隨著食品質(zhì)量事件頻發(fā)，食品安全問題已成為全球性關(guān)注的熱點。中國白酒具有悠久的歷史，是世界上著名的蒸餾酒之一，在人們生活中占據(jù)重要的地位，而近年來市場上各種白酒品質(zhì)參差不齊，其中不乏各種勾兌而成的摻假白酒。摻假白酒的制造及銷售嚴(yán)重?fù)p害了消費者身體健康和財產(chǎn)安全。因此，構(gòu)建一種快捷、直接、可靠地辨別摻假白酒的方法具有重大的社會意義。
本文以摻假白酒為檢測對象，以虛擬儀器為核心構(gòu)建了一套電子鼻檢測系統(tǒng)，實現(xiàn)了對不同純度的摻假白酒定性和定量鑒別分析。針對電子鼻響應(yīng)信號的特點，采用 DWT 方法對電子鼻原始信號進(jìn)行預(yù)處理，隨后利用 PCA 方法對不同純度的摻假白酒進(jìn)行定性辨別，同時采用ABC-LSSVM 方法對白酒純度進(jìn)行定量預(yù)測。旨在為摻假白酒檢測評價提供有力的技術(shù)支持。
材料與方法
本文根據(jù)文獻(xiàn)中白酒摻假樣品的制備方式，向茅臺鎮(zhèn)醬香酒里混摻工業(yè)酒精和飲用水，分別配制體積分?jǐn)?shù)為 100% 、90% 、80% 、70% 、60% 及50% 的實驗樣品各 400 mL，平均分成 20 份，利用酒精計控制摻假白酒的酒精度和真酒酒精度保持一致。
數(shù)據(jù)處理與分析
小波信號預(yù)處理
基于 PCA 的定性辨別分析
基于 ABC-LSSVM 的定量預(yù)測模型
結(jié)果與分析
小波信號預(yù)處理
由于電子鼻每檢測一次就會產(chǎn)生 6000 個原始數(shù)據(jù)，這些數(shù)據(jù)信息量大、高維、含噪聲，難以直接進(jìn)行模式識別分析，根據(jù)電子鼻檢測信號特點，本實驗利用 Matlab 軟件平臺，采用離散小波變換( DWT) 進(jìn)行數(shù)據(jù)預(yù)處理，分別采用 Coiflets、Daubechies、haar、Symlets 小波函數(shù)作為小波基函數(shù)對原始信息進(jìn)行5～8層壓縮分解，波形相似系數(shù) f 變化情況如圖 2 所示。對比發(fā)現(xiàn)，以 sym4 為小波基函數(shù)經(jīng) 6 層壓縮效果最好，相似系數(shù) f 為 0．975 6，可將 6000 個數(shù)據(jù)減小至 47 個數(shù)據(jù)。
基于 PCA 的摻假白酒定性辨別
利用電子鼻對每個不同純度的摻假白酒樣品分別進(jìn)行連續(xù) 20 次平行檢測，基于Matlab 軟件平臺采用 PCA 對不同純度的摻假白酒樣品電子鼻檢測數(shù)據(jù)進(jìn)行分析。其主成分分布如圖 3 所示，第一主成分和第二主成分的貢獻(xiàn)率分別為 63．32% 和 25．80% ，累積貢獻(xiàn)率達(dá)到 89．12% ，說明 PCA 很好地解釋了電子鼻特征信息。從圖 3 分類效果上來看，不同純度的摻假白酒樣品聚集在 PCA 圖中不同區(qū)域，即不同樣品之間存在較大的差異，電子鼻信號穩(wěn)定性較好，6 種不同純度的摻假白酒得到了有效的區(qū)分。
基于 ABC-LSSVM 的白酒純度定量預(yù)測
為了實現(xiàn)對不同純度的摻假白酒定量預(yù)測，將 6 個傳感器的采集信號作為自變量，白酒純度作為因變量，建立 LSSVM 白酒純度定量預(yù)測模型。利用電子鼻對每種不同純度的摻假白酒樣品分別進(jìn)行連續(xù) 20 次平行檢測，選取 90 個樣本( 每種濃度 15 個，共 6 種濃度) 作為訓(xùn)練集，用以建立模型及優(yōu)化參數(shù)。剩余的 30 組( 每種濃度5 個，共6 種濃度) 作為驗證集，用于驗證所建立模型的性能。
為了驗證 ABC-LSSVM 的模型對白酒純度的預(yù)測性能，分別選擇留一交叉驗證算法優(yōu)化最小二乘支持向量機(jī)( LOOCV-LSSVM) 、遺傳算法優(yōu)化最小二乘支持向量機(jī)( GA-LSSVM) 以及標(biāo)準(zhǔn)粒子群算法優(yōu)化最小二乘支持向量機(jī)( PSO-LSSVM) 與本算法進(jìn)行比較分析。以建模集對上述模型進(jìn)行優(yōu)化訓(xùn)練，驗證集對模型預(yù)測性能進(jìn)行檢驗，ABC-LSSVM 白酒純度預(yù)測模型如圖 4 所示，不同參數(shù)優(yōu)化方法下的 LSSVM 白酒純度預(yù)測模型評價結(jié)果如表 1 所示。
綜合以上 4 種參數(shù)優(yōu)化方法的評價結(jié)果可以看出，LOOCV-LSSVM 預(yù) 測 效 果 最 差，這 主 要 是 因 為LOOCV 方法計算成本較高、尋優(yōu)過程復(fù)雜，不能更快、更準(zhǔn)確的尋找最優(yōu)的( σ ，c ) 參數(shù)組合造成的，從表 1 可以看出 GA、PSO 和 ABC 3 種 LSSVM 優(yōu)化方法確定的預(yù)測集預(yù)測結(jié)果回歸線與 1∶ 1 線都相接近，從表 1 可知 3 個 LSSVM 模型驗證集中，預(yù)測值與真實值之間的決定系數(shù) Ｒ2 均大于 0．92，ＲMSE 均低于0．03，預(yù)測性能都較好，但以 MＲE 為評價依據(jù)，ABC優(yōu)化 LSSVM 模型的預(yù)測精度略高于 PSO 和 GA 優(yōu)化的 LSSVM 模型預(yù)測精度。各評價指標(biāo)之間雖差距不大，但 ABC 優(yōu)化后的 LSSVM 模型對摻假白酒純度的預(yù)測精度已得到了很好地提高。這主要是因為 ABC 具有勞動分工和協(xié)作機(jī)制，收斂速度快、魯棒性強(qiáng)且全局尋優(yōu)性能優(yōu)異，因此相比于PSO 和 GA 具有更強(qiáng)的靈活性與適應(yīng)性，能夠更加準(zhǔn)確的尋找最優(yōu)的( σ，c ) 參數(shù)組合，因此 ABC- LSSVM 模型對白酒純度就具有較高的預(yù)測能力。
結(jié)論
自行研制了一套電子鼻檢測系統(tǒng)，并將其應(yīng)用于摻假白酒的定性與定量檢測中。針對傳統(tǒng)上對電子鼻信號進(jìn)行預(yù)處理大多采用面積值、穩(wěn)定值和平均微分值等提取法，提取信息量小，不能挖掘和利用全部信息等缺點，本文選用了 DWT 方法對電子鼻信號進(jìn)行特征提取，然后采用 PCA 和 LSSVM 分別對白酒純度進(jìn)行定性和定量辨別。LSSVM 參數(shù)是影響預(yù)測效果的重要因素，提出了一種基于 ABC 的 LSSVM 優(yōu)化方法。同時，為了驗證 ABC-LSSVM 的模型對白酒純度的預(yù)測性能，分別選擇 LOOCV-LSSVM、GA-LSSVM以及 PSO-LSSVM 與本算法進(jìn)行比較分析，結(jié)果表明，ABC-LSSVM 預(yù)測模型對摻假白酒定量預(yù)測效果最好。電子鼻系統(tǒng)能夠?qū)郊俟磧栋拙茦颖具M(jìn)行準(zhǔn)確的定性和定量分析，該研究成果將為白酒純度檢測方面提供新的技術(shù)支撐。
參考文獻(xiàn)：馬澤亮,國婷婷,殷廷家,王志強(qiáng),楊方旭,李彩虹,李釗,袁文浩.基于電子鼻系統(tǒng)的白酒摻假檢測方法[J].食品與發(fā)酵工業(yè),2019,45(02):190-195.DOI:10.13995/j.cnki.11-1802/ts.018206.轉(zhuǎn)載請注明來源。
提醒：文章僅供參考，如有不當(dāng)，歡迎留言指正和交流。且讀者不應(yīng)該在缺乏具體的專業(yè)建議的情況下，擅自根據(jù)文章內(nèi)容采取行動，因此導(dǎo)致的損失，本運營方不負(fù)責(zé)。如文章涉及侵權(quán)或不愿我平臺發(fā)布，請聯(lián)系處理。
本文以摻假白酒為檢測對象，以虛擬儀器為核心構(gòu)建了一套電子鼻檢測系統(tǒng)，實現(xiàn)了對不同純度的摻假白酒定性和定量鑒別分析。針對電子鼻響應(yīng)信號的特點，采用 DWT 方法對電子鼻原始信號進(jìn)行預(yù)處理，隨后利用 PCA 方法對不同純度的摻假白酒進(jìn)行定性辨別，同時采用ABC-LSSVM 方法對白酒純度進(jìn)行定量預(yù)測。旨在為摻假白酒檢測評價提供有力的技術(shù)支持。
材料與方法
本文根據(jù)文獻(xiàn)中白酒摻假樣品的制備方式，向茅臺鎮(zhèn)醬香酒里混摻工業(yè)酒精和飲用水，分別配制體積分?jǐn)?shù)為 100% 、90% 、80% 、70% 、60% 及50% 的實驗樣品各 400 mL，平均分成 20 份，利用酒精計控制摻假白酒的酒精度和真酒酒精度保持一致。
數(shù)據(jù)處理與分析
小波信號預(yù)處理
基于 PCA 的定性辨別分析
基于 ABC-LSSVM 的定量預(yù)測模型
結(jié)果與分析
小波信號預(yù)處理
由于電子鼻每檢測一次就會產(chǎn)生 6000 個原始數(shù)據(jù)，這些數(shù)據(jù)信息量大、高維、含噪聲，難以直接進(jìn)行模式識別分析，根據(jù)電子鼻檢測信號特點，本實驗利用 Matlab 軟件平臺，采用離散小波變換( DWT) 進(jìn)行數(shù)據(jù)預(yù)處理，分別采用 Coiflets、Daubechies、haar、Symlets 小波函數(shù)作為小波基函數(shù)對原始信息進(jìn)行5～8層壓縮分解，波形相似系數(shù) f 變化情況如圖 2 所示。對比發(fā)現(xiàn)，以 sym4 為小波基函數(shù)經(jīng) 6 層壓縮效果最好，相似系數(shù) f 為 0．975 6，可將 6000 個數(shù)據(jù)減小至 47 個數(shù)據(jù)。
利用電子鼻對每個不同純度的摻假白酒樣品分別進(jìn)行連續(xù) 20 次平行檢測，基于Matlab 軟件平臺采用 PCA 對不同純度的摻假白酒樣品電子鼻檢測數(shù)據(jù)進(jìn)行分析。其主成分分布如圖 3 所示，第一主成分和第二主成分的貢獻(xiàn)率分別為 63．32% 和 25．80% ，累積貢獻(xiàn)率達(dá)到 89．12% ，說明 PCA 很好地解釋了電子鼻特征信息。從圖 3 分類效果上來看，不同純度的摻假白酒樣品聚集在 PCA 圖中不同區(qū)域，即不同樣品之間存在較大的差異，電子鼻信號穩(wěn)定性較好，6 種不同純度的摻假白酒得到了有效的區(qū)分。
為了實現(xiàn)對不同純度的摻假白酒定量預(yù)測，將 6 個傳感器的采集信號作為自變量，白酒純度作為因變量，建立 LSSVM 白酒純度定量預(yù)測模型。利用電子鼻對每種不同純度的摻假白酒樣品分別進(jìn)行連續(xù) 20 次平行檢測，選取 90 個樣本( 每種濃度 15 個，共 6 種濃度) 作為訓(xùn)練集，用以建立模型及優(yōu)化參數(shù)。剩余的 30 組( 每種濃度5 個，共6 種濃度) 作為驗證集，用于驗證所建立模型的性能。
為了驗證 ABC-LSSVM 的模型對白酒純度的預(yù)測性能，分別選擇留一交叉驗證算法優(yōu)化最小二乘支持向量機(jī)( LOOCV-LSSVM) 、遺傳算法優(yōu)化最小二乘支持向量機(jī)( GA-LSSVM) 以及標(biāo)準(zhǔn)粒子群算法優(yōu)化最小二乘支持向量機(jī)( PSO-LSSVM) 與本算法進(jìn)行比較分析。以建模集對上述模型進(jìn)行優(yōu)化訓(xùn)練，驗證集對模型預(yù)測性能進(jìn)行檢驗，ABC-LSSVM 白酒純度預(yù)測模型如圖 4 所示，不同參數(shù)優(yōu)化方法下的 LSSVM 白酒純度預(yù)測模型評價結(jié)果如表 1 所示。
結(jié)論
自行研制了一套電子鼻檢測系統(tǒng)，并將其應(yīng)用于摻假白酒的定性與定量檢測中。針對傳統(tǒng)上對電子鼻信號進(jìn)行預(yù)處理大多采用面積值、穩(wěn)定值和平均微分值等提取法，提取信息量小，不能挖掘和利用全部信息等缺點，本文選用了 DWT 方法對電子鼻信號進(jìn)行特征提取，然后采用 PCA 和 LSSVM 分別對白酒純度進(jìn)行定性和定量辨別。LSSVM 參數(shù)是影響預(yù)測效果的重要因素，提出了一種基于 ABC 的 LSSVM 優(yōu)化方法。同時，為了驗證 ABC-LSSVM 的模型對白酒純度的預(yù)測性能，分別選擇 LOOCV-LSSVM、GA-LSSVM以及 PSO-LSSVM 與本算法進(jìn)行比較分析，結(jié)果表明，ABC-LSSVM 預(yù)測模型對摻假白酒定量預(yù)測效果最好。電子鼻系統(tǒng)能夠?qū)郊俟磧栋拙茦颖具M(jìn)行準(zhǔn)確的定性和定量分析，該研究成果將為白酒純度檢測方面提供新的技術(shù)支撐。
來源：感官科學(xué)與評定 轉(zhuǎn)載請注明來源。
