FCM-SVM鸡蛋

农业机械学报基于FCM-SVM的电子舌用于蛋黄指数的检测研究*刘晶晶1刘佳1ZhangXiuyu2张晓婷1英宇翔1门洪1（1.东北电力大学自动化工程学院，吉林132012;2.ConcordiaUniversity，DepartmentofMechanical&IndustrialEngineering，Quebec，Canada）摘要：鸡蛋富含大量的人体必需的营养物质，是人类优良的营养来源之一。其质量深受消费者关注。传统的蛋黄指数表征了因鸡蛋内部随着时间推移发生理化变化而导致的蛋黄相对的体积变化状态。利用实验室构建的方波伏安型电子舌对鸡蛋生蛋黄进行直接检测，采用模糊C-均值聚类的支持向量机（FCM-SVM）对提取的特征信息进行分析，通过直接采集内部物质成分变化产生的电信号来反映鸡蛋的品质。以传统蛋黄指数为参照，结果表明该电子舌能够对鸡蛋的质量进行检测，其识别正确率为91.43%。关键词：电子舌生蛋黄FCM-SVM蛋黄指数中图分类号：TS253.7文献标识码：A文章编号：国家自然科学基金资助项目（31041569）；吉林省科技发展计划资助项目(20130101053JC,20140204020GX)作者简介：刘晶晶，博士，副教授，硕士研究生导师，吉林省白山市人，主要从事人工智能检测和人类感官功能智能模拟研究，E-mail：[e-mail]通讯作者：门洪，博士，教授，硕士研究生导师，吉林省吉林市人，主要从事传感器制备和多传感器融合，E-mail：[e-mail]引言鸡蛋内含有大量的人体所需的维生素、矿物质及有高生物价值的蛋白质。然而在存储过程中，鸡蛋自身表面的一层生物膜会逐渐脱落，空气和微生物等会通过蛋壳进入鸡蛋内部，加速水分蒸发、蛋黄变质等，最终会使其失去食用价值[1,2]。鸡蛋新鲜度是衡量鸡蛋品质的一个重要指标。评价鸡蛋新鲜度的方法主要有感官评价、理化指标测定和红外光谱检测等[3-7]。其中理化指标测定是最常用的一种鸡蛋新鲜度的检测方法。新鲜鸡蛋的理化特征会随时间发生变化，随着存储时间的增加，鸡蛋生蛋黄变薄，从而导致鸡蛋蛋黄指数变小；与此同时，鸡蛋内的水分会不断蒸发，蛋白质也会因自身酶解作用而变得稀薄，进而导致鸡蛋内物质成分的变化[8,9]。传统的检测方法中，利用蛋黄指数这一指标来表征鸡蛋的变化状态，而这种状态是由蛋黄本身的物质成分造成的。本文首先从理化指标的角度对鸡蛋品质进行分析，对鸡蛋的蛋黄指数进行测定，并分析鸡蛋存储天数和蛋黄指数之间的关系。然后从鸡蛋物质成分的角度对鸡蛋新鲜度进行预测，利用方波伏安型电子舌对处于不同状态的鸡蛋的生蛋黄进行检测，并采用基于模糊C-均值聚类的支持向量机方法对未知鸡蛋样本的蛋黄指数进行预测。1材料、设备1.1实验材料选择的实验鸡蛋为同批次的林甸鸡所产的健康鸡蛋。本实验所选的鸡蛋均是在放大镜下精心挑选的无损鸡蛋，其重量控制在55(±5)g并储存在室温条件下。1.2实验设备本实验选用方波伏安型电子舌对鸡蛋生蛋黄溶液进行检测。方波伏安型电子舌是一种以电化学检测为基础，并结合多变量数据分析方法来对混合溶液进行成分分析的检测系统。该电子舌具有操作简单、敏感度高、测量范围广等优点。其一般由传感器阵列、数据采集系统和信号处理系统三部分组成。本实验采用实验室构建的方波伏安型电子舌[10,11]进行试验，其由三电极体系、电化学工作站和计算机三部分组成，如图1所示。实验时电极阵列与电化学工作站相连，并将传感器电极检测部分浸没至生蛋黄溶液中。当外部电势作用时，传感器电极和生蛋黄溶液接触部分会形成双电层体系（即内亥姆霍兹平面和外亥农业机械学报姆霍兹平面）且生蛋黄溶液中将产生激发电流[12]。电化学工作站一方面产生一系列的电脉冲，另一方面对激发电流进行采集并存储到计算机当中。最后利用合适的模式识别算法对采集到的电流信号进行分析，进而完成方波伏安型电子舌对鸡蛋生蛋黄溶液的检测。图1电子舌设备Fig.1Electronictongueequipment1.3电子舌检测步骤及参数设定为了能够采集到鸡蛋蛋黄理化性质变化而产生的电信号差异，本文尝试利用伏安型电子舌对生蛋黄溶液进行检测。购置同批次鸡蛋的当天随机选取35个林甸鸡蛋作为电子舌测试的实验材料，将其分为两组，第一组21个，第二组14个。具体的实验步骤如下：（1）利用去离子水清洗干净烧杯备用；（2）用酒精浸泡三电极6分钟后用去离子水冲洗，再用滤纸擦干，固定在电极架上并与电化学工作站连接；（3）从第一组中取3个鸡蛋，用于生蛋黄（去掉蛋清只留蛋黄）测试；（4）对电子舌进行参数设置，其中初始电压为1.1V，终止电压为-0.5V，电势增量为0.005V，振幅为0.05V，频率为15Hz，静置时间为15s；（5）每个鸡蛋测量10次，直到3个鸡蛋测量完毕，共得到30组数据；（6）测完一种溶液后用去离子水清洗电极，并用滤纸擦干，以便下一次测量；（7）每隔6天（6d）测一次，测量方法如上（1）～（6）。对于第二组中的14个作为预测鸡蛋，测试方法与第一组中的一样，每次测量取2个鸡蛋进行生蛋黄测试。2蛋黄指数的测定将购置的同批次林甸鸡蛋处于室温条件下储存，依据储存天数的差异使其自然完成内部物质成分的变化。本文对不同存储天数的鸡蛋的蛋黄指数进行了测量。蛋黄指数是指蛋黄高度与蛋黄直径的比例或百分比，是国际上用来衡量鸡蛋新鲜度的一个重要指标[13]。蛋黄指数按以下公式计算得到：%100DHY(1)式中H——蛋黄高度(mm)D——蛋黄直径(mm)蛋黄指数测量方法为：购置同批次林甸鸡蛋的当天随机选取10个鸡蛋，利用简易仪器测出鸡蛋高度和蛋黄直径，并将数值代入式(1)中计算出蛋黄指数。每隔2天从剩余的鸡蛋中随机选取3个鸡蛋测量计算得到不同储存天数的蛋黄指数值。结果如表1所示。从表1中可以看出，在室温20℃，70%~80%相对湿度的储存条件下，鸡蛋的蛋黄指数值会随着存储天数的增加而不断下降。表1不同储存天数下鸡蛋的蛋黄指数测定值Tab.1Yolkindexofmeasurementsofeggsunderdifferentstoragedays储存天数最小值最大值均值10.440.470.46730.430.460.44150.410.450.42270.400.430.41890.400.420.414110.390.420.408130.390.410.401150.380.410.395170.370.390.387190.370.390.381210.360.380.373230.350.370.364250.350.370.360270.350.360.357290.340.360.351310.320.340.337330.240.280.262350.160.190.173370.150.160.1523特征值提取利用方波伏安型电子舌对不同存储天数的鸡蛋的生蛋黄溶液进行检测，并得到了相应的伏安曲线，如图2所示。从图2中可以看出，农业机械学报生蛋黄溶液在0d、6d、12d、18d、24d、30d、36d下的伏安曲线互不重合。由于伏安型电子舌测试生蛋黄溶液所得到的伏安曲线中所含数据庞大，因此本文对其进行特征提取。针对伏安曲线的特点，本文选取每条伏安曲线中的第一极小值电流、峰电流和第二极小值电流作为样本的特征值。图2生蛋黄在不同储存期的伏安曲线Fig.2Current-voltagecurvesoftheraweggyolkunderdifferentstoragelife4基于FCM-SVM识别鸡蛋品质基于模糊C-均值聚类的支持向量机（FuzzyC-meansClustering-SupportVectorMachine，FCM-SVM）是将模糊C-均值聚类与支持向量机结合起来[14,15]。首先使用FCM对210个原始数据进行聚类分析，然后将210个原始数据和C均值聚类算法得到的类别标记作为训练样本输入支持向量机进行训练，最后用训练好的分类器对70个测试样本进行分类，最终得到SVM的输出（流程见图3）。程序实现步骤如下：第一步：参数初始化。包括类别数C=7、加权指数M=2、迭代停止阈值epsm=1.0e-6、隶属度矩阵U0=rand(C,N)，N为样本个数，并使隶属度矩阵满足式2ciijnju1,...,1,1(2)第二步：根据式3njmijnjjmijiuxuc11(3)计算聚类中心ci，由式4ckmkjijijddu1)1/(21(4)来更新隶属度矩阵U，并计算目标函数值。若满足迭代停止条件，转第三步。否则循环执行第二步。第三步：通过第二步的隶属度矩阵U得到每一个样本的类别标记。第四步：将训练样本和类别标记输入到支持向量机进行训练，首先进行数据归一化，然后通过交叉验证法得到惩罚因子c=100和核函数参数g。第五步：利用得到的惩罚因子c和核函数参数g进行SVM训练，创建SVM模型。第六步：利用创建的SVM模型对训练样本和测试样本进行SVM测试，最终得到SVM输出。开始参数初始化FCM参数初始化生成初始隶属矩阵计算聚类中心更新划分矩阵计算目标函数值满足停止条件得到聚类结果是否将样本数据和聚类结果送入SVM数据归一化寻找最佳c/g参数创建SVM模型得到测试结果结束图3FCM-SVM流程图Fig.3FlowChartofFCM-SVM农业机械学报表2生蛋黄的FCM-SVM预测结果（特征电流为µA）Tab.2PredictionresultsofFCM-SVM序号伏安曲线特征实际蛋黄指数预测蛋黄指数10.46795.0081.8720.4720.47220.43284.9341.8040.4720.47230.40834.7611.7850.4720.47240.36854.7801.7690.4210.42150.36184.7621.7100.4210.42160.35754.8061.6840.4210.40570.41685.0641.8450.4050.38480.39274.7001.8030.4050.40590.38724.7041.7830.4050.405100.38035.3571.8850.3840.405110.37995.3441.8600.3840.384120.37065.3551.8430.3840.362130.36365.0241.5600.3620.362140.36235.0481.5640.3620.384150.36505.0661.6200.3620.362………………700.35594.8721.3480.1670.167表2为得到的鸡蛋生蛋黄存储天数的预测结果。从表2中可知，本次试验中，利用不同贮藏期来获得品质具有差异的鸡蛋试验样本，故而蛋黄指数的实际数值和利用电子舌得到的检测数值与储存天数一致。使用方波伏安型电子舌对鸡蛋生蛋黄存储天数的正确识别率达到91.43%。5结论(1)传统的蛋黄指数表征了因鸡蛋内部随着时间推移发生理化变化而导致的蛋黄的相对体积变化状态，利用实验室构建完成的方波伏安型电子舌对鸡蛋生蛋黄进行检测，能够直接采集到鸡蛋内部成分变化产生的电信号，据此反映鸡蛋的品质。(2)伏安型电子舌测试生蛋黄溶液所得到的伏安曲线中所含数据庞大，针对伏安曲线的特点，选取每条伏安曲线中的第一极小值电流、峰电流和第二极小值电流作为样本的特征值。(3)采用FCM-SVM分析方法对鸡蛋生蛋黄特征数据信息进行分析，并对蛋黄指数值进行预测，其识别正确率为91.43%；参考文献1刘爱军，杨春艳，胡家香.鸡蛋价值链研究综述[J].江苏农业科学，2014，(12).2刘冬英，吴小勇，周立艳.壳聚糖涂膜鸡蛋保鲜效果研究[J].食品研究与开发，2009，30(6)：144~146.LIUDong-Ying,WUXiao-Yong,ZHOULi-Yan.Studyonfresh-keepingofeggswithchitosancoating[J