黄山毛峰中品质检测方案(感官智能分析)

VOL.34 NO.3MAY 2014湖北工程学院学报JOURNAL OF HUBEI ENGINEERINGG UNIVERSITY第34卷第3期2014年5月 基于电子鼻技术的黄山毛峰茶品质检测方法 基于电子鼻技术的黄山毛峰茶品质检测方法 薛大为，杨春兰 (蚌埠学院机械与电子工程系，安徽蚌埠233030) 摘 要：为了更加客观地评价黄山毛峰茶的品质，提出了一种利用电子鼻技术对黄山毛峰茶品质检测的方法。选择4种不同品质等级的茶叶，首先根据传感器响应选择特征变量，然后以这些特征变量作为BP神经网络的输入，建立茶叶品质等级的3层网络预测模型。实验结果表明，本文建立的模型对于训练样本识别准确率为100%，对测试样本识别准确率为89.3%，表明应用电子鼻技术检测黄山毛峰茶品质具有可行性。 关键词：黄山毛峰茶；电子鼻；BP神经网络 中图分类号：TP212.6 文献标志码：A 文章编号：2095-4824(2014)03-0064-04 黄山毛峰茶有着悠久的历史，是中国的名茶之一，因产于安徽黄山地区而得名。当前，对于黄山毛峰茶品质的评定，主要还是采用感官评定法。然而，感官评定法评价结果受主观因素影响较大，评价具有不确定性，因此很多研究者都致力于研究更加客观的评定方法来取代或辅助感官评定法。茶叶香气是影响茶叶品质的重要因素，会随茶叶品质的不同而产生相应变化。茶叶香气是由多种挥发性物质共同作用而形成，构成复杂，很难通过单一或少数几个传感器进行检测。电子鼻技术的出现使得从较全面的角度对香气信息进行检测成为可能。 电子鼻是一种仿生物嗅觉功能的人工嗅觉系统，在气味识别方面具有独特的优势，近年来，在食品、化工、饮料等工业得到广泛应用13-6]。电子鼻主要包括气敏传感器构成的传感器阵列和模式识别软件两个部分。模式识别是电子鼻的核心技术，常用的方法有主成分分析法、人工神经网络及线性判别法等。人工神经网络由于具有较强的非线性映射映射能力，在电子鼻技术中越来越受到广大研究者的关注。本文采用电子鼻对4种不同品质等级的黄山毛峰茶香气进行检测，根据传感 器阵列响应选择合适的特征变量，通过神经网络建立黄山毛峰茶品质等级预测模型，实现对茶叶等级的客观判别。 材料与方法 1.1 试验材料 采用德国 Airsense公司生产的 PEN2 型电子鼻，该电子鼻包含10个金属氧化物气敏传感器组成的传感器阵列和数据分析软件。电子鼻响应信号为传感器阵列接触挥发性气体后的电导率G与经过标准净化装置处理后的电导率G的比值，即G/G。。 1.2 试验方法 试验选择 R70，R100，R300，R600(数字代表茶叶的价格元/斤)4种不同品质等级的黄山毛峰干茶叶，每个等级各取35个样本，共140个样本，每个样本为50 g。将样本分别置于250 ml烧杯中密封，1h之后进行电子鼻检测。 2 特征变量选择 特征变量就是能够反映不同品质等级茶叶特征的量。电子鼻的10个传感器对每个品质等级 ( 收稿日期：20 1 4- 04 - 1 2 ) ( 基金项目：安徽省高等学校省级自然科学研究 项 目(K J 2013Z195) ) ( 作者简介：薛大为 ( 1978 一 )，男，安徽宿 州 人，蚌埠学院机械与电 子工程系 讲师，硕士。 杨春兰 ( 1981 一 )，女，安徽蚌 埠 人， 蚌埠 学院机械与电子工 程 系 讲 师，硕 士。 ) 茶叶香气作出响应，随茶叶等级的不同，响应信号曲线发生相应变化。通过分析响应曲线的变化特点及趋势，选择各传感器响应的最大值和稳态值作为表征茶叶品质的特征变量，因此每种品质的茶叶可以表示成如下20维的特征向量： 其中x，. x1o分别为第1~10个传 感器响应最大值；x11.. ..，zo分别为第1~10个传感器响应稳态值。特征向量是后续模式识别神经网络的输入因子，应用中为了保证网络收敛的快速性，对特征向量进行如下归一化处理： 其中，x；为第i个特征变量，Tmax，Xmin第i个特征变量的最大值和最小值，X为处理后的特征向量。 3 茶叶品质检测神经网络模型 3.1 BP 神经网络及学习算法 BP(Back Propagation)神经网络最为典型的神经网络模型之一，具有结构简单、适应性强以及较好的非线性逼近能力等特点[7.8]，是基于导师学习的前馈神经网络，特别适合于模式分类识别。鉴于此，本文采用BP神经网络对黄山毛峰茶的品质进行判别。 BP神经网络由输人层，1个或多个隐含层和输出层组成，前层的输出作为后层的输俞，各层内部神经元之间没有连接。单隐含层的三层 BP神经网络的模型如图1所示。 图1 三层 BP神经网络的模型 BP神经网络的学习过程分为两个阶段，即信号的前向传递阶段和误差的反向传递阶段。学习过程中，把训练样本输入网络，得到网络输出，当 输出值没有达到预期值时，通过误差反向传递不断修正网络的连接权值和阈值，学习过程直到网络输出达到预期值或网络学习次数(训练次数)达到设定的最大学习次数结束。BP学习算法中最常用是8算法，但该算法存在收敛速度慢、容易陷入局部最小等缺点10-11]。在实际应用中，常采用改进的附加动量项的8学习算法，学习算法过程如下： Stepl：初始化网络的连接权值、阈值、误差精度及最大学习次数。 Step2：按照式(1)一(4)计算隐含层、输出层的输入与输出。 j-1 上式中，i，j，k 分别为输层层、含含层和输出层的神经元；wg表示神经元i到神经元j的连接权值；net；为神经元j的输入，b，为神经元j阈值，o；为神经元j输出；f(·)为转换函数。 Step3：按照式(8)-(13)修正连接权值和阈值(阈值可看作输入为一1的连接权)。 (9) 8(m)=-(d(m)-o(m))f(net(m))， (10) (12) 上式中，Aw为连接权值的修正量，0摘要：为了更加客观地评价黄山毛峰茶的品质,提出了一种利用电子鼻技术对黄山毛峰茶品质检测的方法。选择4种不同品质等级的茶叶,首先根据传感器响应选择特征变量,然后以这些特征变量作为BP神经网络的输入,建立茶叶品质等级的3层网络预测模型。实验结果表明,本文建立的模型对于训练样本识别准确率为100%,对测试样本识别准确率为89.3%,表明应用电子鼻技术检测黄山毛峰茶品质具有可行性。 关键词：黄山毛峰茶;电子鼻;BP神经网络;