谷物研究中電子鼻的運(yùn)用探究

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了谷物研究中電子鼻的運(yùn)用探究范文，希望能給你帶來靈感和參考，敬請(qǐng)閱讀。

本文作者：吳林蔚、屠康、潘磊慶、朱娜 單位：南京農(nóng)業(yè)大學(xué)食品科技學(xué)院、農(nóng)業(yè)部農(nóng)畜產(chǎn)品加工與質(zhì)量控制重點(diǎn)開放實(shí)驗(yàn)室

電子鼻迄今為止已應(yīng)用于食品工業(yè)、環(huán)境檢測(cè)、醫(yī)療衛(wèi)生、藥品工業(yè)、安全保障、公安與軍事等領(lǐng)域[6]。在食品工業(yè)中，它主要用在果蔬成熟度及新鮮度檢測(cè)（含貨架期評(píng)價(jià)）、肉品鮮度（可進(jìn)行生產(chǎn)在線監(jiān)控）及發(fā)酵肉制品成熟度檢測(cè)、酒類鑒別（分類、分級(jí)）、飲料識(shí)別、茶葉審核、煙草原料選控及工序質(zhì)監(jiān)、香精識(shí)別、乳制品檢測(cè)、谷物貯藏害蟲檢測(cè)等方面[7-10]。由于這一快速檢測(cè)方法還便于實(shí)現(xiàn)谷物糧食安全的實(shí)時(shí)監(jiān)測(cè)，能有效保障我國(guó)的儲(chǔ)糧質(zhì)量，電子鼻在谷物檢測(cè)中的應(yīng)用正受到全社會(huì)廣泛關(guān)注。對(duì)此，本文將從電子鼻起源、構(gòu)成原理及其在谷物檢測(cè)分析中的應(yīng)用展開介紹，為今后的相關(guān)研究提供參考。

電子鼻的簡(jiǎn)介

電子鼻也稱氣味掃描儀，其概念最早是由英國(guó)Warwick大學(xué)的Persand和Dodd教授在1982年模仿哺乳動(dòng)物嗅覺系統(tǒng)結(jié)構(gòu)和機(jī)理，并對(duì)幾種有機(jī)揮發(fā)性氣體進(jìn)行類別分析時(shí)提出。從1990年第一屆國(guó)際電子鼻學(xué)術(shù)會(huì)議成功舉辦至今，電子鼻的相關(guān)研究已成為全球熱點(diǎn)課題之一。目前較著名的商品化電子鼻系統(tǒng)有英國(guó)Neotronicssystem和AromaScansystem、德國(guó)Airsense系統(tǒng)、法國(guó)AlphaMOS系統(tǒng)、美國(guó)Cyranose、日本Frgaro及臺(tái)灣Smdll和KeenWeen等[5]。

電子鼻通常由氣敏傳感器陣列、信號(hào)處理系統(tǒng)和模式識(shí)別系統(tǒng)三大部分組成[11]。多個(gè)具有不同選擇性的傳感器組成作為電子鼻心臟的傳感器陣列，不同氣味分子將在其表面作用并將信息轉(zhuǎn)化為方便計(jì)算且與時(shí)間相關(guān)的可測(cè)物理信號(hào)組，以實(shí)現(xiàn)混合氣體的總體分析[12-14]。其組成應(yīng)至少滿足以下兩個(gè)要求：一是氣敏傳感器應(yīng)具有很高的靈敏度，以響應(yīng)很小的氣味成分；二是氣敏傳感器的選擇性不應(yīng)很高，以使其響應(yīng)信號(hào)可綜合描述多種樣品，但又因其選擇性差異，能使不同傳感器有不同的響應(yīng)值。按照氣敏傳感器敏感材料和陣列結(jié)構(gòu)的不同，主要可分為金屬氧化物型傳感器、導(dǎo)電聚合物氣敏傳感器、質(zhì)量傳感器及其陣列和L-B膜氣敏傳感器幾類，各優(yōu)缺點(diǎn)如表1所示[11,13]：常用電子鼻的檢測(cè)示意圖如圖1所示[15]，圖中S1、S2至Sn為電子鼻內(nèi)部的傳感器陣列。電子鼻檢測(cè)過程可描述為：(1)傳感器陣列與氣味分子反應(yīng)后，經(jīng)一系列物理化學(xué)變化產(chǎn)生電信號(hào)；(2)電信號(hào)經(jīng)電子線路放大后轉(zhuǎn)換成數(shù)字信號(hào)，輸入計(jì)算機(jī)中進(jìn)行數(shù)據(jù)處理；(3)處理后的信號(hào)通過模式識(shí)別系統(tǒng)，最后定性或定量地輸出對(duì)氣體成分的檢測(cè)結(jié)果[16]。越來越多研究證明，運(yùn)用電子鼻技術(shù)進(jìn)行氣味分析，有客觀、準(zhǔn)確、快捷、重復(fù)性好等特點(diǎn)，是人和動(dòng)物鼻子實(shí)現(xiàn)不了的。

信號(hào)預(yù)處理方法應(yīng)根據(jù)實(shí)際應(yīng)用的氣敏傳感器類型、模式識(shí)別方法和最終識(shí)別任務(wù)適當(dāng)選取。主要有差分法、相對(duì)差分法、分式差動(dòng)法、對(duì)數(shù)法、傳感器歸一化法及陣列歸一化法等[11]。

模式識(shí)別包括適合傳感器陣列響應(yīng)信號(hào)的特征提取方法和模式識(shí)別方法兩方面，常用的模式識(shí)別方法有統(tǒng)計(jì)模式識(shí)別方法，包括主成分分析（PCA）、判別函數(shù)分析（DFA）、多元線性回歸（MLR）、偏最小二乘法（PLS）、聚類算法等（CA）、人工神經(jīng)網(wǎng)絡(luò)(ANN，包括BP網(wǎng)絡(luò)、Kohonen網(wǎng)絡(luò)等)及進(jìn)化神經(jīng)網(wǎng)絡(luò)（ENN）技術(shù)等的方法[11,17-20]。

電子鼻在谷物中的應(yīng)用現(xiàn)狀

作為人類主要糧食來源的谷物（包括稻米、小麥、玉米等），因其自身易在貯存中受到霉菌污染而霉?fàn)€變質(zhì)，造成大量損失，甚至產(chǎn)生毒素，威脅人畜健康。目前，各國(guó)都在積極尋找快捷、高效的方法來開展各項(xiàng)有關(guān)谷物安全的研究，主要應(yīng)用于以下幾個(gè)方面。

1997年瑞典Jonsson等用電子鼻（MOSFET傳感器陣列）檢測(cè)燕麥、黑麥、大麥和含有不同麥角固醇含量、真菌及細(xì)菌菌落的小麥加熱后的氣味，并用人工神經(jīng)網(wǎng)絡(luò)（ANN）進(jìn)行模式識(shí)別分析，從而簡(jiǎn)便、快速和安全地區(qū)分糧食質(zhì)量等級(jí)[21]。英國(guó)Evans等（2002）用導(dǎo)電聚合物傳感器陣列電子鼻進(jìn)行的類似小麥污染物氣味研究表明，該電子鼻分級(jí)準(zhǔn)確度可達(dá)92.3%[11,22]。此后，加拿大Abramson等（2003）用電子鼻檢測(cè)不同濕度（16%和20%）小麥揮發(fā)性物質(zhì)的變化，表明所用電子鼻的12個(gè)傳感器中有9個(gè)能區(qū)別出兩種濕度的揮發(fā)性物質(zhì)且與赭曲霉毒素A（OA）有相關(guān)性（r=0.84~0.87）[11,23]。美國(guó)Balasubramanian等人（2007）用Cyranose-320型電子鼻分析三種大麥樣品（干凈、自然污染鐮刀菌及人工接種鐮刀菌的對(duì)照樣品），并用線性判別（LDA）和二次判別法（QDA）分析，結(jié)果顯示刀切法交叉確認(rèn)的2組大麥樣品（以麥角固醇含量3.0μg/g為界分組）總分類精度達(dá)86.8%，此法便于識(shí)別儲(chǔ)藏谷物的霉變損害[24]。此外，Olsson等（2002）和Paolesse等（2006）都將電子鼻結(jié)合氣質(zhì)聯(lián)用儀（GC-MS）用于定量檢測(cè)或評(píng)價(jià)目標(biāo)染菌樣品，前者研究發(fā)現(xiàn)電子鼻可區(qū)分出OA含量大于和小于5μg/kg（瑞典官方OA極值）的大麥，偏最小二乘法（PLS）可估計(jì)脫氧核糖核酸酶(DON)含量；GC-MS分析OA濃度比電子鼻更準(zhǔn)確，OA濃度與谷物香氣間不存在相關(guān)性[11,25]。后者得出電子鼻可成為檢測(cè)谷物籽粒樣品中真菌污染率有效工具的結(jié)論[26]。我國(guó)鄒小波等（2004）研制出一套主要由一組厚膜金屬氧化錫氣體傳感器陣列和神經(jīng)網(wǎng)絡(luò)（RBF）組成，能快速檢測(cè)谷物是否霉變的電子鼻裝置，并用其檢測(cè)小麥、水稻、玉米3種谷物。最終，RBF對(duì)霉變小麥、水稻識(shí)別的正確率達(dá)100%，對(duì)霉變玉米的識(shí)別正確率也達(dá)90%以上[11,27]。相似研究也見于張紅梅等（2007），其系統(tǒng)對(duì)稻谷霉變程度檢測(cè)有較高分析精度，PCA、LDA對(duì)菌落總數(shù)有較高預(yù)測(cè)精度[28]。此后，惠國(guó)華等（2011）研制出一套快速檢測(cè)糧食霉變的電子鼻系統(tǒng)，并連續(xù)7天檢測(cè)蕎麥、大麥和燕麥等的霉變程度，用隨機(jī)共振方法處理實(shí)驗(yàn)數(shù)據(jù)，信噪比譜特征信息量化糧食霉變程度，以消除傳感器在高溫、長(zhǎng)時(shí)間工作后引起的基線漂移，量化糧食霉變程度，提高檢測(cè)精度[29]。

美國(guó)Lan與我國(guó)Zheng等（2009），用Cyranose-320型電子鼻區(qū)分4種長(zhǎng)粒大米樣品氣味，并探究電子鼻的最佳參數(shù)設(shè)置。其研究發(fā)現(xiàn)，傳感器數(shù)量的減少可縮短數(shù)據(jù)處理時(shí)間，建立一個(gè)特殊的應(yīng)用程序利于降低儀器成本[30]。于慧春等（2012）用自行開發(fā)的電子鼻系統(tǒng)結(jié)合PCA分析、Fisher判別分析和BP神經(jīng)網(wǎng)絡(luò)方法對(duì)4種同產(chǎn)地水稻進(jìn)行區(qū)分后發(fā)現(xiàn)，BP神經(jīng)網(wǎng)絡(luò)分類效果最好，測(cè)試正確率均達(dá)100%，PCA分析效果最差[31]。趙丹等（2012）也做了類似研究，并發(fā)現(xiàn)經(jīng)PCA分析區(qū)分面包用小麥和饅頭面條用小麥的總貢獻(xiàn)率為85.6%，遠(yuǎn)高于LDA的31.7%[32]。宋偉等（2012）用Fox4000型電子鼻檢測(cè)不同儲(chǔ)藏條件下的2010年粳稻，用PCA分析區(qū)分連續(xù)儲(chǔ)藏5個(gè)月的5份同種粳稻樣品，總貢獻(xiàn)率達(dá)99.284%，樣品建立的DFA判別因子分析數(shù)據(jù)模型可用于粳稻歸屬判別分析，識(shí)別正確率可達(dá)93%；PLS對(duì)樣品霉變程度的預(yù)測(cè)正確率可達(dá)100%[33]。胡桂仙等（2011）用PEN2電子鼻分析測(cè)定5種稻米（均分別制備成稻谷、糙米、精米和米飯4種樣品狀態(tài)）的質(zhì)量、頂空空間、靜置時(shí)間等匹配試驗(yàn)參數(shù)，分析后得出，儀器能較好地區(qū)分樣品，識(shí)別稻米的綜合揮發(fā)性物質(zhì)狀態(tài)；10g樣品以200mL頂空空間、60min靜置時(shí)間測(cè)定時(shí)的電子鼻響應(yīng)值相對(duì)較穩(wěn)定；PCA和LDA法均對(duì)谷物狀態(tài)和精米狀態(tài)區(qū)分效果較佳，對(duì)米飯狀態(tài)區(qū)分欠佳[34]。

張紅梅等（2007）用PEN2型電子鼻對(duì)15種不同蟲害程度的同種小麥及5種不同儲(chǔ)藏年份的同種正常小麥進(jìn)行檢測(cè)，并優(yōu)化傳感器陣列，研究響應(yīng)值與一些理化指標(biāo)間的相關(guān)性。研究發(fā)現(xiàn)，電子鼻可成功區(qū)分不同儲(chǔ)存年份的小麥樣品；PCA分析適于傳感器陣列的優(yōu)化，用于區(qū)分5種不同存儲(chǔ)時(shí)間的小麥時(shí)數(shù)據(jù)有很強(qiáng)的收斂性；優(yōu)化后的傳感器陣列較優(yōu)化前有更高的識(shí)別率[35,36]。王俊等（2010、2011）利用電子鼻與計(jì)算機(jī)組成的水稻蟲害快速檢測(cè)系統(tǒng)及氣質(zhì)聯(lián)用儀（GC-MS）檢測(cè)接種有不同褐飛虱成蟲的水稻樣品，其研究表明電子鼻和GC-MS能檢測(cè)農(nóng)作物的蟲害情況；培訓(xùn)后的數(shù)據(jù)識(shí)別率高于92.5%，逐步判別分析（SDA）的識(shí)別率為70%，三層反向傳播神經(jīng)網(wǎng)絡(luò)（BPNN）的模型預(yù)測(cè)值與真實(shí)值間線性相關(guān)系數(shù)超過0.78[37,38]。周博等（2011）還用同一電子鼻判別不同損傷類型的水稻植株，最終矢量量化網(wǎng)絡(luò)（LVQ）和BPNN模型識(shí)別正確率可達(dá)100%[39]。

龐林江（2005）利用PEN2型電子鼻檢測(cè)不同陳化程度的小麥品質(zhì)，在優(yōu)化傳感器陣列后，PCA法可成功辨別不同年份的小麥樣品，而LDA法則不太理想；用PLS模型預(yù)測(cè)有關(guān)指標(biāo)的相關(guān)性系數(shù)可達(dá)0.8613；電子鼻檢測(cè)信號(hào)對(duì)小麥脂肪酸值、濕面筋含量、穩(wěn)定時(shí)間、弱化度、彈性和拉力比數(shù)較為靈敏，對(duì)氣味綜合信息貢獻(xiàn)率較大[11]。偉利國(guó)等（2009）用自制電子鼻評(píng)價(jià)系統(tǒng)檢測(cè)5種不同活性的小麥，并用概率神經(jīng)網(wǎng)絡(luò)進(jìn)行模式識(shí)別處理后發(fā)現(xiàn)，該系統(tǒng)能快速、準(zhǔn)確地評(píng)判小麥活性情況，識(shí)別率可達(dá)91%[40]。2.5評(píng)價(jià)谷物的蒸煮時(shí)間意大利Sinelli等（2006）用瑞典AppliedSensor公司3320型電子鼻及傅立葉近紅外光譜儀（NIRspectroscopy）評(píng)價(jià)3種米飯（碾磨米、半熟米、快煮米）的糊化時(shí)間，以提出建議蒸煮時(shí)間。其實(shí)驗(yàn)結(jié)果表明，電子鼻能測(cè)出大米樣品在蒸煮過程中的最大芳香變化率（主要由米的品種決定），而NIR能準(zhǔn)確測(cè)出樣品米最佳蒸煮時(shí)間；電子鼻、NIR測(cè)定大米的方法快速、簡(jiǎn)便、客觀且可替代傳統(tǒng)感官分析和糊化時(shí)間的測(cè)定方法[41]。綜上所述，國(guó)內(nèi)外在谷物上的研究主要集中在小麥、水稻、玉米中，且大多應(yīng)用于新鮮度、儲(chǔ)藏過程蟲害監(jiān)測(cè)、霉變或污染程度檢測(cè)及分級(jí)識(shí)別等方面。據(jù)相關(guān)研究的實(shí)驗(yàn)對(duì)象，可統(tǒng)計(jì)得表2中顯示的研究狀況[11,21-41]。

展望

總的說來，國(guó)內(nèi)外運(yùn)用電子鼻對(duì)谷物的研究大多局限于實(shí)驗(yàn)室檢測(cè)，與實(shí)際現(xiàn)場(chǎng)環(huán)境的測(cè)試要求差距較大[42]。不少研究是先用霉變、蟲害的方法處理谷物，再用單一的霉變、蟲害指標(biāo)評(píng)價(jià)谷物品質(zhì)，或是用與現(xiàn)實(shí)條件差距較大的陳化方法模擬谷物的陳化過程以研究其陳化特性。但這些往往不夠，因?yàn)楣任锉旧淼睦砘匦詻Q定了谷物中產(chǎn)生的某些揮發(fā)性物質(zhì)的特性。而在儲(chǔ)藏過程中，倉(cāng)儲(chǔ)昆蟲和微生物也會(huì)散發(fā)出揮發(fā)性物質(zhì)，所以谷物的揮發(fā)性物質(zhì)由多種復(fù)雜成分組成，其品質(zhì)表現(xiàn)在很多方面。我們應(yīng)從多角度出發(fā)，結(jié)合多種儀器檢測(cè)自然陳化或是自然蟲害的谷物，并對(duì)數(shù)據(jù)進(jìn)行綜合分析，以期更好地評(píng)價(jià)谷物的儲(chǔ)藏品質(zhì)。

此外，和國(guó)外相比，我國(guó)利用電子鼻對(duì)谷物鑒定及理化品質(zhì)檢測(cè)方面的研究才剛起步，且大多著眼于小麥霉變、分級(jí)、蟲害等的檢測(cè)中，只有極少數(shù)用在稻米、玉米等糧谷檢測(cè)中。我國(guó)在電子鼻中的應(yīng)用還不夠廣泛，這可能是受限于敏感膜材料、制造工藝和數(shù)據(jù)處理方法等[43]。隨著生物芯片及生物信息學(xué)的發(fā)展，生物與仿生材料研究的進(jìn)步，微細(xì)加工技術(shù)的提高和納米技術(shù)的應(yīng)用[44],電子鼻在谷物安全研究中將會(huì)有更為廣闊的應(yīng)用前景，以滿足人們對(duì)食品安全的需求。