文 / 阎鹏程 郑丽敏 吴 平 白福铭 任发政 田立军

1 中国农业大学信息与电气工程学院 2 中国农业大学功能乳品实验室

检测原料奶的风味品质，确定原料奶的厂家来源，对控制乳品质量是非常必要的。原料奶经常受饲料、产地、运输等复杂情况的影响，而使产品风味不一致，造成消费者的不满。目前，大部分企业进行原料奶及产品风味分析时，主要靠功能品评专家判断，但训练品评专家周期长，培训费用大，同时品评结果易受身体状态、情绪变化、经验等人为因素干扰，没有统一的评价标准[1]。

电子舌技术是20世纪80年代中期发展起来的一种分析、识别液体味道的新型检测手段。它与普通化学分析仪器不同，得到的不是被测样品中某种或某几种成分的定性或定量结果，而是样品成分的整体信息，也称“指纹信息”[2]。电子舌的基本工作原理是当待测样品与金属传感器材料表面接触时，发生瞬间响应（一系列的物理化学变化）。这种响应通过接口电路将电压信号转化为数字信号，被计算机记录并传送到信号处理单元进行分析，与数据库已有的大量化合物的信息进行比较和鉴别，判断出响应的物质的类别。

国外电子舌的研究非常活跃，主要应用于茶叶质量[3]、生物发酵[4]、饮料[5]等方面，并取得了很大进展。Winquist等人[6]利用改进的伏安分析传感器在线检测牛乳加工的过程。该电子舌可以在线检测牛奶的电导率、浊度、温度和单位流体质量等。Winquist等人[7]还使用6 种金属（金、铱、铂、钯、铼、铑）分别制成工作电极并嵌入一个中间带有参比电极（Ag/AgCl）的陶瓷圆盘上，圆盘装在1 根起着辅助电极作用的不锈钢管中来区分6 种不同的饮料。Larisa Lvova，Soon Shin Kim等人[8]利用镀12 种不同离子选择膜的电子舌成功地对8 种矿泉水和4 种酒进行了分类。

与国外相比，国内的研究刚刚起步，大都还在实验阶段。2008年，中国农业大学的白福铭等[9]利用电子舌对3 个品牌的鲜牛奶进行了区分。2009年，浙江工商大学的的范佳利等[10]利用电子舌对5 个品牌的乳制品的品质特性以及新鲜度进行了评价。

本文使用中国农业大学研制的8种金属电极的电子舌，利用PCA和BP神经网络方法，对5 个厂家的原料奶进行了检验。实验证明，电子舌可以快速准确地对不同厂家的原料奶进行区分。电子舌作为一种新型检测手段，在原料奶的风味质量控制中具有较大的应用潜力。

图1 电子舌结构图

图2 同一厂家不同天采集信号比较图

图3 不同厂家同日期试验结果

表1 样品的物质含量及理化特性

1 材料与方法

1.1 试验材料

连续5 天取5 个不同厂家原料奶各4 kg，分别标示为厂家一、厂家二、厂家三、厂家四、厂家五（均来自于北京三元食品股份有限公司的乳品技术中心），运用近红外和物理方法分析5 个厂家样品的物质含量及理化特性（表1）。由表1可知，这5 个厂家的牛奶在密度、冰点、脂肪酸、乳糖含量等方面基本一致，而在蛋白质、脂肪、总固形物以及酸度方面略有差异，人工区分难度比较大。

1.2 试验设备

中国农业大学自制电子舌设备（图1）。它主要由8 个传感器阵列、采样装置和数据分析系统组成。传感器阵列对液体试样作出响应并输出信号，采样装置得到信号后经过放大、降噪处理和A/D转换后，通过接口传入计算机，计算机系统进行数据的显示、存储和分析。

1.3 试验方法

样本均在4 ℃下保存，未作任何前处理,每次取120 mL放入样品皿直接上样检测，每个样本重复取8 次。共采集样本数200 个，其中150 个样本用于建模，50 个样本用于验证与识别。

1.4 数据处理方法

电子舌系统研究的是多特征值（变量）问题，然而，不同特征值是有一定相关性的。由于特征值（每个传感器均包含：最大值、最小值、平均值、半宽值、最小斜率）较多，再加上特征值之间有一定相关性，如不加处理，直接使用这些数据，势必增加分析问题和解决问题的复杂性。所以首先使用主成分分析方法，即设法将原指标重新组合成一组新的互相无关的综合特征值来代替原来的特征值；同时，为了降低特征向量的维数，根据实际情况从中取几个尽可能多地反映原来特征信息的综合特征值[11]。

试验中首先对训练样本进行主成分分析，找到原特征的线性组合，对原始特征进行线性变换，得到新的综合特征，使用综合特征对人工神经进行训练。识别新样本时，对新样本提取的特征进行与训练样本相同的线性变换，得到新的综合特征，然后在此基础上进行识别。

本文采用BP神经网络方法进行模式识别。BP网络结构为3 层：输入层、隐含层和输出层[12]。输入层和输出层的个数根据不同的分类方式确定，将所有的样本作为输入，以类别作为输出，训练神经网络模型，即输入单元数是特征位数，输出单元数是类数，隐层单元数按经验公式并通过试验对比选取。

2 结果与分析

2.1 同一厂家不同日期的试验结果

取厂家一3 天相同条件下的牛乳样本各1 个进行比较，图2为采集信号比较图。

图2中，从左到右依次是厂家一的牛乳第1～3 天的采集信号图，8 种不同颜色代表8 个不同传感器的反应信号。从图2可以看出，除了第3 天S1的曲线偏低外，其余信号曲线基本无差别，可见同一厂家相同条件下样本的物质含量及理化特性区别不是很大，短时间内牛奶品质保持稳定，对整体信息没有影响。

图4 BP神经网络识别结果

表2 主成分分析结果

2.2 不同厂家同日期的试验结果

取5 个厂家第1 天的牛乳样本原始图进行比较，图3为采集信号比较图。

图3中，从左到右依次是第2 天厂家一到厂家五的样本信息，信号有明显不同的变化趋势，各个传感器的曲线斜率出现了差别，同时个别传感器的信号最大值也不尽相同。曲线的斜率代表传感器反应速度，表示反映样本中包含传感器敏感的物质，信号的最大值可以反映出某些敏感物质浓度的大小，两者成正比关系。从而大致可判断，不同厂家的牛奶风味是有差别的，但哪个厂家的牛奶是区分不出来的，因此还要作进一步分析。

2.3 主成分分析结果

选取全部8 个传感器通道，全部特征（最大值、最小值、平均值、半宽值、最小斜率），进行主成分分析（表2）。

主成分可最大限度地保持原有测量数据集的信息，基本上可满足类别鉴定的需要。主成分分析在计算协方差矩阵特性的过程中消除了各维之间的相关性。为了尽可能完整地保存样本的特征信息，按照最小均方误差准则进行降维，但并不是所有保存下来的信息对模式识别都有用。本文选取了前8 个主成分来代表原始的40 维特征向量，贡献率约为92.7%。

由表2可知，经过主成分分析后，前8 个主成分贡献率达92.7%，以它们作为输入对BP神经网络进行类别设定和训练[13]，总共设为5 类，类别名分别设为厂家一到厂家五。选用15 个样本进行测试的结果如图4所示。结果表明，可以正确区分原料奶厂家来源。

3 结论与讨论

主成分分析法表明，不同牛奶由于奶源地域性造成了品质差异。虽然电子舌不能给出牛奶特性的优劣，但能客观地反映不同厂家之间原料奶数据特征的差异。

神经网络试验结果说明，电子舌可以正确区分5 个厂家的牛奶，表明电子舌对物质含量的微小差别和味觉强度造成的影响是敏感的。如果建立含有全部收购奶源的样本库，可以对不同地域或不知来源的牛奶进行区分，为原料奶的收购提供新的科学依据。

同时，由于电子舌操作简便，检测周期相较于其它设备短，也可以先用电子舌将合格奶源的牛奶作为一大类，对预测不符合标准的牛奶再进行近红外或理化试验以确定品质。这样不仅节约了时间与资源，也为原料奶的品质监控提供了新的方法。■

[1]程秀娟，朱虹，郑丽敏，等.电子舌技术在饮料识别中的应用. 食品科技，2006（8）：163-165.

[2]芦筱菲，郑丽敏，张晓梅，等.电子鼻技术在干酪识别上的应用. 中国乳业，2008（6）：52-55.

[3]Chen Q S, Zhao J W, Vittaya padung S.Identification of the green tea. grade level using electronic tongue and pattern recognition.Food Research International，2008，41（5）：500-504.

[4]Legin A，Kirsanov D，Rudnits kaya A，et al.Multicomponent analysis of fermentation growth media using electronic tongue（ET）. Talanta，2004（64）：766-772.

[5]Rudnitskaya A，Delgadillo I，Legin A，et al. Prediction of the Port wine age using an electronic tongue. Chemometrics and Intelligent Laboratory Systems，2007（88）：125-131.

[6]Winquist F，Wide P，Lundatrom I. An electronic tongue based on voltammetry.Analytica Chimica Acta，1997（357）：21-31.[7]Winquist F, Bjorklund R, Krantz R C, Lund S I，et al. An electronic tongue in the dairy industry. Sensors and Actuators B，2005（111-112）：299-304.

[8]胡洁，李蓉，王平. 人工味觉系统——电子舌的研究. 传感技术学报，2001（6）：169-178.

[9]白福铭.嵌入式电子舌电子鼻在肉新鲜度检测中的研究[硕士学位论文]. 北京：中国农业大学，2010.

[10]范佳利,韩剑众，田师一，等.基于电子舌的乳制品品质特性及新鲜度评价.分析与检测，2009，35（6）：177-180.

[11]杨静，毛宗源. 基于PCA和神经网络的识别方法研究.计算机工程与应用，2007，43（25）：246-248.

[12]陈小明，李景明，李艳霞，等. 人工神经网络在饮料工业中的应用研究进展.饮料工业，2005，8（1）：8-21.

[13]芦筱菲，郑丽敏，贾宗艳，等. 电子鼻对干酪识别的数据预处理和特征提取. 计算机应用，2007，27（6）：65-67.