0 引言

　　猪肉与蔬菜都是人们日常食用的食物，由于自身和外界环境、微生物等的作用，猪肉与蔬菜都会发生不同程度的腐败。随着气敏传感器的发展，利用电子鼻技术检测猪肉新鲜度已经引起人们的关注[1-4]，柴春祥等人[5]利用电子鼻对猪肉新鲜度进行判别，表明可以利用金属氧化物半导体气体传感器检测猪肉新鲜度；孙天利等人[6]则探究了线性判别式分析（LDA）和主成分分析（PCA）在新鲜度识别中的效果。而蔬菜的新鲜度，目前应用电子鼻检测新鲜度的研究并不多，吴琼[7]等人利用光谱成像技术探究蔬菜的新鲜度。本文则重点利用电子鼻对猪肉和蔬菜的新鲜度进行检测，设计了基于金属氧化物半导体气敏传感器（MOS）的检测阵列，并针对冰箱低温环境设计专用气室，能应用于冰箱保鲜贮存猪肉与蔬菜新鲜度检测的电子鼻系统[8]，具有成本低，快速、简便的特点。本文选取猪肉以及蔬菜中较有代表性的菠菜作为实验对象，对系统性能进行初步验证。

1 系统设计

　　电子鼻是利用气体传感器阵列的响应值来识别气味的电子系统，可以在几小时、几天甚至数月的时间内连续、实时地监测特定位置的气味状态。电子鼻系统一般由检测气室、下位机控制系统及上位机处理系统组成。检测气室主要用于气体信号采集，下位机控制系统则实现系统电路及气路的控制、A/D转换、液晶显示及数据通信功能，上位机处理系统主要完成对下位机的控制、数据记录与处理和人机界面等功能。为完成系统功能，最小核心芯片选用TI公司的MSP430F169，A/D转换芯片则选用TI公司的ADC128S052，该芯片较430内部AD电路具有更高的转换速率及精度。系统总体设计框图如图1所示。

　　1.1 检测气室设计

　　气敏传感器工作时，工作温度达200 ℃～300 ℃[9]，电子鼻系统在清洗预热阶段，通入室温状态下的空气，此时如果有明显低于室温的低温气体通入，会抑制传感器的正常工作状态，进而影响性能，因此需要设计加热气路，快速将低温气体加热至室温状态用以系统检测。

　　为此，本文专门设计了检测气室，主要在泵入传感器阵列测试腔前增加一段加热及控温电路，将进入测试腔前气路温度控制在室温，确保不会因为气体温度过低而影响传感器的正常响应及使用寿命。并在气路入口处填装活性炭，消除水汽及空气中VOCs对检测的影响。控温电路通过PID控温算法实现，其设计概要图如图2所示。

　　1.2 系统硬件设计

　　1.2.1 传感器阵列选择

　　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。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；碳水化合物则分解为醇类、酮类、醛类和羧酸类气体[10]。蔬菜的腐败过程则主要产生有机挥发气体VOCs。

　　据此，本文综合选择6种MOS传感器组成传感器阵列，具体型号及特征气体如表1所示。

　　1.2.2 传感器核心检测电路设计

　　为消除基线漂移影响，提高检测灵敏度，系统检测电路选用包含惠斯登电桥以及由运算放大器OPA2333构成的差分放大电路传感器核心检测电路设计如图3所示。

　　由图3可知，通过调节R1，使Vout的输出减去因分压所造成的基线，从而扩大检测的动态范围。假设调节R1调零后，R1端输入电压为V1，传感器输入电压为Vs，则可得输出电压与传感器输入电压关系如式(1)：

　　对于非金属氧化物气体传感器，通常传感器阻值Rs与气体浓度C之间的关系可以使用式(2)表示：

　　其中，A与α是与气体种类相关的常数。则根据式(1)与式(2)可以得出输出电压与气体浓度间的关系。

1.3 系统软件设计

　　1.3.1 下位机软件设计

　　下位机软件基于430单片机，以C语言进行开发。主要实现传感器检测阵列控制、A/D转换、气路通断等控制功能，并在TFT屏上实时显示波形。通过对控制气路通断来采集传感器响应特征值，在经过A/D处理并取平均值之后在串口中断中向PC端传送数据。下位机系统主程序流程图见图4。

　　系统初始化模块主要实现系统端口、串口通信、A/D转换、TFT液晶显示等模块的初始化工作，为后续检测做好准备。串口初始化则完成工作模式的设置，包括波特率、定时器工作方式、定时器定时的设置；A/D初始化主要是通道的选择以及A/D寄存器的设置；TFT液晶屏初始化工作是正确设置液晶显示屏的控制参数。

　　1.3.2 上位机软件设计

　　为更好地记录实验数据及观察响应曲线，系统编写了基于C#的上位机程序，程序集合了串口通信、下位机控制、描点绘图、数据保存、特征值提取及数据处理等功能。使用者可以利用上位机软件实时观察响应波形，程序会自动将采集的数据保存到电脑，方便后续分析数据。程序集成了PCA及LDA算法，点击数据处理按钮，即可对一系列采集的数据进行处理，观察本次检测响应曲线，并判别当前猪肉的新鲜度。

2 实验及结果分析

　　2.1 实验流程

　　从市场上购买新鲜猪肉作为实验原材料，称重100 g放入冰箱保鲜室贮存；蔬菜则选取较有代表性的菠菜作为实验材料，同样放入冰箱保鲜室贮存。进行测量时，将样品从冰箱中取出，放入检测气室中进行检测，用TFT显示屏及上位机程序观察实时曲线，并进行数据处理。样品每天测量2～3次，记录每次实验传感器响应特征值。最后对采集到的数据进行处理，查看每次实验的判别结果。

　　2.2 电子鼻系统峰值响应

　　2.2.1 猪肉峰值响应

　　由于猪肉在保鲜条件下贮存腐败速度会降低，因此对于保鲜条件下贮存的猪肉每天测试2～3次，每次间隔4个小时。在本实验中，一共记录了4天数据，图5表示其电子鼻峰值响应情况。

　　通过分析图5的峰值响应，可以认为在前28个小时的猪肉保持在新鲜状态。在第2天时可认定猪肉处于次新鲜状态，肌肉颜色稍暗，指压后的凹陷不能立即恢复，弹性差，稍有氨味。从第3天开始，猪肉的腐败程度已经较深，可认为已经完全腐败。

　　2.2.2 菠菜峰值响应

　　与猪肉实验方法相同，记录了菠菜电子鼻的峰值响应，由于菠菜的腐败进程要慢于猪肉，菠菜的峰值记录时间约为6天，此时的菠菜叶片萎缩严重、变黄变黑、叶片和茎杆都变软，有明显的腐败气味，可以认为已经基本处于完全腐败状态。结果如图6所示。

　　2.3 新鲜度检测结果识别分析

　　为对这两种食物新鲜度进行更好的识别与区分，系统采用线性判别式分析(Linear Discriminant Analysis，LDA)作为识别算法。该算法的基本思想是投影，首先找出特征向量，通过将高维数据投影到更低维的方向，使得投影后组与组之间尽可能地分开，而同一组内的关系更加密切，最后在新的空间中对样本进行分类[11]。LDA算法可以更直接地处理样本间的分类问题，以便系统更好地区分食物的新鲜度。

　　结合电子鼻响应情况与肉类新鲜度评价标准[12]，对贮存在冰箱中的猪肉新鲜度进行了区分，同时采用LDA算法对相应的气味图谱进行分类聚合，据此标准得出的分类结果如图7所示。与猪肉分类标准类似，菠菜LDA算法对相应气味图谱进行分类聚合所得到的结果如图8。

　　分类图中可以明显区分新鲜状态与非新鲜状态，两者的线性判别函数LD1和LD2总贡献率为100%，已经完全表征了样品信息。虽然在菠菜的次新鲜及腐败状态的区分上，还有一定的接近，但是已经能基本实现区别新鲜与否的功能。

　　2.4 猪肉与蔬菜的气味识别

　　在实际使用中，通常将肉类与蔬菜混放在一起，因此需要探究凭借气味图谱识别食物类型，对于多种样品的识别，采用主成分分析（PCA）方法进行识别效果更好。主成分分析采取数学降维的方法, 找出几个综合变量代替原来众多的变量, 使这些综合变量能尽可能地代表原来变量的信息量, 而且彼此之间互不相关[13]。为了能更好地进行识别，本文选取了峰值、最大正斜率和响应时间3个特征值，这样系统就总共有18个特征值，其中前两个主成分的贡献率分别达到82.4%和9.5%，基本可以用这两个主成分代替样本信息。对其进行主成分分析，能较好地区分出猪肉及菠菜。图9为猪肉与菠菜的PCA分析结果。

3 结论

　　(1)电子鼻系统利用430单片机构建，并实现检测模块化，降低了成本，具有调试方便、运行可靠、操作简单的优点。系统能适应冰箱保鲜贮存低温环境，消除因低温气体对检测结果造成的影响。

　　(2)由实验结果可知，线性判别式分析(LDA)算法可以较好地区分出猪肉与菠菜的新鲜程度，而利用主成分分析（PCA）方法则可以较为准确地区分出肉类与菠菜，具有优异的性能。

　　(3)由于蔬菜种类繁多，系统初步验证了菠菜的检测效果，其他蔬菜未做验证，需进一步实验验证。

　　参考文献

　　[1] Migurl Peris，Laura Escuder-Gilbert.A 21st century techni-que for food control: Electronic noses[J].Analytica Chemica Acta，2009，638(6)：1-15.

　　[2] Tong Yueying，Chen Donghui，Shi Zhibiao，et al.Study on the application of biological tactile in fast meat freshness detection[J].Advances in Natural Science，2010，3(2)：170-176.

　　[3] HAUGEN J E，LUNDBY F，WOLD J P，et al.Detection of rancidity in freeze stored turkey meat using a commercial gas-sensor array system[J].Sensors and Actuators，2006(116)：78-84.

　　[4] 吴文娟，方向生.基于气敏传感器阵列和PCA的猪肉新鲜度快速分类方法[J].传感技术学报，2010，23(11)：1536-1540.

　　[5] 柴春祥，杨江林.基于电子鼻技术检测猪肉新鲜度的研究[J].食品科技，2010，35(12)：282-285.

　　[6] 孙天利，岳喜庆.利用电子鼻技术预测冰温贮藏牛肉的新鲜度变化[J].分析与检测，2014，40(4)：185-189.

　　[7] 吴琼，朱大洲.基于高光谱成像的蔬菜新鲜度检测初探[J].食品安全质量检测学报，2012，3(6)：685-689.

　　[8] 张新荣.基于电子鼻的鱼类新鲜度检测系统设计[J].湖北农业科技，2012，51(7)：1464-1467.

　　[9] 陈裕泉，葛文勋.现代传感器原理及应用[M].北京：科学出版社，2007：244-248.

　　[10] 孔保华，马俪珍.肉品科学与技术[M].北京：中国轻工业出版社，2003：97-99.

　　[11] 王晓慧.线性判别分析与主成分分析及其相关研究评述[J].中山大学研究生学刊：自然科学与医学版，2007，28(4)：50-61.

　　[12] GB/T 5000.44-2003，肉与肉制品卫生标准的分析方法[S].2004，1.

　　[13] 傅德印.主成分分析中的统计检验问题[J].统计教育，2007(9)：4-7.