隨著食品質量事件頻發(fā)，食品安全問題已成為全球性關注的熱點。中國白酒具有悠久的歷史，是世界上著名的蒸餾酒之一，在人們生活中占據重要的地位，而近年來市場上各種白酒品質參差不齊，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重損害了消費者身體健康和財產安全。因此，構建一種快捷、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。針對電子鼻響應信號的特點，采用 DWT 方法對電子鼻原始信號進行預處理，隨后利用 PCA 方法對不同純度的摻假白酒進行定性辨別，同時采用ABC-LSSVM 方法對白酒純度進行定量預測。旨在為摻假白酒檢測評價提供有力的技術支持。
材料與方法
本文根據文獻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，分別配制體積分數(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)據處理與分析
小波信號預處理
基于 PCA 的定性辨別分析
基于 ABC-LSSVM 的定量預測模型
結果與分析
小波信號預處理
由于電子鼻每檢測一次就會產生 6000 個原始數(shù)據，這些數(shù)據信息量大、高維、含噪聲，難以直接進行模式識別分析，根據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) 進行數(shù)據預處理，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 6 層壓縮效果最好，相似系數(shù) f 為 0．975 6，可將 6000 個數(shù)據減小至 47 個數(shù)據。
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)據進行分析。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率分別為 63．32% 和 25．80% ，累積貢獻率達到 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 的白酒純度定量預測
為了實現(xiàn)對不同純度的摻假白酒定量預測，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( LOOCV-LSSVM) 、遺傳算法優(yōu)化最小二乘支持向量機( GA-LSSVM) 以及標準粒子群算法優(yōu)化最小二乘支持向量機( PSO-LSSVM) 與本算法進行比較分析。以建模集對上述模型進行優(yōu)化訓練，驗證集對模型預測性能進行檢驗，ABC-LSSVM 白酒純度預測模型如圖 4 所示，不同參數(shù)優(yōu)化方法下的 LSSVM 白酒純度預測模型評價結果如表 1 所示。
綜合以上 4 種參數(shù)優(yōu)化方法的評價結果可以看出，LOOCV-LSSVM 預 測 效 果 最 差，這 主 要 是 因 為LOOCV 方法計算成本較高、尋優(yōu)過程復雜，不能更快、更準確的尋找最優(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)化方法確定的預測集預測結果回歸線與 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，預測性能都較好，但以 MＲE 為評價依據，ABC優(yōu)化 LSSVM 模型的預測精度略高于 PSO 和 GA 優(yōu)化的 LSSVM 模型預測精度。各評價指標之間雖差距不大，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)作機制，收斂速度快、魯棒性強且全局尋優(yōu)性能優(yōu)異，因此相比于PSO 和 GA 具有更強的靈活性與適應性，能夠更加準確的尋找最優(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測能力。
結論
自行研制了一套電子鼻檢測系統(tǒng)，并將其應用于摻假白酒的定性與定量檢測中。針對傳統(tǒng)上對電子鼻信號進行預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行特征提取，然后采用 PCA 和 LSSVM 分別對白酒純度進行定性和定量辨別。LSSVM 參數(shù)是影響預測效果的重要因素，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測性能，分別選擇 LOOCV-LSSVM、GA-LSSVM以及 PSO-LSSVM 與本算法進行比較分析，結果表明，ABC-LSSVM 預測模型對摻假白酒定量預測效果最好。電子鼻系統(tǒng)能夠對摻假勾兌白酒樣本進行準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支撐。
參考文獻：馬澤亮,國婷婷,殷廷家,王志強,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.轉載請注明來源。
提醒：文章僅供參考，如有不當，歡迎留言指正和交流。且讀者不應該在缺乏具體的專業(yè)建議的情況下，擅自根據文章內容采取行動，因此導致的損失，本運營方不負責。如文章涉及侵權或不愿我平臺發(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。針對電子鼻響應信號的特點，采用 DWT 方法對電子鼻原始信號進行預處理，隨后利用 PCA 方法對不同純度的摻假白酒進行定性辨別，同時采用ABC-LSSVM 方法對白酒純度進行定量預測。旨在為摻假白酒檢測評價提供有力的技術支持。
材料與方法
本文根據文獻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，分別配制體積分數(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)據處理與分析
小波信號預處理
基于 PCA 的定性辨別分析
基于 ABC-LSSVM 的定量預測模型
結果與分析
小波信號預處理
由于電子鼻每檢測一次就會產生 6000 個原始數(shù)據，這些數(shù)據信息量大、高維、含噪聲，難以直接進行模式識別分析，根據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) 進行數(shù)據預處理，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 6 層壓縮效果最好，相似系數(shù) f 為 0．975 6，可將 6000 個數(shù)據減小至 47 個數(shù)據。
利用電子鼻對每個不同純度的摻假白酒樣品分別進行連續(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)據進行分析。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率分別為 63．32% 和 25．80% ，累積貢獻率達到 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( LOOCV-LSSVM) 、遺傳算法優(yōu)化最小二乘支持向量機( GA-LSSVM) 以及標準粒子群算法優(yōu)化最小二乘支持向量機( PSO-LSSVM) 與本算法進行比較分析。以建模集對上述模型進行優(yōu)化訓練，驗證集對模型預測性能進行檢驗，ABC-LSSVM 白酒純度預測模型如圖 4 所示，不同參數(shù)優(yōu)化方法下的 LSSVM 白酒純度預測模型評價結果如表 1 所示。
結論
自行研制了一套電子鼻檢測系統(tǒng)，并將其應用于摻假白酒的定性與定量檢測中。針對傳統(tǒng)上對電子鼻信號進行預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行特征提取，然后采用 PCA 和 LSSVM 分別對白酒純度進行定性和定量辨別。LSSVM 參數(shù)是影響預測效果的重要因素，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測性能，分別選擇 LOOCV-LSSVM、GA-LSSVM以及 PSO-LSSVM 與本算法進行比較分析，結果表明，ABC-LSSVM 預測模型對摻假白酒定量預測效果最好。電子鼻系統(tǒng)能夠對摻假勾兌白酒樣本進行準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支撐。
來源：感官科學與評定 轉載請注明來源。
