基于气体传感器阵列的白酒分类与识别

白酒的生产和消费在我国国民经济中占据着重要地位。随着经济和社会的发展,人们生活水平的提高,对白酒的质量问题越来越重视。近年来,假酒中毒事件频频发生,白酒市场充斥着假冒伪劣商品和无证,无照经营等,对人们的生命健康造成严重危害,因此,对酒类产品快速、准确地检测直接关系到消费者的身体健康。相对感官评价和化学分析,电子鼻技术对白酒的评价更加客观、快速和准确。本文采用由7个Figaro公司商用TGS传感器组成的气体传感器阵列,利用实验室自制电子鼻系统采用动态测量法,对不同种类的白酒进行分类和识别。 对不同种类的白酒在不同温度下水浴加热后进行测量,分析蒸发温度对电子鼻白酒评价的影响。7种白酒分别在20℃、40℃、60℃和80℃水浴加热后测量,采用主元分析法按照香型和酒精度对其分类,结果表明：随着蒸发温度的升高,白酒的分类效果依次变好。其中60℃按白酒的香型和酒精度的分类结果最佳。 白酒样本按蒸发温度划分的PCA分析表明：随着蒸发温度的升高,饱和蒸汽中微量成分的浓度增加,白酒样本呈现较好的聚类特性。在60℃时,白酒样本的聚类最好；80℃时,蒸发温度较高,饱和蒸汽中的水蒸气较多,影响了电子鼻对白酒香气成分的评价,因此白酒的聚类性不及60℃。 白酒的特征分析对白酒的鉴别分类或质量监控具有重要意义。采用相同的气体传感器阵列对8种白酒进行了动态测量。选择白酒的品牌、香型、原料、酒精度、产地和厂家作为评价白酒的特征。PCA分析显示,香型和原料对不同品牌白酒的描述比酒精度、产地和厂家的描述更准确,其中按原料的分类结果最佳。同一厂家的白酒大多出自同一产地,因此,按产地和厂家两个特征对白酒的分类结果一致。酒精度作为特征,分类过程中部分白酒呈现重叠。 模式识别算法在电子鼻系统中扮演着重要角色。采用BP-ANN、PNN、LVQ和k-NN4种模式识别算法,按香型、酒精度和原料对10种白酒进行识别。BP-ANN和PNN两种算法按香型和原料对白酒的识别率达到100%,,按酒精度的识别率为95%,识别结果比较理想。k-NN算法在白酒的不同特征识别过程中,也表现出较强的识别能力。LVQ算法按香型、酒精度和原料对白酒的识别率分别为85%、90%和70%,识别精度相对偏低。