基于DFI-RSE电子鼻传感器阵列优化的葡萄酒SO2检测.pdfVIP

第 38 卷 第 7 期 农 业 工 程 学 报 Vol.38 No.7 2022 年 4 月 Transactions of the Chinese Society of Agricultural Engineering Apr. 2022 291 ·农产品加工工程· 基于 DFI-RSE 电子鼻传感器阵列优化的葡萄酒 SO 检测 2 1 1 1 2 2 魏广芬 ，李梦递 ，赵 捷 ，孔维府 ，张小栓 （1. 山东工商学院信息与电子工程学院，烟台 264005 ； 2. 中国农业大学烟台研究院，烟台 264003 ） 摘 要：酿造过程中 SO 的监控是葡萄酒产业信息化和葡萄酒品质保障的关键。针对传统 SO 测定方法操作复杂、耗费 2 2 时间长等问题，该研究提出基于电子鼻技术建立葡萄酒中 SO2 检测方法。为提高电子鼻检测性能，提出一种基于动态特 征重要度-递归传感器消除（Dynamic Feature Importance-Recursive Sensor Elimination ，DFI-RSE ）的气体传感器阵列优化 算法。将最大信息系数（Maximum Information Coefficient ，MIC ）作为度量变量间关系的标准，定义DFI 选择兼顾高有 效性与低冗余性的特征构成特征子集。进一步计算特征子集中的传感器重要度，结合 RSE 移除重要度较低的传感器，获 得最优阵列组合。采用偏最小二乘回归（Partial Least Squares Regression ，PLSR ）、多层感知器（Multi-Layer Perceptron ， MLP ）、支持向量回归（Support Vector Regression，SVR）和贝叶斯岭回归（Bayesian Ridge Regression ，BRR ）对DFI-RSE 优化前后阵列的检测能力进行比较。结果表明，针对间隔 40 mg/L、0～200 mg/L 范围内不同 SO 添加量的葡萄酒样品， 2 优化后阵列的传感器数量由原来的 16 个降低为 8 个，特征数量减少了 59%，4 种回归模型的决定系数均高于 0.98 ，其中 MLP 模型检测效果最佳，均方根误差为 7.73 mg/L，优于原始阵列且节省了运行时间。所建立的基于电子鼻的葡萄酒 SO2 添加量检测和相应的阵列构建与优化方法为葡萄酒酿造过程中 SO2 的有效监控技术研究提供参考。 关键词：传感器；优化；电子鼻；葡萄酒；SO 检测；传感器阵列 2 doi ：10.11975/j