基于机器学习的便携式电子鼻，实时评估海鲜新鲜度
2025-07-20 09:42:04 来源：麦姆斯咨询 评论：0 点击：
研究人员提出了一种基于气体传感器和机器学习算法的电子鼻（e-nose）系统，用于海鲜新鲜度评估。该系统通过检测变质过程中释放的挥发性有机化合物（VOC），采用经过超参数优化的机器学习模型，实现了分类（新鲜与不新鲜）和回归（保质期预测）双重功能。
海鲜产业作为全球食品供应的重要支柱，在动物蛋白供给中发挥着关键作用。海鲜新鲜度的下降不仅影响经济价值，更会加大消费者的健康风险。海鲜腐败过程中会释放挥发性有机化合物（例如氨气和硫化氢），这是判断品质劣变的主要指标之一。实时评估海鲜的新鲜度对于确保质量和安全至关重要。传统的新鲜度测量方法，例如化学分析法和微生物检测法，存在耗时长、成本高、操作繁琐等局限性。
据麦姆斯咨询报道，近期，Telkom University研究人员提出了一种基于气体传感器和机器学习算法的电子鼻（e-nose）系统，用于海鲜新鲜度评估。该系统通过检测变质过程中释放的挥发性有机化合物（VOC），采用经过超参数优化的机器学习模型，实现了分类（新鲜与不新鲜）和回归（保质期预测）双重功能。研究结果证实，该系统有望成为一种轻便、可扩展且精准的电子鼻解决方案，用于海鲜新鲜度的实时监测，为供应链中的食品安全、质量保证和减少浪费提供了支持。相关研究成果以“A Portable Real-Time Electronic Nose for Evaluating Seafood Freshness Using Machine Learning”为题发表在IEEE Access期刊上。
下图展示了用于评估海鲜新鲜度的便携式实时电子鼻的框架。所提出的工作流程从数据采集开始，然后对海鲜数据集进行预处理，将数据分为训练集和测试集，并进行特征选择。在训练阶段，执行超参数优化以微调算法来获得最佳性能。对于分类任务，对七个模型进行超参数调整，而对于预测任务，对四个模型进行微调。训练后，在验证集上对模型进行评估，以确定其准确性和泛化能力。最后，对模型的整体性能进行分析，以验证其在确定海鲜新鲜度方面的有效性。
用于评估海鲜新鲜度的便携式实时电子鼻框架
电子鼻的器件电路图
这项研究使用了来自五种最受欢迎海鲜品种（金枪鱼、三文鱼、鳕鱼、虾和螃蟹）的336,977个数据点。该数据集包含以百万分率（ppm）为单位的估计气体浓度，这些浓度值是从MQ系列传感器的原始模拟读数中获得的。该综合数据集被称为“基于电子鼻的海鲜新鲜度（ESF）数据集”。
研究人员测试了MQ135-NH₃、MQ135-CO₂、MQ9-CH₄、MQ2-ALC、MQ137-NH₃、MQ136-H₂S、MQ8-H₂和MQ5-LPG八个特性，以评估它们在检测海鲜产品释放的特定气体时的灵敏度、响应性和准确性。在特征选择方面，采用预测能力评分（PPS）来量化每个传感器的选择性，以及预测新鲜度的选择性能力。因此，研究人员从最初的八个气体传感器中，根据PPS筛选出了四个对腐败相关气体具有敏感性的传感器：MQ137（NH₃）、MQ2（alcohol）、MQ136（H₂S）和MQ9（CH₄）。
研究人员对多种机器学习模型进行了评估，包括随机森林（Random Forest）、KNN、朴素贝叶斯（Naive Bayes）、决策树（Decision Tree）、AdaBoost、梯度提升（Gradient Boosting）和XGBoost。在测试的机器学习算法中，XGBoost实现了完美的分类指标：精确率、召回率、准确率和F1分数均为100%，交叉验证准确率为99.8%。它还表现出优异的计算效率，检测时间不到1毫秒，内存占用约为4 kB。对于回归任务，XGBoost保持了出色的性能，R²为100%，均方根误差（RMSE）为0.08，交叉验证均方误差（CV MSE）为0.009。预测时间较短（约12毫秒），内存使用量保持在5 kB以下，证实了XGBoost是所测试模型中内存效率最高的模型。
XGBoost模型回归散点图
总而言之，这项研究展示了一种便携式实时电子鼻系统的应用潜力，该系统集成机器学习算法并通过超参数调整实现海鲜新鲜度评估。电子鼻利用气体传感器检测变质过程中产生的挥发性有机化合物，并利用机器学习算法在分类（新鲜与不新鲜）和回归任务（剩余保质期预测）中实现最佳性能。结果表明，所提出的系统为海鲜新鲜度评估提供了一种可靠、可扩展和实时的解决方案，有助于加强食品安全，减少浪费，改善整个海鲜供应链的质量控制。
未来的研究可以扩展回归模型，以纳入可变的储存条件（例如波动的温度和湿度），从而进行更现实和动态的保质期预测。此外，将电子鼻系统嵌入具有无线通信功能的物联网设备中，将促进基于云的数据聚合和整个分销链的实时监控，从而实现大规模部署和远程质量保证。
论文链接：https://ieeexplore.ieee.org/document/11026045
延伸阅读：
上一篇：华中科大研发气体特异性定量检测方案：材料-算法协同优化
下一篇：最后一页