李强等：电子鼻研究进展及在中国白酒检测的应用 ·483 仪器自检系统.前端信号调理电路主要有两个方面的 等多种模式识别系统；根据电子鼻的实际应用场景将 功能：对模块提供恒流/压源，对采集的信号进行放大、 已得到的模式识别系统植入电子鼻芯片中，实现电子 滤波等处理：微控制单元与多通道AD采集系统通过 鼻的应用 直接内存存取(DMA)模式获取AD多通道循环转换的 5.2聚合物石英压电传感器型电子鼻在中国白酒检 结果：信号处理系统对采集的数字信号进行时一频分 测中的应用 析与转换，实时输出振荡频率值。聚合物石英压电传 通过对不同种类中国白酒化学成分及理化性质的 感器型电子鼻仪器自检系统能够实时根据各传感器及 分析，确定能够实现中国白酒有效检测的一种或几种 功能模块反馈信号检测和指示该仪器运行状态，并可 特征识别物：基于聚合物物理吸附原理，分析中国白酒 在预授权的情况下及时给予适当的干预，使得仪器排 特征识别物与聚合物材料间的吸附与解吸附关系；实 除异常状况稳定工作 现基于真空电子束色散镀膜技术的聚合物石英压电传 (3)模式识别系统 感器制备，构建应用于中国白酒检测的聚合物石英压 聚合物石英压电传感器型电子鼻模式识别系统由 电传感器阵列：通过采集中国白酒特征频率信号，建立 数据预处理、特征提取、分类决策与分类器设计四部分 针对于中国白酒产品具有分类与识别功能的模式识别 组成.在数据预处理部分，针对聚合物石英压电传感 系统，实现聚合物石英压电传感器型电子鼻在中国白 器型电子鼻采集的含有待测气体特征信息的原始多维 酒检测中的应用.在中国白酒鉴别应用中，采用主成 度振荡频率数据，模式识别系统采用均值滤波法(AF) 分分析算法一线性判别算法模式识别系统网与主成分 实现原始数据的清洗与去噪；在特征提取部分，针对去 分析算法一反向传播神经网络算法模式识别系统网的 噪后的多维度振荡频率数据，模式识别系统采用主成 八通道聚合物石英压电传感器阵列（传感器表面的聚 分分析法（主成分分析算法）进行选择或变换，得到最 合物薄膜材料如表2所示)型电子鼻(E-nose-CL-I/ 能反映待测气体分类或识别本质的特征数据，最大限 Ⅱ)已经得到成功应用. 度的挖掘预处理后数据的有用信息：在分类决策过程 运用基于主成分分析算法一LDA模式识别系统的 中，针对已获得的特征数据，分别采用线性判别分析法 E-nose-CL-I型电子鼻对红花郎酒、国窖1573酒、茅 (LDA)、K近邻分类法(KNN)、支持向量机法(SVM)、 台酒三种中国知名白酒检测结果如表3所示 BP神经网络法(BP-ANN)等方法对待测气体进行分 运用基于主成分分析算法-BP一ANN模式识别系 类学习，得到了主成分分析算法一线性判别分析法、主 统的E-nose-CL-Ⅱ型电子鼻对汾酒、国窖1573、剑南 成分分析算法一K近邻分类法、主成分分析算法一支持 春、牛栏山、五粮液、酒鬼酒六种中国知名白酒检测结 向量机法、主成分分析算法一反向传播神经网络算法 果如表4所示 表2应用于中国白酒检测的聚合物石英压电传感器型电子鼻中传感器表面薄膜材料类型 Table 2 List of polymers of the polymer quartz piezoelectric sensor used in the E-nose for Chinese liquor detection 序号 聚合物种类 序号 聚合物种类 聚氯乙烯 5 氯化银 2 聚酰胺 6 阿庆霉素 聚乙烯+氢化银 7 聚乙烯+氯化铜 4 聚四氟乙烯 8 聚乙烯+氯化银+氯化铜 表3 E-nose-CL-】型电子鼻对三种中国知名白酒检测结果 Table 3 Detection results for three famous Chinese liquors using E-nose-CL- 红花郎酒检测案例 国窖1573酒检测案例 茅台酒检测案例 序号 名称 相似度/% 序号 名称 相似度/% 序号 名称 相似度/% 红花郎酒 98.5 国窖1573酒 99.2 茅台酒 99.4 2 国窖1573酒 77.4 2 红花郎酒 89.2 2 红花郎酒 52.3 茅台酒 59.4 3 口子窖酒 61.5 3 汾酒 24.3 口子窖酒 40.0 4 牛栏山酒 26.5 4 口子窖酒 9.0 表4 E-nose-CL一Ⅱ型电子鼻对六种中国知名白酒检测结果 Table 4 Detection results for six famous Chinese liquors using E-nose-CL-II 中国白酒 汾酒 国窖1573 剑南春 牛栏山 五粮液 酒鬼酒 识别率/% 100 80 100 100 80 100李 强等: 电子鼻研究进展及在中国白酒检测的应用 仪器自检系统． 前端信号调理电路主要有两个方面的 功能: 对模块提供恒流/压源，对采集的信号进行放大、 滤波等处理; 微控制单元与多通道 AD 采集系统通过 直接内存存取( DMA) 模式获取 AD 多通道循环转换的 结果; 信号处理系统对采集的数字信号进行时--频分 析与转换，实时输出振荡频率值． 聚合物石英压电传 感器型电子鼻仪器自检系统能够实时根据各传感器及 功能模块反馈信号检测和指示该仪器运行状态，并可 在预授权的情况下及时给予适当的干预，使得仪器排 除异常状况稳定工作． ( 3) 模式识别系统． 聚合物石英压电传感器型电子鼻模式识别系统由 数据预处理、特征提取、分类决策与分类器设计四部分 组成． 在数据预处理部分，针对聚合物石英压电传感 器型电子鼻采集的含有待测气体特征信息的原始多维 度振荡频率数据，模式识别系统采用均值滤波法( AF) 实现原始数据的清洗与去噪; 在特征提取部分，针对去 噪后的多维度振荡频率数据，模式识别系统采用主成 分分析法( 主成分分析算法) 进行选择或变换，得到最 能反映待测气体分类或识别本质的特征数据，最大限 度的挖掘预处理后数据的有用信息; 在分类决策过程 中，针对已获得的特征数据，分别采用线性判别分析法 ( LDA) 、K 近邻分类法( KNN) 、支持向量机法( SVM) 、 BP 神经网络法( BP--ANN) 等方法对待测气体进行分 类学习，得到了主成分分析算法--线性判别分析法、主 成分分析算法--K 近邻分类法、主成分分析算法--支持 向量机法、主成分分析算法--反向传播神经网络算法 等多种模式识别系统; 根据电子鼻的实际应用场景将 已得到的模式识别系统植入电子鼻芯片中，实现电子 鼻的应用． 5. 2 聚合物石英压电传感器型电子鼻在中国白酒检 测中的应用 通过对不同种类中国白酒化学成分及理化性质的 分析，确定能够实现中国白酒有效检测的一种或几种 特征识别物; 基于聚合物物理吸附原理，分析中国白酒 特征识别物与聚合物材料间的吸附与解吸附关系; 实 现基于真空电子束色散镀膜技术的聚合物石英压电传 感器制备，构建应用于中国白酒检测的聚合物石英压 电传感器阵列; 通过采集中国白酒特征频率信号，建立 针对于中国白酒产品具有分类与识别功能的模式识别 系统，实现聚合物石英压电传感器型电子鼻在中国白 酒检测中的应用． 在中国白酒鉴别应用中，采用主成 分分析算法--线性判别算法模式识别系统［38］与主成分 分析算法--反向传播神经网络算法模式识别系统［39］的 八通道聚合物石英压电传感器阵列( 传感器表面的聚 合物薄膜材料如表 2 所示) 型电子鼻( E--nose--CL--I / II) 已经得到成功应用． 运用基于主成分分析算法--LDA 模式识别系统的 E--nose--CL--I 型电子鼻对红花郎酒、国窖 1573 酒、茅 台酒三种中国知名白酒检测结果如表 3 所示． 运用基于主成分分析算法--BP--ANN 模式识别系 统的 E--nose--CL--II 型电子鼻对汾酒、国窖 1573、剑南 春、牛栏山、五粮液、酒鬼酒六种中国知名白酒检测结 果如表 4 所示． 表 2 应用于中国白酒检测的聚合物石英压电传感器型电子鼻中传感器表面薄膜材料类型 Table 2 List of polymers of the polymer quartz piezoelectric sensor used in the E-nose for Chinese liquor detection 序号 聚合物种类 序号 聚合物种类 1 聚氯乙烯 5 氯化银 2 聚酰胺 6 阿庆霉素 3 聚乙烯 + 氯化银 7 聚乙烯 + 氯化铜 4 聚四氟乙烯 8 聚乙烯 + 氯化银 + 氯化铜 表 3 E--nose--CL--I 型电子鼻对三种中国知名白酒检测结果 Table 3 Detection results for three famous Chinese liquors using E--nose--CL--I 红花郎酒检测案例 国窖 1573 酒检测案例 茅台酒检测案例 序号 名称 相似度/% 序号 名称 相似度/% 序号 名称 相似度/% 1 红花郎酒 98. 5 1 国窖 1573 酒 99. 2 1 茅台酒 99. 4 2 国窖 1573 酒 77. 4 2 红花郎酒 89. 2 2 红花郎酒 52. 3 3 茅台酒 59. 4 3 口子窖酒 61. 5 3 汾酒 24. 3 4 口子窖酒 40. 0 4 牛栏山酒 26. 5 4 口子窖酒 9. 0 表 4 E--nose--CL--II 型电子鼻对六种中国知名白酒检测结果 Table 4 Detection results for six famous Chinese liquors using E--nose--CL--II 中国白酒 汾酒 国窖 1573 剑南春 牛栏山 五粮液 酒鬼酒 识别率/% 100 80 100 100 80 100 · 384 ·