用電子鼻，聞出食品品質

電子鼻不是「聞到某一種味道」，而是記錄一組氣味指紋

想像你把一塊牛肉放進密閉容器中。牛肉會釋放出許多揮發性化合物，尤其在變質過程中，氣味會明顯改變。電子鼻會用一排氣體感測器同時量測這些變化。

每個感測器都不是完全專一的。它可能同時對酒精、硫化物、胺類或其他 VOCs 有反應。這聽起來像缺點，但多個感測器合在一起時，就會形成一個模式。這個模式就是我們要分析的「氣味指紋」。

牛肉新鮮度 electronic nose dataset

我們使用公開資料集：Electronic nose dataset for beef quality monitoring under an uncontrolled environment。研究者用 MOS 氣體感測器監測牛肉在儲存過程中的氣味變化，並提供品質類別與微生物數量。

資料表怎麼讀？

先把資料想成這樣：

minute | class | TVC | MQ1 | MQ2 | MQ3 | ... | MQ10 | humidity | temperature

另一個很適合練習的資料：牛肉中豬肉摻偽

如果你對食品真偽分析有興趣，可以再看這個資料集：The Dataset for Pork Adulteration from Electronic Nose System。它有七個牛肉 / 豬肉混合比例，從 100% beef 到 100% pork。這種資料很適合用 PCA 看比例梯度，也適合用 PLS-DA 做摻偽判別。

食品真偽摻偽檢測halal authenticationPLS-DA

先整理資料，再開始建模

電子鼻資料不能一拿到就丟進模型。不同感測器的數值範圍可能差很多，有些欄位也不是模型應該看的資訊。前處理做得不好，模型看起來可能很準，但其實學到的是錯的東西。

這個公式的意思是：對每一個感測器欄位，先減掉平均值，再除以標準差。做完後，每個變數的平均值會接近 0，標準差會接近 1。

如果你拿到的是原始時間序列

有些 e-nose 資料不是一列代表一個樣本，而是一個樣本有一整段反應曲線。這時候可以先把曲線轉成特徵，再分析。

用 PCA 先看資料長什麼樣子

PCA 是非監督式方法。它不看 class，只看感測器資料 X。如果不同品質的樣本在 PCA 圖上自然分開，代表電子鼻訊號中真的有品質差異的資訊。

建立分類模型：讓電腦判斷食品品質

PCA 幫我們看出資料結構，但 PCA 本身不是分類器。若要預測一個未知樣本是 fresh 還是 spoiled，需要建立 supervised classification model。

不要只看 accuracy

食品安全問題中，錯誤的代價不一樣。把 fresh 判成 spoiled 可能造成浪費；把 spoiled 判成 fresh 可能造成健康風險。因此你一定要看 confusion matrix。

一步一步做出 PCA 與分類模型

下面的程式碼可以放進 Jupyter Notebook。你可以先跑通流程，再慢慢修改特徵欄位、分類器與驗證方式。

1. 下載與讀取資料

import zipfile, requests
from pathlib import Path
import pandas as pd

DATA_DIR = Path("data")
DATA_DIR.mkdir(exist_ok=True)

url = "https://data.mendeley.com/public-api/zip/mwmhh766fc/download/2"
zip_path = DATA_DIR / "mendeley_beef_enose.zip"

if not zip_path.exists():
    r = requests.get(url, timeout=60)
    r.raise_for_status()
    zip_path.write_bytes(r.content)

with zipfile.ZipFile(zip_path) as z:
    z.extractall(DATA_DIR / "beef_raw")

csv_files = list((DATA_DIR / "beef_raw").rglob("*.csv"))
df = pd.read_csv(csv_files[0])
print(df.shape)
df.head()

2. 定義 X 和 y

print(df.columns.tolist())

label_col = "class"
exclude = {"class", "TVC", "minute", "time"}
feature_cols = [c for c in df.columns if c not in exclude]

X = df[feature_cols].apply(pd.to_numeric, errors="coerce")
y = df[label_col]

X = X.fillna(X.median(numeric_only=True))
print(X.shape)
print(y.value_counts())

3. PCA score plot

from sklearn.preprocessing import StandardScaler
from sklearn.decomposition import PCA
import matplotlib.pyplot as plt
import seaborn as sns

X_scaled = StandardScaler().fit_transform(X)
pca = PCA(n_components=2, random_state=42)
T = pca.fit_transform(X_scaled)

plt.figure(figsize=(7,5))
sns.scatterplot(x=T[:,0], y=T[:,1], hue=y, s=45, alpha=0.85)
plt.xlabel(f"PC1 ({pca.explained_variance_ratio_[0]*100:.1f}%)")
plt.ylabel(f"PC2 ({pca.explained_variance_ratio_[1]*100:.1f}%)")
plt.title("PCA score plot of beef e-nose data")
plt.tight_layout()
plt.show()

4. 訓練分類模型

from sklearn.model_selection import train_test_split
from sklearn.pipeline import Pipeline
from sklearn.metrics import classification_report, ConfusionMatrixDisplay
from sklearn.svm import SVC
from sklearn.ensemble import RandomForestClassifier

X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.30, stratify=y, random_state=42
)

models = {
    "SVM-RBF": Pipeline([
        ("scaler", StandardScaler()),
        ("clf", SVC(kernel="rbf", C=10, gamma="scale"))
    ]),
    "Random Forest": RandomForestClassifier(n_estimators=300, random_state=42)
}

for name, model in models.items():
    model.fit(X_train, y_train)
    pred = model.predict(X_test)
    print("\n===", name, "===")
    print(classification_report(y_test, pred))
    ConfusionMatrixDisplay.from_predictions(y_test, pred, xticks_rotation=45)
    plt.title(name)
    plt.tight_layout()
    plt.show()

from sklearn.cross_decomposition import PLSRegression
from sklearn.preprocessing import LabelEncoder, OneHotEncoder, StandardScaler
from sklearn.model_selection import StratifiedKFold, cross_val_predict
from sklearn.metrics import accuracy_score, confusion_matrix

le = LabelEncoder()
y_int = le.fit_transform(y)
Y = OneHotEncoder(sparse_output=False).fit_transform(y_int.reshape(-1, 1))

Xs = StandardScaler().fit_transform(X)
cv = StratifiedKFold(n_splits=5, shuffle=True, random_state=42)

y_score = cross_val_predict(PLSRegression(n_components=2), Xs, Y, cv=cv)
y_pred = y_score.argmax(axis=1)

print("CV accuracy:", accuracy_score(y_int, y_pred))
print(confusion_matrix(y_int, y_pred))
print(le.classes_)

不用寫太多程式，也能完成同樣流程

Orange 的好處是你可以直接看到資料流。每一個 widget 都對應到一個分析步驟：讀資料、選欄位、標準化、PCA、模型比較、混淆矩陣。

PCA 流程

File
  → Select Columns
      Features: MQ sensor responses, humidity, temperature
      Target: class
      Meta: minute, TVC
  → Preprocess
      Impute / Standardize
  → PCA
  → Scatter Plot
      x = PC1, y = PC2, color = class
  → Data Table

分類流程

File
  → Select Columns
  → Preprocess
  → Test and Score
       ← kNN
       ← Logistic Regression
       ← SVM
       ← Random Forest
  → Confusion Matrix
  → ROC Analysis

完成後，你應該能回答這些問題