猪肉中新鲜度识别检测方案(感官智能分析)

智能文字提取功能测试中

肉类研究MEAT RESEARCH20182WWW cmrc com cn中国肉类食品综合研究中心CHINA MEAT RESEARCIL CENTER 肉类研究 电子鼻技术在猪肉新鲜度识别中的应用 孙钟雷 (长江师范学院 生命科学系，重庆涪陵 408003 摘 要：根据猪肉的气味特征，建立了一套用于猪肉新鲜度识别的电子鼻系统。通过分析猪肉的腐败机理，合理选用了气敏传感器阵列。依据猪肉的新鲜度模式，确定了遗传优化的组合 RBF 神经网络作为模式识别方法。试验结果表明，本文的电子鼻系统对猪肉新鲜度的识别率达95%，优于其它识别系统。 关键词：猪肉新鲜度；电子鼻；遗传算法；组合神经网络 Application of E lectronic Nose Technologyin Pork Freshness Recognition Sun Zhong-li Qeartmet of L fe ScimceYang tze Nommal University Chong qig Fuling 4811B Abstact： A eectroni nose system was desjined for monitorig meat freshess according of pork smell_Byanal zing the rotterness mechanim of meat an anray of gas sensors was seketed The composite G A-RBF netw orkwas applied n the research of the electronic nose sy stem Experinets were conducted and results show that thereoq nitin rate of this sy stemn is 9whih is hiher than that of other sy stens . Key w ords： Pork freshness； E lctroni nose， G eetic al orithm； Compsite neural network 中图分类号 TS2073 文献标志码A 文章编号：1001-8123 (0802-0050-O4 猪肉的新鲜度是猪肉品质评定的重要指标。近年来，随着气敏传感器的发展，利用电子鼻技术检测肉品新鲜度已经引起人们的关注16。Sullivan等人日用由8个金属氧化物传感器和PLS模式识别法形成的电子鼻分析了4种不同饲养方式的猪肉在加工过程中的气味变化。试验表明：电子鼻不仅可以清晰地区分不同饲养方式的猪肉，也可以评价猪肉加工过程中香气的变化。柴春祥等人对猪肉进行新鲜度感官评价、测定其挥发性盐基氮含量及气敏传感器输出信号值，并分析了三者的关系，表明可用气敏传感器检测猪肉新鲜度。但以上研究一般使用通用气敏传感器或通用电子鼻来检测 猪肉的新鲜度，没有结合猪肉本身的气味特征，识别率较低。再者采用的模式识别方法多为多元统计方法，这些方法以方差的大小作为提取数据信息的准则，而方差并不能完全反映信息的多少。因此，本文根据猪肉的气味特征，自行设计电子鼻装置，构建遗传组合神经网络的模式识别方法，使用该系统可提高猪肉新鲜度识别率。 1电子鼻装置及试验方法 11 电子鼻装置 通过对生物嗅觉的理解和气体采样方式的研究，设计了具有仿生意义的电子鼻系统装置，如 图1所示。，气流通道和气体收集箱模仿生物的鼻腔，风扇模仿生物的肺，五只气敏传感器模仿生物的嗅细胞。样品室中猪肉样品挥发出的气味被风扇吸入到气体收集箱内，与传感器阵列反应后产生信号，经信号调理箱调理，再通过计算机分析判断得到猪肉新鲜度。 1-样品室；2-气流通道；3-信号调理箱； 4-气敏传感器阵列；5-气体收集箱； 6-风扇；7-计算机 图1电子鼻装置简图 111气敏传感器阵列 猪肉的成分主要有水、蛋白质、脂肪和少量的碳水化合物。在猪肉的贮藏过程中，由于酶和细菌的作用，这些成分会发生分解变化，产生气味。其中，蛋白质先分解为腐败的胺类，进一步分解为氨、硫化氢、乙硫醇等；脂肪分解为脂肪酸类，进一步分解为醛类和醛酸类臭气；碳水化合物分解为醇类、酮类、醛类和羧酸类气体日。这些气味随着猪肉的新鲜度的降低，变得越来越浓烈。本文确定氨气或胺类挥发物、硫化氢、醇醛类有机溶剂气体、卤烃类、烷烃类五类气体作为电子鼻的主要检测气体，选择五只费加罗公司生产的TGS系列气敏传感器，即TGS825氨气及胺类型、TGS825硫化氢型、TGS822乙醇类及有机溶剂气体型、TGS832卤烃型、TGS2511烷烃类型，构成传感器阵列。 112信号调理及采集电路 根据气敏传感器的特性，选用差分式电桥电路作为传感器的转换放大电路。在电桥中加入热敏电阻Rt，构成温湿补偿电路。电磁波干扰，采用模拟信号线接地的方法抑制。信号滤波电路，采用由0PA2L芯片构成的二阶有源低通滤波器。信号采集使用USB7889采集卡。 113系统软件 为了更好地控制采集传感器信号、处理分析猪肉样品数据、训练测试遗传组合网络、检测猪肉样品新鲜度等，作者利用VisualC*6O自行设计 了电子鼻软件系统。 12试验方法 本文所用猪肉样品均来自吉林华正农牧业开发股份有限公司所屠宰的吉林省二元杂交猪。 选取不同新鲜度的猪肉样品，同时进行电子鼻测定和挥发性盐基氮测定，每个猪肉样品重复测定四次，取平均值，把测试结果记入样本数据库，为遗传组合网络提供数据，将挥发性盐基氮测定法作为验证方法。在电子鼻系统试验中，试验装置处于清洁的室内空气中，温度2D± IC，湿度66±1将系统开启后预热五分钟，再稳定五分钟，将猪肉样品放入样品瓶，开始信号采集。根据所选传感器的特性及猪肉气味特征，设定采样时间为60s， 采样间隔为 ls， 传感器脱附清洗时间为6Q挥发性盐基氮测定按国标(B2/07-1994方法执行，其中温湿度条件与电子鼻试验条件保持一致。 两个不同新鲜度猪肉样品试验数据，见图2TVB-N值：12.88 (mg/100g) 图2猪肉样传感器信号及挥发性盐基氮值 在图2中，TVB-N值是猪肉样品的挥发性盐基氮值，曲线是猪肉样品的五只传感器信号值。从曲线上可以看出传感器信号开始处于稳定值，当接触被测猪肉样品时，电压值急剧下降，然后趋于平缓。图2中，猪肉样品TVB-N值小，传感器信 号曲线平缓；图2b中，猪肉样品TVB-N值较大，传感器信号曲线陡峭。 2结果与分析 猪肉新鲜度标准(GB2707-1994)规定，猪肉样品挥发性盐基氮含量大于20mg/100g 为腐败类猪肉，小于等于20mg/100g 为新鲜类猪肉。将样本库中的猪肉样品数据按此标准分类。依据这种分类模式，本文设计两个神经网络形成组合网络，作为新鲜猪肉样品和腐败猪肉样品的模式识别方法。将两类猪肉样品的传感器信号数据预处理及特征提取后，分别输入两个子网络进行训练、测试。然后，利用训练好的组合网络对未知猪肉样品进行新鲜度分类。 2.1遗传组合网络 依据猪肉的新鲜度模式，设计两个RBF 网络191形成组合网络，并且用遗传算法I10对子 RBF网络进行优化。由于RBF 网络是局部逼近网络，在局部范围内分类效果好，将两个RBF网络组合起来，既扩大了分类判决界限，又保持了分类精度。遗传算法具有强大的并行信息处理能力，用其优化后，RBF网络精度更高。组合网络结构图如3所示。图中，X，~X是网络输入向量，Y~Y是子网络输出值。 图 3组合网络结构 在组合网络中，两个RBF子网络分别负责识别新鲜猪肉样品和腐败猪肉样品，子网络评判原则采用最大隶属度原则。其中，每个子网络隐层取高斯核函数，包括隐节点数、隐层中心、中心宽度、隐层到输出层权重，用遗传算法优化这些参数。在遗传算法中，选择操作采用轮盘赌选择法；交叉操作采用线性基因重组；变异操作采用非均匀基因变异；遗传优化终止条件为适应度达到500或进化代数为2000代. 2.2特征值优选 每个猪肉样品数据，可以绘制出五条曲线，见图2，大量的数据蕴含于每条曲线中。根据猪肉的气味特征，提取曲线的峰值、平均值、稳定值、30秒值、峰面积作为特征值，分别记作Max、AverageLast、30s、Area。每个猪肉样品数据得到一个特征值矩阵R可表示为： 式中： n 为传感器个数。 取60个猪肉样品作为组合网络的训练样本，新鲜猪肉样品和腐败猪肉样品各30个，选取20个猪肉样品作为测试样本，遗传算法的种群规模取80。将每个猪肉样品特征值矩阵R的列向量分别作为特征向量输入网络训练，测试。组合网络识别率见表1。 表1 不同特征向量的网络识别率 特征值种类 Max Average Last 30s Area 识别率(%) 95 70 60 70 90 从结果看出，峰值 Max 和峰面积 Area 特征突出，稳定值 Last 不突出。因此，取峰值向量作为特征向量。 2.3种群规模确定 种群规模对计算的搜索空间有很大的影响，直接关系到遗传算法对RBF网络优化程度，从而影响到组合网络的识别能力。种群规模取100、80、60、50、20时组合网络的识别，结果见表2。 表2 种群规模对网络识别率的影响 种群规模 100 80 60 50 20 识别率(%) 95 95 85 60 40 从结果看出，确定种群规模为80个较好。 2.4训练样本数确定 为了节约训练成本，希望训练样本数尽可能地少。因此，有必要在采用较少的训练样本和保持较高的识别率之间作一折中。训练样本数取60、40、30、20时组合网络的识别结果见表3。 表3 训练样本数对网络识别率的影响 训练样本数 60 40 30 20 识别率(%) 95 95 80 75 从结果看，选取40个训练样本数较为合理。 遗传组合网络参数：在遗传算法中，种群规模 取80个，交叉概率取08变异概率取OB终止条件为适应度达到500.取峰值向量作为特征向量，取40个训练样本数。 2.5验证及对比试验 取不同新鲜程度的20份猪肉样品，进行电子鼻系统测定和挥发性盐基氮测定，试验过程同上。将所得数据预处理和特征提取后，输入到训练好的遗传组合网络进行识别。用挥发性盐基氮评判结果验证组合网络识别结果，电子鼻系统对猪肉样品识别率达95%. 将猪肉样品数据用文献1中PCA法和文献3中BP网络识别方法识别，结果见表4. 表4 不同识别方法的比较 识别方法 遗传组合网络 PCA法 BP网络 识别率(%) 95 80 80 由表中可以看出，遗传组合网络识别方法优于其它模式识别方法。 3结论 本文根据猪肉的气味特征，建立了一套用于猪肉新鲜度识别的电子鼻系统，经理化试验验证，对猪肉新鲜度的识别率达98%。经试验对比，遗传算法优化的组合径向基函数神经网络优于其它模式识别方法。 ( 参考文献 ) ( 口 CD Na t ale AMacay nano， e talA ekctmic n o se f o r food anal sis Senso r s and Actuators B 19974 4 521~525. ) ( 2 G abrieh MGri ini Carbs AeatalW amm el-over fhvouranal sis n bw t enperature-bng t ine p r ooessed meat b y an“eetronic nose' Me a t Scime 211056221~228. ) ( 3 滕炯华，袁朝辉，王磊基于气敏传感器阵列的牛肉新鲜度识别方法研究测控技术，2002， 21(7)：1~3. ) ( 4 T a urno， D D elb Monacoa， e at alAal sis o f d r y s a hmi by y means o f a n electronic nose and corretion wi t h mirobob； ial methods Sesor s and Actuators B 20B 95123~131 _ ) ( 5 M G O’ S ullivana DV By mea etalA comparison o f wamel-over flhvour n po r k by se n sory anal sis G C/ MSand the electronic nose Me a t Scimce 2I0B65：1125~ 1138 _ ) ( 6 柴春祥，杜利农气体传感器在猪肉新鲜度检 测中的应用研究食品科技，20025 59~61. ) ( 7 B r ett J D olen an Nathan S L ev is Com parison of odor detectin thresholls and odor discrinnablies of a con- ducting potmer composite e ectronic nose versus mammalien olfaction Sens o rs a nd Actu a tor B20017241~50 _ ) ( 孔保华，马俪珍肉品科学与技术北京：中国 轻工业出版社，200397~99. ) ( li u MQChe n J DDetemm ining the str u ctures and parameters o f r adil basis f unctiin neural networks usig inproved g metial g orihms Loumal of C etral South U n i-versity of Tednob g y 192850：141~146. ) ( [1C] Holland J H G enetic a t orithms Scientifi c Anerican， 1996256①66~72. ) 第期总第C期(肉类研究) 第期总第C期肉类研究)