基于电子鼻的猪肉新鲜度检测系统

1.绪论1.1课题研究背景新鲜度是肉类或肉类制品质量的一个重要指标，对产品最终质量十分重要。现已开展了一系列的指标和方法来评价猪肉鲜度，如感官评价方法、微生物学方法、物理及化学方法等[1]，但以上检测方法都不能满足快速检测的要求。新开展的酶传感器法和近红外光谱法等快速检测方法还处于试验研究阶段[2.3]，故研究快速、简便、准确的猪肉新鲜度检测方法，对猪肉及其制品的运输、储藏及加工过程有着重要的科学意义和应用价值。电子鼻是模仿人和动物的鼻子，用于分析、识别、检测复杂气味和挥发性成分的新型仪器，与常用的分析仪器(如色谱仪、光谱仪等)相比，电子鼻具有客观、准确、快捷地评价气味，并且重复性好的特点，对其技术的研究越来越得到人们的重视，其应用也越来越广泛。猪肉腐败变质时，产生不良风味，致使品质下降。已有研究说明，电子鼻可检测到猪肉品质下降时散发的挥发性成分的变化，对其新鲜度进行评价。目前电子鼻技术用于评价猪肉新鲜度时，只是说明猪肉的新鲜度发生变化，无法说明猪肉是否仍然新鲜、可食用。因此，本文以猪肉为研究对象，用电子鼻技术考察在不同实验条件下猪肉挥发性成分发生的变化，确定电子鼻输出信号的阈值，评价猪肉新鲜度等级。1.2电子鼻研究的开展状况1.2.1电子鼻的提出早在19世纪末，人类对化学传感器开始进行探索。20世纪中叶，各种化学传感器根本原理和实际应用研究均取得了一定的进展。1964年，Wilkens和Hatman利用气味在电极上的氧化——复原反响研制了世界上第一个“电子鼻〞；1965年，Buck等人利用气味调制电导，Dravnieks等人利用气味调制电位也分别研制出可“电子鼻〞；1967年，日本Figaro公司率先将金属氧化物半导体〔SnO2〕气体传感器商品化。电子鼻这个术语出现在80年代晚期，1987年它被专门用于一个会议[4]，1989年北大西洋公约组织召开了关于化学传感器信息处理的高级专题讨论会[5]，会议上对电子鼻做了如下定义:“电子鼻是由多个性能彼此重叠的气敏传感器和适当的模式分类方法组成的具有识别单一和复杂气味能力的装置〞。随后，在1990年举行了第一届电子鼻国际学术会议，最大规模的一届会议于1997年在美国的圣地亚哥召开。此后，各国学者对电子鼻的性能、标准、设计方法和相关技术做了广泛的研究，在各种化学传感器根本理论研究和实际应用方面均取得了很大的进展，有关的应用及仪器报道也相当可观[6]。第一台商业化的“电子鼻〞诞生于1994年。目前，世界上电子鼻商业产品的供给商己达18家，从事电子鼻开发研究的机构欧洲共有17家，美国和加拿大有9家[7]。典型的电子鼻系统包含3个单元:气敏传感器阵列，信号预处理单元和模式识别单元，如图1.1所示。模式识别信号模式识别信号处理气敏传感器气体 气体／气味气味 定性／定量图1.1电子鼻系统组成(1)气敏传感器阵列，相当于初级嗅觉神经元，由具有广谱响应特性的气敏元件组成。气敏传感器阵列可以采用数个单独的气敏传感器组合而成，也可以采用集成工艺制作的专用气敏传感器阵列。电子鼻系统就是利用传感器阵列的交叉敏感特性，通过模式识别技术来实现对混合气体的检测。(2)信号预处理单元，相当于二级嗅觉神经元，它对传感器阵列的响应模式进行预加工，完成特征信号的提取。(3)模式识别单元，相当于动物和人类的大脑，它运用一定的算法完成对气味气体的定性或定量辨识。目前，在电子鼻系统中采用的模式识别算法主要有:主成分分析法、最小二乘法、聚类方法、人工神经网络法、模糊逻辑法等。1.2.2电子鼻的应用近年来，电子鼻技术开展迅猛，国内外专家学者已将其应用于谷物、水果、蔬菜、禽类、水产品、肉类等方面。在水产品方面，Natale等在传统分析的根底上，用两种不同的电子鼻检测鳕鱼新鲜度，得到几乎一致的结论，说明电子鼻能用于鳕鱼新鲜度的检测。肉类方面，张哲等在研究牛肉品质时发现TGS2610，TGS2600，TGS2611，TGS2620和TGS2602传感器能用于确定牛肉新鲜度。1.2.3电子鼻的开展前景电子鼻是一项操作简单、快速、准确的无损分析技术。电子鼻的应用领域正在逐步扩大,从消防、汽车、海关检查、化工控制到食品的新鲜度检测。随着生物计算机的出现,生物与仿生材料研究的进步,微细加工技术的提高,纳米技术的应用,电子鼻的功能将逐步增强,它将会具有更高级的智能,能够进行分析、判断、自适应、自学习、最终开展到具有创造能力,可以完成图像识别、特征值提取、多维检测等复杂任务,其应用前景将更广阔[8]。例如电子鼻可以用作智能烟尘检测器,及时预报火灾,发出警报。它还能区分出是意外的火情,还是来自煎锅的烟雾。家里的冰箱安上微型电子鼻,当食品腐败变味时,它会发出警报。微波炉里装上一个电子鼻,当食物煮熟时,就会自动关掉微波炉。浴室、卧室里装上一个电子鼻,当室内气味不佳时,它就会翻开换气扇。随着传感器技术的进展和人对嗅觉过程的深入了解,电子鼻的功能必将日益增强,愈来愈多地取代生产和生活过程中人鼻的作用,取得愈来愈广泛的应用。电子鼻具有极大的应用价值,有了它,我们的生活会变得更加方便、平安。1.3论文主要工作(1)根据本课题的研究对象及实际情况，选择适宜的传感器，提出基于电子鼻的猪肉新鲜度检测系统。(2)电子鼻的硬件设计系统，介绍本课题硬件组成局部。(3)电子鼻的软件设计系统，主要介绍上位机软件程序设计。(4)通过LVQ对电子鼻气味数据进行分析。2电子鼻硬件系统设计2.1系统总体结构基于电子鼻的猪肉新鲜度检测系统的主体结构由传感器阵列，温湿度传感器模块，显示模块，无线通讯模块，键盘模块等组成，其主要实现了气味信号采集，信号调离，无线通讯，A/D转换等功能，首先单击PC机LabVIEW平台信号采集按钮，传感器阵列开始工作，根据不同传感器在相应的敏感气体中电阻产生的变化，在LabVIEW平台界面上产生相应的曲线，从而得以实现基于电子鼻的猪肉新鲜度检测功能，图为基于电子鼻的猪肉新鲜度检测系统的硬件总框图。图2.1系统硬件结构各模块的主要功能如下：〔1〕气敏传感器阵列：主要由TGS8XX系列3个气敏传感器组合成阵列，分别是TGS825,TGS826和TGS832。传感器选择的依据是他们对氨气，氯化氢，卤素气体具有敏感性。〔2〕信号调理模块：主要是将气敏传感器电阻的变换转换成电压的变化，并设计模拟开关CD4051，在控制器控制下分时选通3路传感器，依次将代表气味响应强度的电压值送入AD转换电路，这样只需要占用1个AD口，也便于数据的打包处理。另外，此模块还设计了高通滤波电路，滤除高频干扰。〔3〕温湿度传感器模块：在气敏传感器阵列外部添置了温湿度传感器AM2302，主要是因为温湿度对气敏传感器阵列输出信号有一定的影响，在后期建立数据处理时将环境的温湿度作为输入参量对识别模型进行校正。〔4〕Zigbee无线通信模块：基于CC2430设计了2.4GHz的Zigbee无线收发模块，可以接收上位机命令，发送采集的气味数据。采用无线通信方式，克服了当前有线方式存在的布线困难、通信距离短、扩展不方便等缺陷。〔5〕STM32处理器模块：控制核心使用32位的Cortex-M3RISC内核的STM32系列微处理器，其功能强大，自带12位AD转换器，完全满足气味数据采集精度的要求。〔6〕电源模块：设计稳定可靠的电源电路，提供系统所需要的5V和3.3V电源，保证RS-232转USB电路成功。(7〕人机接口模块：处理器外部扩展了液晶显示、数据存储、键盘等人机交互模块，可以实时显示采集信息、脱离上位机存储数据和执行相应按键操作。2.2系统硬件设计2.2.1电源模块电源电路是整个系统中重要的一环，本课题设计的电子鼻系统中STM32工作电压为3.3V，而USB接口供电电压或采用的开关电源都是5V，因此为了实现RS-232转USB电路我们必须将电源适配器输出的5V电压进行降压处理，电路如图2.2所示。图2.2电源模块电路原理图2.2.2按键电路在这里设计了4*4的矩阵键盘。通过一组I/O口连接。因为采用了键盘轮询的方式进行定位。所以可以有效的减少对单片机I/O口的使用。4*4矩阵键盘的连接图如上所示。其工作原理为：单片机通过运行程序不断扫描键盘，检查是否有键按下，当扫描到有键按下时。经过程序处理找出按下的键值，并调用相应键操作程序完成对应的键操作。其电路原理图如图2.3所示。图2.3按键电路2.2.3Zigbee无线通信模块当前，一种新的无线通信技术———“ZigBee〞技术引起了人们的关注。ZigBee这个名字来源于蜂群使用的赖以生存的通信方式，蜜蜂通过跳Zigzag形状的舞蹈来分享新发现的食物源的位置、距离和方向等信息，ZigBee技术是一种近距离、低复杂度、低功耗、低速率、低本钱的双向无线通信技术。工作在2.4GHz的ISM频段上，传输速率为20kb/s—250kb/s传输距离为10m—75m。主要适用于工业控制、传感和远程控制领域。它依据标准，在数千个微小的传感器之间相互协调实现通信。这些传感器只需要很少的能量，以“接力〞的方式通过无线电波将数据从一个传感器传到另一个传感器，因此它们的通信效率非常高。它适合于承载数据量较小的业务，可以嵌入各种设备，同时支持地理定位功能。与ZigBee兼容的设备有着网状的拓扑结构，这可大大延伸单个节点的传输范围。ZigBee无线通信技术与其他的无线通信技术相比有着自己的特点：1)低功耗：由于ZigBee的传输速率低，发射功率仅为1mW，而且采用了休眠模式，功耗低，因此ZigBee设备非常省电。据估算，ZigBee设备仅靠两节5号电池就可以维持长达6个月到2年左右的使用时间，这是其他无线设备望尘莫及的。2)本钱低：ZigBee模块的初始本钱在6美元左右，估计很快就能降到1.5—2.5美元，并且ZigBee协议是免专利费的。低本钱对于ZigBee也是一个关键的因素。3)时延短：通信时延和从休眠状态激活的时延都非常短，典型的搜索设备时延为15ms。因此，ZigBee技术适用于对时延要求苛刻的无线控制〔如工业控制场合等〕应用。4)网络容量大：一个星型结构的ZigBee网络最多可以容纳254个从设备和一个主设备，而且网络组成灵活。5)可靠采取了碰撞防止策略，同时为需要固定宽带的通信业务预留了专用时隙，避开了发送信息的竞争和冲突。MAC层采用了完全确认的数据传输模式，每个发送的数据包都必须等待接受方确实认信息。如果传输过程中出现问题可以进行重发。6)平安：ZigBee提供了基于循环冗余校验〔CRC〕的数据包完整性检查功能，支持鉴权和认证，采用了AES-128的加密算法，各个应用可以灵活确定其平安属性[9]。2.2.4STM32处理器模块Cortex-M3内核的核心是基于哈佛结构和三级流水线的32位内核。该内核集成了分支预测、单周期乘法和硬件除法等众多强大的功能，其出色的计算性、对时间快速响应能力以及高度的可配置，使其支持应用范围更加广泛现实。意法半导体公司的STM32F103以ARM公司32位的Cortex-M3内核为核心，最高主频位72MHz。STM32F103不仅价格廉价，而且外设资源丰富，尤其具有适合电力变换器控制的PWM模块，使其在电力电子控制系统中具有广阔的应用前景。ST公司的STM32F103是一个完整的系列，各型号之间是脚对脚完全兼容的，该系分为三大类：小容量型号，中容量型号，和大容量型号等。对于不同型号，它们的存储器容量，片内外设种类及引脚数是不同的。对于大容量的STM32F103，它内部具有3个独立的12位模数转换器，2个高级定时器，4个普通定时器以及丰富的通讯单元，包括多达5个异步串行接口，1个USB从器件、1个CAN器件，I2C和SPI等模块。该型号内设置64K字节和静态SRAM和512K字节闪存存储器。STM32F103还具备直接存储存取〔DMA〕,用来提供在外设和存储器之间或者存储器和存储器之间的高速数据传送。无须CPU干预，这就节省了CPU的资源来执行其他操作。本文中的模拟量采样局部使用DMA来处理数据，这样大大节省CPU的开支。虽然STM32F103的ADC采样周期较长〔最快1微秒〕，但是精度很高，提高了系统的可靠性，再加上与DMA的配合使用，实时性也得到了很好的保障。另外STM32F103的I/O口配置非常灵活，其I/O口复用功能具有重映射功能，即可实现外设输入口输出口的多项选择择配置，使得端口配置更加灵活，根据实际现场的情况自由配置，这就给PCB布线设计带来了不少方便。STM32F103主要系统由以下局部构成。四个驱动单元：Cortex-M3内核DCode总线〔D-bus〕、系统总线〔S-bus〕、通用DMA1和通用DMA2四个被动单元：内部SRAM、内部闪存存储器、FSMC、AHB到APB的桥〔AHB2APBx〕。这些都是通过一个多级的AHB总线构架相互连接的，如图2.4所示FLITF为外部闪存接口；APB1最高限速36M；APB2无限速，可达72M[10]。FLITFFlashlCcodeAPB2AHBSystemBusFLITFFlashlCcodeAPB2AHBSystemBusDCodeCortex-DCodeCortex-M3SystemSystemBusmatrisDMABusmatrisDMASRAMDMA1SRAMDMA1FSMCFSMCSDIOSDIOBridge2DMA2Bridge2DMA2Bridge1Bridge1APB1APB1低速外设低速外设高速外设高速外设外设图2.4STM32F103系统结构2.2.5RS-232转USB电路RS-232串行接口属于个人计算机(PC)及电信应用领域中最为成功的串行数据标准。它被定义为一种在低速率串行通信中增加通信距离的单端标准,是目前PC机与通信工业中应用最广泛的一种串行接口。现在的PC机一般至少有两个串行口COM1和COM2。新一代的计算机均以9引脚的接头接出所有的RS-232通信端口(有的计算机的COM2仍为25引脚)。DB-9连接器是COM1和COM2两个串行接口的连接器。它只提供异步通信的9个信号。在通信速率低于20kb/s时,与其直接连接的电缆最大物理距离为15m(即直接传输距离)。RS-232标准规定,假设不使用Modem,在码元畸变小于4%的情况下,DTE和DCE之间最大传输距离为15m。一般应用中当通信距离小于12m时,可以用电缆线直接连接标准RS-232端口。假设距离较远,须附加调制解调器(Modem)。USB作为一种新的PC机互连协议，使外设到计算机的连接更加高效、便利。这种接口适合于多种设备，不仅具有快速、即插即用、支持热插拔的特点，还能同时连接多达127个设备，解决了如资源冲突、中断请求(IRQs)和直接数据通道(DMAs)等问题。因此，越来越多的开发者欲在自己的产品中使用这种标准接口。而RS-232是单个设备接入计算机时，常采用的一种接入方式，其硬件实现简单，因此在传统的设备中有很多采用了这种通信方式[11]。图2.5为RS-232接口局部电路图图2.5RS-232电路原理图2.2.6信号调理模块本课题采用的气体采样方式是静态采样法，所谓静态采样法就是在一个含有传感器密闭的容器中放置一些样品〔固体，液体，气体均可〕，使之挥发成气体。测试完以后需要将密闭容器进行清洗〔要求每做完一次就清洗一次〕，然后进行下一组实验。为了使实验数据更加准确，有条件时，可以再密闭容器内，安装小型风扇，使气体分布更加均匀。信号调整模块的核心是通过传感器对气体敏感度，所引起的电阻变化，将传感器电阻的变化转化为电压信号，由于鉴于可能存在高频干扰，我们一般采取并联电容进行低通滤波，因为本课题采用3个传感器组成的传感器阵列，考虑到每一个传感器占用一个AD口的话，会引起资源浪费，借此我们采用8选1模拟开关CD4051分时选通传感器，如图2.6所示为气敏传感器阵列信号拾取电路原理图。图2.6为气敏传感器阵列信号拾取电路原理图。TGS8XX系列传感器有4根引出线，需要施加2个供电电压，分别是加热器电压VH工作电压VC。VH施加在集成加热器上用于维持敏感素子与对象气体处于相适应的特定温度，对应图中1、4两脚；VC那么是用于测定与传感器串联的负载电阻RL上的两端电压VRL，且VC必须为直流电源，对应图中3、4两脚，由于4脚接地，因此，3脚接VC。通过选择负载RL特定的电阻值，使判定值水平最正确化，并使敏感素子的功耗PS低于15mW的限度值。PS的值可以通过下面的公式计算：传感器电阻RS可由输出电压VRL计算得出：在洁净空气中，传感器的电阻较大，负载电阻上的输出电压较小；当在待测气体中时，传感器的电阻相应较小，负载电阻上的输出电压就较大。当传感器接触到样品挥发物后，电导率G发生改变，与初始电导率GO的比值G/G0随之变化。响应气体浓度越大，G/G0的值越偏离1，如果浓度太低或没有样品挥发物，那么接近于1甚至等于1。2.2.7气敏传感器的特性和选择气敏传感器与人们生活、生产活动关系最为密切，因此气敏传感器的研究及开发在各类传感器中最为活泼。目前，已开发出了氧化物半导体、固体电解质、有机半导体、石英振子、场效应、热催化、外表声波、光学等各种类型的气敏传感器[12]。气体敏感元件是能感知环境中某种或多种气体及其浓度的一种器件，它能将气体种类及其浓度有关的信息转换成电信号(电压或电流)，根据这些电信号的强弱就可以获得与待测气体在环境中存在的情况有关的信息，从而进行检测、监控、报警等，还可以通过接口电路与计算机或者微处理器组成自动检测、控制和报警系统[13]。它主要包括半导体气敏传感器、接触燃烧式气敏传感器和电化学气敏传感器等，其中用的最多的是半导体气敏传感器。半导体气体敏感元件大多以金属氧化物半导体为根底材料，当被测气体在该半导体外表吸附后，其电学特性(例如电导率)将会发生变化。利用这种现象制作的各种半导体气敏元件早己商品化，其应用领域正日益扩大。常见的SnO2系列气敏元件有烧结型、薄膜型和厚膜型三种，烧结型气敏元件是目前工艺最成熟、应用最广泛的气敏元件。按加热方式不同，又分为直热式和旁热式两种结构[14]。下面是半导体传感器的性能参数：(1)气敏元件的电阻值将电阻型气敏元件在常温下洁净空气中的电阻值，称为气敏元件(电阻型)的固有电阻值，表示为Ra。一般其固有电阻值在(103～105)Ω范围。(2)气敏元件的灵敏度气敏传感器在一定工作条件下，接触到某种气体，其电阻值Rs随气体浓度变化的特性称之为灵敏度特性，用K表示:K=Rs／R0式中，R0为气敏传感器在洁净空气中电阻值，Rs为气敏传感器在一定浓度的检测气体中的电阻值。(3)气敏元件的响应时间及恢复时间气敏元件的响应时间，表示在工作温度下，气敏元件对被测气体的响应速度。一般从气敏元件与一定浓度的被测气体接触开始计时，直到气敏元件的阻值到达在此浓度下稳定电阻值的63%时为止，所需时间称为气敏元件在此浓度下的被测气体中的响应时间，通常用符号tr表示。气敏元件的恢复时间，表示在工作温度下，被测气体由该元件解吸的速度。一般从气敏元件脱离被测气体开始计时，直到其阻值恢复到在洁净空气中阻值的63%时为止，所需时间称为恢复时间。(4)初期稳定时间在非工作状态下长期存放的气敏元件，因外表吸附空气中的水气或者其它气体，导致其外表状态发生了变化，在加上负电荷后，随着元件温度的升高，发生解吸现象。因此，气敏元件要恢复正常工作状态，需要一定的时间。一般电阻型气敏元件，在刚通电的瞬间，其阻值将下降，然后再上升，最后到达稳定。从开始通电直到气敏元件阻值到达稳定所需时间，称为初期稳定时间。初期稳定时间是敏感元件存放时间与环境状态的函数。存放的时间越长，其初期稳定时间也就越长。(5)气敏元件的加热电阻和加热功率半导体气敏元件一般要在较高的温度(300℃一400℃)环境中工作。为气敏元件提供必要工作温度的加热器的电阻称为加热电阻，常用符号RH表示。直热式气敏元件的加热电阻值一般较小(小于5Ω)，旁热式气敏元件的加热电阻较大(大于200Ω)。气敏元件正常工作所需的加热功率用PH表示，一般在0.5一2.OW范围。选择适宜的气体传感器对于具体的应用来说是非常关键的，经过查找资料，本课题最终决定使用TGS832传感器，TGS825传感器和TGS826传感器。TGS25传感器又叫硫化氢传感器，主要监测气体：H2S,测量范围5-100ppm，灵敏度0.45+/-0.15。。。费加罗公司生产的TGS8XX系列传感器具有功耗低，寿命长，本钱低，结构简单，稳定性好等优点，是本课题传感器不错的选择如图2.7。为了校正温湿度对电子鼻系统的影响，传感器板上扩展了AM2302型数字温湿度传感器，其是一款含有已校准数字信号输出的温湿度复合传感器，拥有以下优势：〔1〕它应用专用的数字模块采集技术和温湿度传感技术，具有极高的可靠性与卓越的长期稳定性；〔2〕传感器包括一个电容式感湿元件和一个NTC测温元件，并与一个高性能8位单片机相连接，因此具有品质卓越、超快响应、抗干扰能力强、性价比极高等优点；〔3〕每个AM2302传感器都在极为精确的湿度校验室中进行校准，校准系数以程序的形式储存在OTP内存中，传感器内部在检测信号的处理过程中要调用这些校准系数；〔4〕单线制串行接口，系统集成简易快捷；〔5〕超小体积、极低功耗、信息传输可达20米以上。图2.7传感器实物图3电子鼻软件系统设计3.1虚拟仪器LabVIEWLabVIEW是一种用图标代替文本行创立应用程序的图形化编程语言。传统文本编程语言根据语句和指令的先后顺序决定程序执行顺序，而LabVIEW那么采用数据流编程方式，程序框图中节点之间的数据流向决定了VI及函数的执行顺序。VI指虚拟仪器，是LabVIEW的程序模块，LabVIEW提供很多外观与传统仪器〔如示波器、万用表〕类似的控件，可用来方便地创立用户界面。用户界面在LabVIEW中被称为前面板。使用图标和连线，可以通过编程对前面板上的对象进行控制。这就是图形化源代码，又称G代码。LabVIEW的图形化源代码在某种程度上类似于流程图，因此又被称作程序框图代码。如需开发特定程序，可购置各类附加软件工具包。所有工具包都可与LabVIEW无缝集成。启动界面主要分为左右两局部，分别是文件和资源。在这个界面上用户可以选择新建空白VI，新建空的工程，基于模板新建VI并且可以翻开已有的程序。同时，用户可以从这个界面获得帮助支持。假设单击新建VI，生成一个空的VI，随后就出现了两个窗口，一个是前面板窗口，另一个是流程代码图窗口。前面板〔panel〕主要是用于编制虚拟仪器的软面板，主要是对虚拟仪器的操作面板进行设计,包括主要的显示设备、仪器的操作控制器件、参数设定器件等；程序面板〔diagram〕主要是用于编写图形化G语言程序源代码。与C/C++等传统的文本式编程不同，LabVIEW的G语言是把繁琐、费时的代码编写输入，简化为使用菜单图标提示的方法选择功能，并用线条把各种功能连接起来的简单图形编程方式。比方，要进行FFT运算，只需要从函数库中，调出FFT子VI模块，然后用连接线与输入控制和输出显示的控件连接起来即可。降低了对编程者编程经验和熟练程度的要求，易于学习和使用，大大提高了编程效率。被誉为“工程师和科学家的语言〞[15-16]。虚拟仪器的设计步骤如下：(1)在前面板设计窗口放置控件。首先，在前面板开发窗口使用工具模板中的相应工具，从控制模板中取用和放置好所需控件，进行控件属性设置，标贴文字说明标签。(2)在流程图编辑窗口放置节点、图框。在流程图编辑窗口，使用工具模板中相应工具，从功能模板中取用并放置好所需图标，它们是流程图中的“节点〞、“图框〞。(3)编辑数据流程图。使用连线工具按数据流的方向将端口、节点、图框依次连接，实现数据从源头按规定的方式送到目的终点。(4)运行检验。当完成前三个步骤后，前面板程序与流程图图形化程序的设计完毕，一个虚拟仪器已根本建立，是否到达预期功能，还需运行检验。有如下两种检验方式，一是仿真检验，不使用硬件接口设备，对检验运行所需的信号数据采用由“数组〞或“信号生成函数〞产生的“仿真信号〞；另一个是实测检验，它通过接口硬件设备，采集输入标准信号，来检验虚拟仪器的功能。仿真检验在实测检验之前进行，是虚拟仪器所特有的优势，因为它为反复检验调试，不断完善改良虚拟仪器提供方便，是传统仪器无法采用的检验手段。(5)程序调试技术。利用快捷工具栏中的“运行〞、“高亮执行〞、“断点设置〞对程序进行调试。3.2信号采集程序模块的设计数据采集是LabVIEW的核心技术之一，也是LabVIEW应用最广的领域之一。NI公司提供了种类丰富的硬件设备以满足不同的测量与控制需求，通过丰富的驱动程序，labview能轻松实现与任何NI提供的硬件设备通信。对于数据采集来说，高速数据采样的实时控制和数据存储是两个比拟复杂的问题，需要在数据采集硬件和软件两个方面进行专门的设计，本节主要从实时数据采集对软件的编写进行说明。在信号采集模块的前面板选择一个波形趋势图和两个确定按钮分别命名为数据存储、停止。详细控件布置如图3.1所示。图3.1猪肉电子鼻气味数据显示与采集采集信号的程序代码局部主要使用STM32处理器模块实现数据采集功能，通过RS-232转USB电路便于与计算机的连接，信号采集局部对于本设计是非常重要的，是实现软硬件联合调试的关键。设计时先是从硬件中读取数据，并将采集到的数组转化为元素，为了更加直观清晰的显示三条曲线图，我在设计时给每个通道分别加上了13、17、19然后将元素在转化为数组，并使用转阵列函数，最终将三路信号显示在前面板的波形图中。另外，为了能更好的实现本设计的功能，我在此后面板中还添加了数据保存程序和退出程序，数据保存功能主要是将采集到的数据以一定的格式存储在文件中，主要是用文件I/O函数来设计。运行时，按下采集控件，开始采集，此时同时按下存储控件，这时会跳出一个一个文件对话框，由用户指定要保存数据的路径，当采集一定的数据后，再依次按下存储控件和采集控件完成一次数据的采集和存储。详细如图3.2所示。图3.2采集模块的程序面板3.3温湿度采集程序模块设计为了突出环境的作用，本课题在设计的时候特意添加了温湿度传感器。添加温湿度传感器可以将当前环境与测得数据有机的结合起来，使结果更加具有说服力。如图3.3。图3.3温湿度传感器程序设计3.4数据回放及特征提取程序模块的设计在数据回放的前面板中首先放置两个波形图，一个用来显示原始数据的波形，一个用来显示指定一段数据的波形图，接着放置一个翻开文件控件，用来翻开前一个步骤所采集并存储的数据，然后再放置五个输出控件和两个输入控件，输出控件分别用来显示各个传感器的特征值，输入控件用来指定要提取数据的初始值和长度，初始值一般从波形较稳定开始选取，选取30000个点。最后再放置四个确定按钮，分别命名为原始数据回放、数据长度选择、特征提取和退出。控件布置如图3.4所示。图3.4数据回放的前面板数据回放程序模块主要由三局部组成，分别为原始数据回放局部、数据长度选择局部以及特征提取局部，这三局部都放在事件结构中，通过右击选择addeventcase来添加。原始数据回放：先是翻开并读取已保存的文件，降文件中字符串转换为数值数组，接着用数组索引函数提取所要的数据，最后打包显示到波形图上，如图3.5所示。图3.5原始数据回放局部程序面板数据长度选择：程序设计时首先将原始数据回放图定义为局部变量，接着用数组索引函数来分别获得数组的第0行、第1行、第2行、第3行、第4行元素，然后再调用数组子集函数来获得输入数组的一局部子集，子集的起点由index决定，长度由length决定，最后将获得子集打包显示到波形图上如图3.6所示。图3.6数据长度选择局部程序面板特征提取：首先从数据回放图中调用索引函数分别获得第0、1、2、3、4行数据，并分别定义为F1、F2、F3、F4、F5，n为数组所含元素的个数，然后用c语言编写了一小段程序用来提取特征值，主要是算出每一行各个元素的平方和，再用平方和除以n,最后将结果分别显示在五个输出控件中，如图3.7所示。图3.7特征提取局部程序面板4猪肉新鲜度识别实验猪肉新鲜度检测实验主要是使用由TGS825，YGS826，TGS832传感器组成的传感器阵列对不同时期的猪肉进行检测，期望可通过对气味数据的处理将他们鉴别出来，但传感器多测量的信号与气体之间没有直接的对应关系，因此需要通过模式识别算法进行处理。常用的模式识别算法有：〔1〕k-近邻法：k-近邻法是根据距离最近的K个样例类型来推测该样例类型的方法；〔2〕聚类分析：聚类分析指将物理或抽象对象的集合分组成为由类似的对象组成的多个类的分析过程；〔3〕判别分析：判别分析又称“分辨法〞，是在分类确定的条件下，根据某一研究对象的各种特征值判别其类型归属问题的一种多变量统计分析方法；〔4〕主成分分析：将多个变量通过线性变换以选出较少个数重要变量的一种多元统计分析方法。又称主分量分析等等。在本课题中我们将采用学习向量量化。4.1实验过程在超市分两天购置两块相同大小的猪肉，第一天买的猪肉将一直放在空气中，而第二天买的猪肉，测完后就放在冰箱内冷藏。买完第二块猪肉后立刻进行实验。购置一个圆形塑料盒，带盖子。将传感器阵列黏在盖子内侧，并对留有空隙的地方粘上绝缘胶布，以示密封，当盖子合上时只留数据线与外部相连。首先将第一天买的猪肉放入开口的袋子中，并放在盒内〔此时盒子须远离传感器〕，然后在LabVIEW界面点击按钮。等待1分钟后，将盖子与盒子合好，并用保鲜膜将盒子周围密封好，传感器和猪肉所产生的各种气体接触，传感器阻值发生变化，LabVIEW平台界面上的曲线发生变化，当平台界面趋于稳定后，拿开盒子并将传感器置于空气当中，LabView平台界面曲线下滑，当曲线趋于水平平稳后，结束本次试验，由于季候原因，第一块猪肉测一次，第二块猪肉测四次分别是新鲜猪肉；新鲜猪肉保存1天；新鲜猪肉保存2天；新鲜猪肉保存3天。〔如表4.1见附录A〕3个传感器共有3条曲线，分别以不同的颜色作为标记，如图4.2新鲜组猪肉示意图〕此外还配有温湿度传感器模块，测取温度和湿度的值。表4.1新鲜猪肉第五天局部数据图4.1新鲜第五组猪肉示意图4.1.2主成分分析〔PCA〕PCA又称为主成分分析，是在电子鼻领域应用最多的算法之一。设有n个样本，m个变量，那么原始测量数据的矩阵向量为将原始数据标准化，得到标准化的测量值：式中为变量测量值的样本平均值；为变量测量值的样本标准差。将标准化的测量值组成对应的新矩阵向量，并求其协方差矩阵，然后求协方差矩阵的特征值，按大小顺序排列得，对应的特征向量为。所求特征向量按顺序分别称为第1,2,3,4…m主成分。各主成分的奉献率按下式进行计算：取前个主成分方向上的得分：主成分分析的实质就是寻找在最小均方意义下最能够代表原始数据的投影方法，如下图。主成分分析方法易于理解，便于实现，通常取原始数据在前2个或前3个主成分上的投影进行绘图，为保证绘图的可靠性，要求前2个或前3个主成分的累计奉献率在80%以上。4.1.3结果分析采用MATLAB对参数进行主成分分析，结果如图，所得数据的得分分布具有规那么。可以很好的内聚。图4.2主成分分析结果图从图中看出，结果的分类效果非常明显，五种猪肉分类明显，因此运用主成分分析法进行猪肉新鲜度检测室可行的。4.2学习向量量化神经网络〔LVQ〕4.2.1LVQ神经网络概述学习向量量化(LVQ)神经网络是一种有监督的训练竞争层的方法。学习向量量化网络能够对任意输入向量进行分类，不管它们是不是线性可分，这点比感知器神经网络要优越得多。LVQ神经网络的结构LVQ网络模型如图4.3所示[17]，网络由3层神经元组成,即输入层、竞争层和线性输出层如图4.4。该网络在输入层与竞争层之间为完全连接,而在竞争层与线性输出层之间为局部连接,每个输出神经元与竞争神经元的不同组相连接,竞争层和线性输出神经元之间的连接权值固定l。输入层和竞争神经元间的连接权值建立为参考矢量的分量(对每个竞争神经元指定一个参考矢量)。在网络训练过程中，这些权值被修改。竞争神经元和线性输出神经元都具有二进制输出值。当某个输入模式被送至网络时,参考矢量最接近输入模式的竞争神经元因获得激发而赢得竞争,因而允许它产生一个“1〞,其他竞争神经元都被迫产生“0〞。与包括获胜神经元的竞争神经元组相连接的输出神经元也发出“1〞，而其他输出神经元均发出“0〞。产生“1〞的输出神经元给出输入模式的类,每个输出神经元被表示为不同的类[18]。LVQ网络学习算法LVQ网络根据输入向量和权值向量的最小欧氏距离选取获胜神经元，并且采用胜者为王的竞争机制，令该神经元的输出为1，其他神经元的输出为0。LVQ神经网络的学习算法如下[19]:(1)产生随机数设定输入层和隐藏层之间的权值初始值。(2)将输入向量X=[x1,x2,#,xn]T送入输入层。(3)根据欧式距离d=计算隐藏层与输入向量的距离.(4)选择与权值向量的距离最小的神经元。(5)更新连接权值.如果胜出神经元和预先指定的分类一致,称为正确分类,权值的调整按wi(t+1)=wi(t)+(t)(x-wi(t))更新；如果胜出神经元和预先指定的分类不一致，称为不正确分类，权值的调整按wi(t+1)=wi(t)-(t)(x-wi(t))更新。其中t为迭代次数，(t)为学习步长。(6)判断是否满足预先设定的最大迭代次数，满足那么算法结束，否那么返回(2)，进入下一轮的学习输入向量输出层隐含层输入层输入向量输出层隐含层输入层……参考向量参考向量图4.3LVQ网络模型W2a2=purelin(w2.a1)S2*1S2*1S1*1CR*1S1*1S1*RW1线性层竞争层W2a2=purelin(w2.a1)S2*1S2*1S1*1CR*1S1*1S1*RW1线性层竞争层R输入a2a1na2a1n2n1PS1S1S2aa1=compet(-dist(w1.p))图4.4学习向量量化网络LVQ网络特点竞争层神经网络可以自动学习对输入向量模式分类，但是竞争曾进行的分类只取决于输入向量之间的距离，当两个输入向量非常接近时，竞争层就可能将它们归为一类。在竞争层的设计中没有这样的机制，即严格地判断任意两个输入向量是属于同一类还是属于不同类。而对于LVQ网络用户指定目标分类结果，网络可以通过监督学习完成对输入向量模式的准确分类。与其他模式识别和映射方式相比，LVQ神经网络优点在于网络结构简单，只通过内部简单的相互作用就可以完成十分复杂的分类处理，也容易将设计域中的各种繁杂分散的设计条件收敛到结论上来。而且它不需要对输入向量进行归一化，正交化处理，只需要直接计算输入向量与竞争层之间的距离，从而实现模式识别，因而简单易行[20]。4.3模型建立设计思路将基于电子鼻的猪肉新鲜度检测图像的1个量化特征作为网络的输入，腐烂的猪肉和新鲜的猪肉作为网络的输出。用训练集数据对设计的LVQ神经网络进行训练，然后对测试集数据进行测试并对测试结果进行分析。设计步骤根据上述设计思路，设计步骤包括以下几个如图4.5网络仿真网络训练网络创立数据采集网络仿真网络训练网络创立数据采集结果分析结果分析图4.5设计的初步流程1.数据采集基于电子鼻的猪肉新鲜度检测系统共采集25个数据，其中放置一天猪肉5个数据，新鲜猪肉5个数据，储存在冰箱1,2,3天的新鲜猪肉各5个数据。2．网络创立数据采集完成后，利用MATLAB自带的神经网络工具箱newlvq〔〕可以构建一个LVQ神经网络。3.网络训练网络创立完毕后，假设需要，还可以对神经网络参数进行设置和修改。将数据输入网络，便可以对网络进行训练。4.网络仿真网络通过训练后，将量化特征数据输入网络，便可得到对应的输出。5.结果分析通过对网络仿真结果的分析，可以得到猪肉新鲜度检测情况，从而可以对该方法进行可行性评价。4.4LVQ网络的神经网络工具箱函数LVQ网络创立函数newlvq()函数用于创立一个学习向量量化LVQ网络，其调用格式为：net=newlvq〔PR,SI,PC,LR,LF〕其中，PR为输入向量范围，soze(PR)=[R2],R为输入向量的维数；SI为竞争层神经元的个数；PC为线性输出层期望类别各自所占的比重；LR为学习速率，默认值为0.01；LF为学习函数，默认为“learnlvl〞。4.4．2LVQ网络学习函数learnlvl是LVQ算法对应的权值学习函数，其调用格式为：[dW,LS]=learnlvl(W,P,Z,N,A,T,E,gW,gA,D,LP,LS)其中，dW为权值变化矩阵；LS为当前学习状态；W为权值矩阵或者阈值矢量；P为输入矢量或者全为1的矢量；Z为输入层的权值矢量；N为网络的输入矢量；A为网络的输出矢量；T为目标输出矢量；gA为与性能相关的输出梯度矩阵；D为神经元的距离矩阵；LP为学习参数，默认值为0.1：L为初始学习状态。4.5MATLAB实现利用MATLAB神经网络工具箱提供的函数可以方便地在MATLAB环境下实现上述步骤。清空环境变量程序运行之前，去除工作空间中的变量及命令窗口中的命令。具体程序为：clearallclcwarningoff导入数据数据保存在data.mat文件中，共25组数据，不失一般性，随机选取5组数据作为训练数据，剩余20组数据作为测试集。输入神经元个数为10。输出神经元个数为5，分别代表腐烂的猪肉和新鲜的猪肉。以数字“1〞与新鲜的猪肉对应，数字“2〞与腐烂猪肉对应，数字“3〞与储存在冰箱1天的新鲜猪肉对应，数字“4〞与储存在冰箱2天的新鲜猪肉对应，数字“5〞与储存在冰箱3天的新鲜猪肉对应。具体程序如下:loaddata.mata=randperm(25)Train=data(a(1:20),:);Test=data(a(21:end),:)P_train=Train(:,2:4)’;Tc_train=Train(:,1)’T_train=ind2vec(Tc_train);P_test=Test(:,2:4)’;Tc_test=Test(:,1)’;4.5.6创立LVQ网络利用newlvq()函数可以创立LVQ神经网络，将隐含层神经元个数设为20，由于训练集是随机产生的，所以参数PC需要事先计算下，具体的程序为：count_B=length(find(Tc_train==1));count_C=length(find(Tc_train==2));count_D=length(find(Tc_train==3));count_E=length(find(Tc_train==4));count_F=length(find(Tc_train==5));rate_B=count_B/20;rate_C=count_C/20;rate_D=count_D/20;rate_E=count_E/20;rate_F=count_F/20;net=newlvq(minmax(P_train),10,[rate_Brate_Crate_Drate_Erate_F]);net.trainParam.epochs=1000;=10;net.trainParam.lr=0.1;net.trainParam.goal=0.1;训练LVQ网络网络创立完成及相关参数设置完成后，利用MATLAB自带的网络选连函数train〔〕可以方便地对网络进行训练学习，具体程序：net=train(net,P_train,T_train);仿真测试利用sim〔〕函数将测试集输入数据送入训练好的神经网络便可以得到对应的测试数据集输出仿真数据，详细程序如下：T_sim=sim(net,P_test);Tc_sim=vec2ind(T_sim);result=[Tc_sim;Tc_test];4.5.9结果，表4.1〕：图4.6训练收敛图1图4.7训练收敛图2图4.8训练收敛图3仿真图步长测试集仿真结果测试集真实结果训练收敛图122244221133训练收敛图234434555524训练收敛图351155554433表4.1仿真结果本次仿真我们一共进行三次，其中两次完全正确，一次存在细微过失，由于测试集的选择是随机的，所以第二次细微过失是允许的。结论本课题基于电子鼻的猪肉新鲜度检测系统设计已根本到达了预期的效果，可以采集到不同新鲜度猪肉的数据，并通过LVQ对电子鼻气味数据进行分析，能够简单的区别不同新鲜度的猪肉。由于本设计采用LabVIEW软件,实现了计算机与测试仪器的一体化,这给实际的检测工作带来了诸多便利。但是整个系统还存在一定的误差和缺乏之处，硬件方面电路不够完善，我设计的电路过于简单，虽然能够采集到信号，但是精度以及速度方面都还有待改良和提高，在以后的研究中我会更加虚心的学习，期待找到更好的电路设计。在软件方面,软件设计无法对采集而得的信号进行参数的设置，虽然在本设计中也有一些采集信号的参数设置，但没能对更多更重要的参数进行设置，使得无法得到更精确的信号波形。这也是在本次设计一个非常大的遗憾。由于时间有限，本次课题的模式识别算法我们采用的是学习向量量化LVQ(LearningVectorQuantization)，但是还有概率神经网络〔PNN〕法，小波神经网络〔WNN〕等方法，在以后的学习中我会尝试采用其他的模式识别算法。在以后的日子当中，我会继续努力争取能够做出一个比拟完善的基于电子鼻的猪肉新鲜度检测系统，最终能够投入市场。致谢在周洪标老师的精心指导下，本次毕业设计根本顺利地完成了。首先，感谢周洪标老师的精心指导。对于我来说，在本次毕业设计中受益非浅，学到了很多东西，是书本上的理论和实践的一次结合。从设计任务书的下到达根本实现任务书中的设计要求，时间已经过去了两个多月。在这两个多月里，通过自己的学习和努力，经过各位老师的指导和讲解，使我在知识水平和解决实际问题的能力上都有了很大的提高。电子与电气工程学院对毕业设计的重视和切实可行的安排是我能完成设计的必要条件。为了保证我们毕业设计的正常运行，院里专门为我们开设了一个实验室用于毕业设计，给我们的毕业设计创造了良好的外部环境。同时，指导老师不时地询问我们毕业设计进展情况，不断给予讲解和指导，并且提供专门的实验室给我们进行调试，使得毕业设计能顺利如期进行。经过两个多月的努力，毕业设计工作按期完成了。通过这次设计，使我对本专业所学的知识有了更加全面系统的的了解，将来不管我走到什么工作岗位，我都将以谦虚谨慎的态度和孜孜不倦的求学精神对待我的本职工作。在此，我衷心的感谢在本次毕业设计中给我热忱帮助的老师和同学，特别是我的指导老师周洪标老师，在百忙中抽时间给我们讲解，在设计过程中他给了我许多的指导和帮助，我觉得我不仅仅要学习他对工作认真尽职的态度，还要学习他对科研认真钻研的精神。在他的指导下，才使我顺利的完成毕业设计工作，在此我再次感谢各位老师。参考文献1张军、李小昱、王为等。用阻抗特性评价鲫鱼鲜度的试验研究[J]．农业工程学报，2007，23(6)：44－482OlafsdottirG,NesvadbaP,DiNataleC,etal.Multisensor第3期张军等：基于虚拟仪器的淡水鱼鲜度电子鼻测量系统113forfishqualitydetermination[J].TrendsinFoodScience&Technology，2004，15(2)：86－933高大启，杨根兴.电子鼻技术新进展及其应用前景[J].传感器技术，2001，20(9)