柔性传感之三文鱼冻融检测

★ 欢迎引用:

Zhang L, Li Y, Gu Y, et al. Atlantic salmon adulteration authentication by machine learning using bioimpedance non-destructive flexible sensing[J]. Microchemical Journal, 2024, 196: 109638.

★  研究背景

供应链不同阶段的温度波动增加了易腐食品的冻融周期，可能导致质量和安全问题。特别是对于可食用的生鲑鱼，当冻融肉作为鲜肉出售时，不可能忽视掺假问题。如何实时检测新鲜鲑鱼中冻融鲑鱼的掺假是一个挑战。现有的阻抗变化率(q值)和PCA模型不能准确鉴别冻融循环掺假三文鱼。中国农业大学张小栓教授、胡金有教授团队设计了一种基于柔性生物阻抗的无损检测系统，通过在线监测生物阻抗信号、环境温度和相对湿度的变化来鉴定掺假鲑鱼。该系统提供了高水平的监测精度和稳定性。在此基础上，提出了一种改进的基于主成分分析-贝叶斯优化算法-支持向量机(PCA-BOA-SVM)的机器学习分类模型，用于有效识别冻融掺假三文鱼。优化后的模型预测准确率、精密度、召回率和F1得分分别达到0.9683、0.9708、0.9683和0.9679，模型性能得到了提高。通过提高供应链各环节的可追溯性和食品工业发展的可持续性，为提高易腐食品供应链中食品掺假的认证提供了有效的解决方案。

★  文章解析

本文对鲜鲑鱼和冻融鲑鱼的生物阻抗传感检测机制进行了深入研究，如图1所示。在四个主要阶段需要温度控制:加工、运输、储存和销售。在加工阶段，生产商将环境温度保持在-1°C至1°C的范围内。在运输、储存和销售阶段，新鲜鲑鱼需要控制在0°C到4°C的温度范围内，冷冻鲑鱼需要控制在≤-18°C。人为控制引起的环境温度波动和非人为对制冷设备的损坏可能是鲑鱼样品反复冻融的原因。无论是人为的还是非人为的，更长、更广的环境温度波动都可能增加冻融周期，损害鲑鱼的质量。在本研究中，通过对鲑鱼组织的激发电压信号进行生物阻抗测量，并借助柔性生物阻抗电极来检测和分析生物阻抗的响应和变化。根据生物组织的三元等效电路模型可以看出，生物组织的细胞膜具有电容性，而细胞内液和细胞外液具有电阻性。低频激励信号很难通过具有较大电容电阻的细胞膜。随着频率的增加，电流通过细胞膜形成内部导电电路。生物阻抗和细胞膜电容电阻降低。因此，监测生物阻抗信号的变化可以有效地鉴别新鲜和冻融鲑鱼。

图1：鱼阻抗变化图

系统的软硬件设计如图2所示。硬件主要包括传感模块、显示模块、通信模块、存储模块和生物阻抗测量模块，如图2(a)所示。传感模块包括用于测量微环境信号的DHT22温度和相对湿度传感器和用于测量生物阻抗信号的柔性凝胶电极;生物阻抗测量模块提取并计算被测对象的生物阻抗信号;所述OLED显示模块实时显示所述数据;Micro - SD卡模块实时存储数据;基于ESP8266 WiFi的模块进行数据传输。为了准确测量生物阻抗信号，使用柔性可弯曲凝胶电极与鲑鱼进行保形接触。所述柔性电极主要由无纺布层、碳膜层、碳纤维掺杂导电凝胶层和PET绝缘保护层组成，如图2(b)所示。此外，设计的计算机软件和移动小程序便于用户实时监测掺假新鲜和冻融鲑鱼微环境和生物阻抗的变化，提高了鲑鱼供应链的可追溯性，如图2 (c, d)所示。

图2：柔性传感系统设计图

对柔性电极的粘附效果、水接触角、稳定性以及温湿度传感器的稳定性进行测试和评价，如图3所示。柔性电极能够紧贴鲑鱼样品的两侧，实现与样品的保形接触。如图3(a)所示，使用高度粘附的柔性电极可以很容易地抬起样品。测试了柔性电极无纺布层和导电凝胶层的亲水性。无纺布层的平均接触角在10分钟内由初始的96.18°下降到81.80°;导电凝胶层的平均接触角在10分钟内由初始的36.37°下降到21.90°。与导电凝胶层相比，非织造层表现出更大的接触角。非织造层是疏水的，而导电凝胶层是亲水的。无纺布层有效隔绝外界环境的湿气，避免影响测量结果。导电凝胶层有效保留凝胶中的水分，提高电极的柔韧性和导电性。采用柔性电极连续三次测量鲑鱼样品的生物阻抗谱。结果表明，该电极测量的生物阻抗信号具有良好的稳定性和重复性。此外，微环境温湿度传感器测试结果显示，在长时间工作条件下，温度波动在±0.5℃以内，湿度波动在±1%以内，测量精度良好。因此，该系统可以有效地监测鲑鱼样本。

图 3：系统性能测试

如图4(a)所示，不同频率下的生物阻抗信号具有高度的相似性。随着频率的增加，鲑鱼的生物阻抗逐渐降低，并有一个明显的转折点。当频率高于300 Hz时，生物阻抗信号随频率的变化不显著。基于q值启发，将前30个频率点的生物阻抗信号作为低频变量，将后30个频率点的生物阻抗信号作为高频变量。使用PCA对两个变量进行特征化，去除冗余信息，如图4(b)所示。从PCA-Biplot中可以看出，经pca处理的FTC-2组鲑鱼生物阻抗信号的空间分布存在差异。对不同冻融循环次数的鲑鱼样品进行了分类。第一次和第二次冻融循环的鲑鱼样本分布更为集中。这可能是因为较少的冻融周期对鲑鱼生物阻抗变化的影响不明显。然而，在放大的样地中，仍然可以看到前两个冻融循环中鲑鱼生物阻抗空间分布的差异。PCA-Biplot可以可视化冻融鲑鱼重复生物阻抗特征的空间分布。然而，它通常用于提取数据特征和减少数据冗余，而不是提供直接的分类功能。因此，采用SVM机器学习模型，以PC1和PC2作为输入，冻融循环次数作为输出进行分类预测。使用BOA对SVM模型的惩罚因子“c”和多核函数参数系数“gamma”进行了优化。结果表明，当c取83.27,gamma取8.86时，改进的PCA-BOA-SVM模型表现最佳，如图4(c)所示。PCA-SVM模型的准确率较低(0.7937)，主要是由于数据集中在不同冻融周期之间的分布以及数据超出95%置信椭圆的分布导致了错误的决策。而改进后的模型强调正确的分类，具有更灵活的决策边界和更高的分类准确率(0.9683)。

图 4：模型评估

柔性传感之三文鱼冻融检测

★ 欢迎引用:

Zhang L, Li Y, Gu Y, et al. Atlantic salmon adulteration authentication by machine learning using bioimpedance non-destructive flexible sensing[J]. Microchemical Journal, 2024, 196: 109638.

★  研究背景

供应链不同阶段的温度波动增加了易腐食品的冻融周期，可能导致质量和安全问题。特别是对于可食用的生鲑鱼，当冻融肉作为鲜肉出售时，不可能忽视掺假问题。如何实时检测新鲜鲑鱼中冻融鲑鱼的掺假是一个挑战。现有的阻抗变化率(q值)和PCA模型不能准确鉴别冻融循环掺假三文鱼。中国农业大学张小栓教授、胡金有教授团队设计了一种基于柔性生物阻抗的无损检测系统，通过在线监测生物阻抗信号、环境温度和相对湿度的变化来鉴定掺假鲑鱼。该系统提供了高水平的监测精度和稳定性。在此基础上，提出了一种改进的基于主成分分析-贝叶斯优化算法-支持向量机(PCA-BOA-SVM)的机器学习分类模型，用于有效识别冻融掺假三文鱼。优化后的模型预测准确率、精密度、召回率和F1得分分别达到0.9683、0.9708、0.9683和0.9679，模型性能得到了提高。通过提高供应链各环节的可追溯性和食品工业发展的可持续性，为提高易腐食品供应链中食品掺假的认证提供了有效的解决方案。

★  文章解析

本文对鲜鲑鱼和冻融鲑鱼的生物阻抗传感检测机制进行了深入研究，如图1所示。在四个主要阶段需要温度控制:加工、运输、储存和销售。在加工阶段，生产商将环境温度保持在-1°C至1°C的范围内。在运输、储存和销售阶段，新鲜鲑鱼需要控制在0°C到4°C的温度范围内，冷冻鲑鱼需要控制在≤-18°C。人为控制引起的环境温度波动和非人为对制冷设备的损坏可能是鲑鱼样品反复冻融的原因。无论是人为的还是非人为的，更长、更广的环境温度波动都可能增加冻融周期，损害鲑鱼的质量。在本研究中，通过对鲑鱼组织的激发电压信号进行生物阻抗测量，并借助柔性生物阻抗电极来检测和分析生物阻抗的响应和变化。根据生物组织的三元等效电路模型可以看出，生物组织的细胞膜具有电容性，而细胞内液和细胞外液具有电阻性。低频激励信号很难通过具有较大电容电阻的细胞膜。随着频率的增加，电流通过细胞膜形成内部导电电路。生物阻抗和细胞膜电容电阻降低。因此，监测生物阻抗信号的变化可以有效地鉴别新鲜和冻融鲑鱼。

图1：鱼阻抗变化图

系统的软硬件设计如图2所示。硬件主要包括传感模块、显示模块、通信模块、存储模块和生物阻抗测量模块，如图2(a)所示。传感模块包括用于测量微环境信号的DHT22温度和相对湿度传感器和用于测量生物阻抗信号的柔性凝胶电极;生物阻抗测量模块提取并计算被测对象的生物阻抗信号;所述OLED显示模块实时显示所述数据;Micro - SD卡模块实时存储数据;基于ESP8266 WiFi的模块进行数据传输。为了准确测量生物阻抗信号，使用柔性可弯曲凝胶电极与鲑鱼进行保形接触。所述柔性电极主要由无纺布层、碳膜层、碳纤维掺杂导电凝胶层和PET绝缘保护层组成，如图2(b)所示。此外，设计的计算机软件和移动小程序便于用户实时监测掺假新鲜和冻融鲑鱼微环境和生物阻抗的变化，提高了鲑鱼供应链的可追溯性，如图2 (c, d)所示。

图2：柔性传感系统设计图

对柔性电极的粘附效果、水接触角、稳定性以及温湿度传感器的稳定性进行测试和评价，如图3所示。柔性电极能够紧贴鲑鱼样品的两侧，实现与样品的保形接触。如图3(a)所示，使用高度粘附的柔性电极可以很容易地抬起样品。测试了柔性电极无纺布层和导电凝胶层的亲水性。无纺布层的平均接触角在10分钟内由初始的96.18°下降到81.80°;导电凝胶层的平均接触角在10分钟内由初始的36.37°下降到21.90°。与导电凝胶层相比，非织造层表现出更大的接触角。非织造层是疏水的，而导电凝胶层是亲水的。无纺布层有效隔绝外界环境的湿气，避免影响测量结果。导电凝胶层有效保留凝胶中的水分，提高电极的柔韧性和导电性。采用柔性电极连续三次测量鲑鱼样品的生物阻抗谱。结果表明，该电极测量的生物阻抗信号具有良好的稳定性和重复性。此外，微环境温湿度传感器测试结果显示，在长时间工作条件下，温度波动在±0.5℃以内，湿度波动在±1%以内，测量精度良好。因此，该系统可以有效地监测鲑鱼样本。

图 3：系统性能测试

如图4(a)所示，不同频率下的生物阻抗信号具有高度的相似性。随着频率的增加，鲑鱼的生物阻抗逐渐降低，并有一个明显的转折点。当频率高于300 Hz时，生物阻抗信号随频率的变化不显著。基于q值启发，将前30个频率点的生物阻抗信号作为低频变量，将后30个频率点的生物阻抗信号作为高频变量。使用PCA对两个变量进行特征化，去除冗余信息，如图4(b)所示。从PCA-Biplot中可以看出，经pca处理的FTC-2组鲑鱼生物阻抗信号的空间分布存在差异。对不同冻融循环次数的鲑鱼样品进行了分类。第一次和第二次冻融循环的鲑鱼样本分布更为集中。这可能是因为较少的冻融周期对鲑鱼生物阻抗变化的影响不明显。然而，在放大的样地中，仍然可以看到前两个冻融循环中鲑鱼生物阻抗空间分布的差异。PCA-Biplot可以可视化冻融鲑鱼重复生物阻抗特征的空间分布。然而，它通常用于提取数据特征和减少数据冗余，而不是提供直接的分类功能。因此，采用SVM机器学习模型，以PC1和PC2作为输入，冻融循环次数作为输出进行分类预测。使用BOA对SVM模型的惩罚因子“c”和多核函数参数系数“gamma”进行了优化。结果表明，当c取83.27,gamma取8.86时，改进的PCA-BOA-SVM模型表现最佳，如图4(c)所示。PCA-SVM模型的准确率较低(0.7937)，主要是由于数据集中在不同冻融周期之间的分布以及数据超出95%置信椭圆的分布导致了错误的决策。而改进后的模型强调正确的分类，具有更灵活的决策边界和更高的分类准确率(0.9683)。

图 4：模型评估