样本在新的子空间有最大的类间距离和最小的类内距离,即模式在该空间中有最佳的可分离性。因此,它是一种有效的特征抽取方法。 使用这种方法能够使投影后模式样本的类间散布矩阵最大,并且同时类内散布矩阵最小。 它能够保证投影后模式样本在新的空间中有最小的类内距离和最大的类间距离,即模式在该空间中有最佳的可分离性。 |
BPNN | BPNN全称Back Propagation Neural Network,后向传播神经网络。它属于前馈型神经网络的一种。BP神经网络就是在前馈型网络的结构上增加了后向传播算法(Back Propagation)。 |
PLS | 偏最小二乘回归法(PLS:partial least squares):是一种新型的多元统计数据分析方法, 它主要研究的是多因变量对多自变量的回归建模,特别当各变量内部高度线性相关时, 用偏最小二乘回归法更有效。偏最小二乘回归较好地解决了样本个数少于变量个数等问题。 偏最小二乘法是集主成分分析、典型相关分析和多元线性回归分析3种分析方法的优点于一身。 |
SVM | SVM(Support Vector Machine)指的是支持向量机。通常用来进行模式识别、分类以及回归分析。 SVM的主要思想可以概括为两点:1) 它是针对线性可分情况进行分析,对于线性不可分的情况, 通过使用非线性映射算法将低维输入空间线性不可分的样本转化为高维特征空间使其线性可分, 从而使得高维特征空间采用线性算法对样本的非线性特征进行线性分析成为可能。2) 它基于结构风险最小化理论之上在特征空间中构建最优超平面,使得学习器得到全局最优化,并且在整个样本空间的期望以某个概率满足一定上界。 |
DFA | DFA全称为:Deterministic Finite Automaton,,即确定有穷自动机。其特征为:有一个有限状态集合和一些从一个状态通向另一个状态的边,每条边上标记有一个符号,其中一个状态是初态,某些状态是终态。但不同于不确定的有限自动机,DFA中不会有从同一状态出发的两条边标志有相同的符号。它是是通过event和当前的state得到下一个state,即event + state = nextstate。理解为系统中有多个节点,通过传递进入的event,来确定走哪个路由至另一个节点,而节点是有限的。 |
Loadings | Loadings是PCA的一个函数,主要显示主成分分析或者因子分析当中的loadings的内容,在主成分分析中, 实际上是对主成分对应的各列,即正交矩阵。在因子分析中,其内容就是载荷因子矩阵。 |
MLR | 多元线性回归(MLR)(multiple linear regression)是分析一个随机变量与多个变量之间线性关系的统计方法。 |
表1. 电子鼻数据分析多元模式分析技术在肉类品质检测中常用方法简介
品中,研究了干腌肉制品早期赭曲霉毒素 A、青霉菌的产生,利用DFA分析法识别率达到73%。Wang等 [
在肉制品的生产加工中,一些不法企业为了谋取利益,经常以次充好,或者将低品质产品添加高品质产品中,影响商品质量,对消费者身体健康造成威胁。根据不同原料肉类商品的气味,电子鼻可以判断肉品是否掺杂其他成分。李颖康等 [
以上研究结果表明,电子鼻技术在肉类新鲜程度、有害成分和掺假等方面的检测,理论和实施上均具有可行性。
本文概述了电子鼻在肉类品质检测中的进展,正如文中所述,电子鼻在食品品质检测领域是潜在的重要仪器。随着科技的发展,电子鼻检测速度将越来越快,检测可重复性高、稳定性强、应用越来越简单等优点。但目前来说,电子鼻的应用也存在一些问题:1) 运营成本相对还比较高。随着电子技术的发展,这问题将得到进一步的解决;2) 对于响应强的电子鼻传感器,目前的数据分析与处理技术还需进一步改善,数据预处理、模式识别算法、多维信息综合分析等与仿生特性存在一定的差距 [
因此,食品检测的发展趋势是把人工感官组合成质量的评价体系,这种评价体系包括机器视觉、电子鼻、电子舌等设备,即色、香、味的综合评价体系。
随着国内对电子鼻技术的研究的不断深入,电子鼻将更好的用于肉类检测。表2是文章中介绍的目前采用电子鼻检测肉类新鲜度、肉类有害物质、肉类掺假等问题的相关文献摘要。电子鼻未来的发展是与数据分析相结合并和其他仪器联用,相关研究可在硬件软件的优化、信息融合和网络化方面寻求突破。随着科学技术的快速发展,电子鼻技术近期来取得了一系列可喜的成就,但至今电子鼻走出实验室的应用还不多! 与人们的期望还存在着较大距离,因此还有许多研究工作要做。随着传感器、数据挖掘等技
应用 | 检测内容 | 分析技术 | 评价 | 参考文献 |
---|---|---|---|---|
肉品新鲜程度的检测 | 猪肉新鲜度 | RBF | 准确率95% | 孙钟雷 [ |
肉类新鲜度变化 | BP | 准确率90% | 李刚等 [ | |
带鱼和猪肉的新鲜度 | PCA | 准确率带鱼87.5%, 猪肉91.7% | Tian等 [ | |
猪肉新鲜度 | LDA、BPNN | 准确率97.5% | Li 等 [ | |
肉制品有害物质的检测 | 冷肉在4℃条件下存储10 d内活菌数量变化 | PCA、PLS、SVM | 可行 | Wang等 [ |
赭曲霉毒素A、青霉菌 | DFA | 73% | Lippolis [ | |
菌落总数 | SVM、PLS | 88% | Wang等 [ | |
毒章鱼 | PCA | 93.1% | Zhang等 [ | |
肉制品造假的检测 | 区分滩羊、小尾寒羊和山羊肉 | PCA、Loadings、LDA | 可以明显区分 | 李颖康等 [ |
检测牦牛肉、牛肉和鸭肉样品 | PCA、DFA、PLS | 识别率高达到100% | 贾洪锋等 [ | |
检测羊肉中掺入鸡肉 | CDA、PLS、MLR、BPNN | 准确率高于 90% | 田晓静 [ | |
猪肉掺杂到羊肉中进行探测 | CDA、PLS、MLR、BPNN | 准确率达到97% | Tian等 [ | |
利比亚火腿风味物质 | PCA、ANN | 可以区分出不合格和假产品 | Santos等 [ | |
清真产品中是否掺有猪肉 | PCA | 可以检测出掺有猪肉的香肠 | Nurjuliana等 [ |
表2. 文章中介绍的电子鼻检测肉类品质的相关文献摘要
术的发展,电子鼻技术作为人工智能的产物必将逐步出现在环境检测、医疗卫生、药品工业、安全保障、公安与军事等实际应用中。
深圳市战略新兴产业发展专项资金(JCYJ20150417094158023),国家自然科学基金(31402318,61605173)。
龚爱平,邵咏妮. 电子鼻在肉类品质检测中的研究进展 A Review of Meat Quality Based on Electronic Nose[J]. 计算机科学与应用, 2018, 08(06): 910-917. https://doi.org/10.12677/CSA.2018.86101