基于電子鼻系統(tǒng)的番茄苗不同種類損傷的區(qū)分效果研究*

程紹明，王 俊*，馬楊琿，王永維

(1.浙江大學生物系統(tǒng)工程與食品科學學院，杭州 310029；2.浙江科技學院信息學院，杭州 310023)

人們很早就知道植物在生長過程中會釋放出揮發(fā)性物質(zhì)，但是在受到病害侵害后植物會產(chǎn)生特異性的揮發(fā)物在近幾十年研究才被證明。據(jù)統(tǒng)計，植物通過體內(nèi)次生代謝途徑合成的揮發(fā)性有機物大約有30000多種。植物的揮發(fā)性有機物信號可以自發(fā)產(chǎn)生，也可以是因為多種因素誘導(dǎo)產(chǎn)生的，比如植食性昆蟲的侵害、病原菌的危害、植物受到的機械損傷、光照及溫度改變等環(huán)境因素［1－6］。雖然關(guān)于揮發(fā)物產(chǎn)生機制問題現(xiàn)在也沒有一個統(tǒng)一的理論，但是通過以上研究可以肯定植物受到侵害后可以產(chǎn)生特異性揮發(fā)物。

電子鼻是一種新穎的分析、識別和檢測復(fù)雜氣味和大多數(shù)揮發(fā)性成分的儀器。它是根據(jù)仿生學原理，由傳感器陣列和自動化模式識別系統(tǒng)所組成。與普通的化學分析儀器，如色譜儀、光譜儀等不同，電子鼻得到的不是被測樣品中某種或某幾種成分的定性與定量結(jié)果，而是給予樣品中揮發(fā)性成分的整體信息，也稱“指紋”數(shù)據(jù)?；陔娮颖堑奶攸c及其方便快速的優(yōu)越性，國內(nèi)外在食品安全［7－13］、環(huán)境檢測［14－15］、醫(yī)療衛(wèi)生［16－17］等方面有不少應(yīng)用和研究成果，然而電子鼻在農(nóng)作物病蟲害等損傷方面的研究未見有相關(guān)報道。

本次試驗擬以不同種類損傷的番茄苗作為試驗對象，試驗的主要目的在于利用電子鼻對不同損傷的番茄苗進行區(qū)分和檢測，為番茄苗的檢測提供一種新的途徑。

1 試驗材料和方法

1.1 實驗材料

將浙雜809番茄種子播在塑料盆缽(Φ8 cm×12 cm)中，在塑料溫室中進行培育，每盆1株苗，定期澆水施肥，待苗長到35 d，苗高25 cm～30 cm時用于實驗。

1.2 實驗裝置

1.2.1 番茄苗揮發(fā)物電子鼻檢測的采樣裝置

圖1為番茄苗采樣系統(tǒng)的示意圖，整個系統(tǒng)由空氣過濾器、活性碳、特氟隆管、進氣口、玻璃容器(40 cm高×10 cm直徑)、密封板、番茄苗和支架臺8個部分組成。

圖1 靜態(tài)頂空采樣系統(tǒng)示意圖

1.2.2 電子鼻

實驗采用的電子鼻系統(tǒng)是德國Airsense公司的PEN2便攜式電子鼻(Portable Electronic Nose)。系統(tǒng)組成主要包含下面幾個部分:傳感器陣列、采樣通道、內(nèi)置泵、控制單元和計算機。軟件部分主要是Airsense公司編制的電子鼻配套軟件 WinMaster。該軟件主要用來實現(xiàn)電子鼻工作過程的控制及一些基本的數(shù)據(jù)分析。電子鼻系統(tǒng)各個傳感器性能見表1。

表1 PEN2電子鼻的各傳感器名稱及性能特點

1.3 試驗方法

1.3.1 番茄苗樣本處理

將準備好的番茄苗進行早疫病、灰霉病病菌接種，每株番茄苗接種病菌的葉片數(shù)量為4葉片，接種后，將番茄苗放置于35℃、濕度90%的環(huán)境中培養(yǎng)24 h，以使病菌快速入侵番茄苗葉片。早疫病病害番茄苗處理和灰霉病病害番茄苗處理分別標記為EP和GP。

每株番茄苗利用3號大頭針(0.8 mm×26 mm)于葉片上針刺90次，作為機械損傷處理，平均作用于每個葉片，標記為MP。

對照組番茄苗不進行任何處理，標記為CP。

1.3.2 電子鼻測試

在進行電子鼻實驗前，四組番茄苗分別置于頂空采樣裝置中，頂空產(chǎn)生時間為30 min后進行電子鼻測試。電子鼻測試時的參數(shù)設(shè)置見表2。

表2 電子鼻參數(shù)設(shè)置

1.4 數(shù)據(jù)分析

利用主成分分析、線性判別分析方法對電子鼻數(shù)據(jù)進行降維處理；采用BP神經(jīng)網(wǎng)絡(luò)和支持向量機分析對番茄苗樣本進行分類。數(shù)據(jù)處理軟件用SAS和 Matlab。

2 結(jié)果和討論

2.1 電子鼻傳感器對番茄苗揮發(fā)物的響應(yīng)

使用靜態(tài)頂空采樣對番茄苗樣本進行電子鼻測試，對比經(jīng)過針刺處理與未進行針刺處理(對照組)番茄苗樣本的電子鼻響應(yīng)信號。圖2是電子鼻10個傳感器對不同處理番茄苗樣本的響應(yīng)曲線(a:對照組，b:針刺90次的番茄苗組，c:感染早疫病病害的番茄苗，d:感染灰霉病病害的番茄苗)。圖中橫軸為采樣時間，縱軸為信號值，其中G是傳感器接觸到樣品氣體后的電導(dǎo)率、G0是傳感器在經(jīng)過活性炭過濾氣體清洗后的電導(dǎo)率。曲線上的點代表著番茄苗揮發(fā)物通過傳感器陣列時，電阻率隨時間的改變情況，每一條曲線代表著一個傳感器的響應(yīng)曲線。在本次實驗中，取第60 s的時間點作為模式識別的時間點。

圖2 電子鼻10個傳感器對不同損傷番茄苗樣本的響應(yīng)曲線

從圖2(a)、(b)、(c)、(d)可以看出，不同處理的番茄苗傳感器響應(yīng)曲線是不同的。圖2(a)為沒有受到損傷番茄苗的響應(yīng)信號，G/G0大致在0.94～1.28之間；圖2(b)為受到機械損傷番茄苗的響應(yīng)信號，G/G0大致在0.91 ～1.35 之間；圖2(c)為感染早疫病病害的番茄苗的響應(yīng)信號，G/G0大致在0.9～1.55之間，圖2(d)為感染灰霉病病害的番茄苗的響應(yīng)信號，G/G0大致在0.85～1.50之間。受到不同損傷的番茄苗傳感器陣列響應(yīng)信號的變化范圍要明顯大于未受到損傷的番茄苗，這可能是由于番茄苗受到損傷后產(chǎn)生的揮發(fā)性物質(zhì)增加了，從而增強了電子鼻傳感器信號的變化。這表明，利用電子鼻傳感器信號來區(qū)分番茄苗遭受不同種類的損傷是可能的。

2.2 主成分分析和線性判別分析

采用主成分分析方法(Principal Component A-nalysis，PCA)，對機械損傷、早疫病病害、灰霉病病害、對照組四組不同處理番茄苗樣本的電子鼻60 s的響應(yīng)數(shù)據(jù)進行分析，圖3是四種處理番茄苗的二維PCA結(jié)果圖，從PCA結(jié)果可知前二個主成分的貢獻率達到92.94%。從各處理的區(qū)分效果來看，四種處理番茄苗樣本大致可以分成三部分，依次為受早疫病危害的番茄苗樣本(ZP)，受灰霉病危害的番茄苗樣本(HP)，受機械損傷的番茄苗樣本(MP)和正常處理的番茄苗樣本(CP)。機械損傷的番茄苗樣本和正常處理的番茄苗樣本產(chǎn)生了重疊現(xiàn)象，可能是機械損傷的番茄苗樣本和正常處理的番茄苗樣本產(chǎn)生的揮發(fā)性物質(zhì)更為相似，具體成分需要利用氣質(zhì)聯(lián)用儀進行進一步分析。由于PCA區(qū)分機械損傷的番茄苗和正常的番茄苗效果不理想，我們采用線性判別分析方法繼續(xù)進行分析。

圖3 不同處理番茄苗PCA圖

采用線性判別分析方法(Linear Disctiminant A-nalysis，LDA)，對機械損傷、早疫病病害、灰霉病病害、對照組四組不同處理番茄苗樣本的電子鼻60 s的響應(yīng)數(shù)據(jù)進行分析，四種處理番茄苗的二維LDA結(jié)果見圖4。從圖4可知，四種處理番茄苗樣本能很好的區(qū)分，機械損傷番茄苗樣本與正常處理的番茄苗樣本比較接近，采用LDA的區(qū)分效果明顯比PCA要好。

圖4 不同處理番茄苗LDA圖

2.3 BP神經(jīng)網(wǎng)絡(luò)分析

利用電子鼻對番茄苗樣本響應(yīng)信號60 s的數(shù)據(jù)進行分析，以10個傳感器響應(yīng)數(shù)據(jù)作為輸入，番茄苗樣本作為輸出，輸出層選擇為1。設(shè)定目標誤差為0.001，網(wǎng)絡(luò)學習速率為0.01，訓(xùn)練迭代次數(shù)為1 000次，隱含層經(jīng)網(wǎng)絡(luò)多次測試確定。選擇40個番茄苗樣本作為訓(xùn)練(每組10個樣本)，24個樣本作為測試組(每組6個樣本)。通過反復(fù)測試來調(diào)整隱含層神經(jīng)元數(shù)來優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)，得到較好網(wǎng)絡(luò)結(jié)構(gòu)為10(輸入)－15(隱含)－1(輸出)的三層BP神 經(jīng) 網(wǎng) 絡(luò) (Back Propagation NeuralNetworks，BPNN)。表3是采用10－15－1結(jié)構(gòu)的BP神經(jīng)網(wǎng)絡(luò)的判別結(jié)果，訓(xùn)練集和測試集的正確率分別為100%和95.8%。在對測試集進行判別時，對照番茄苗(CP)、機械損傷番茄苗(MP)和灰霉病病害番茄苗(HP)的預(yù)測正確率均為100%，早疫病病害番茄苗(ZP)的預(yù)測正確率為83.3%，其中有一個樣本被誤判入灰霉病病害。

2.4 支持向量機分析

利用電子鼻對不同損傷番茄苗樣本響應(yīng)信號60 s的數(shù)據(jù)進行分析，以10個傳感器響應(yīng)數(shù)據(jù)作為輸入進行支持向量機分析(Support Vector Machine，SVM)。選擇40個番茄苗樣本作為訓(xùn)練(每組10個樣本)，24個樣本作為測試組(每組6個樣本)。利用徑向基核函數(shù)對電子鼻原始數(shù)據(jù)進行支持向量機分析結(jié)果見表3，訓(xùn)練集和測試集的正確率分別為100%和95.8%。測試集中對照番茄苗(CP)、機械損傷番茄苗(MP)和灰霉病病害番茄苗(HP)的預(yù)測正確率均為100%，早疫病病害番茄苗(ZP)的預(yù)測正確率為83.3%，其中有一個樣本被誤判入灰霉病病害。

表3 不同識別模式對番茄苗樣本的區(qū)分效果

采用兩種識別模式對四種不同處理番茄苗樣本的預(yù)測，結(jié)果見表3。對比預(yù)測結(jié)果，兩種模型都能對樣本進行很好的區(qū)分，區(qū)分效果都較好。從模型預(yù)測結(jié)果可以看出，可以建立電子鼻信號與番茄苗不同損傷之間的關(guān)系，說明用電子鼻響應(yīng)信號對番茄苗樣本損傷進行預(yù)測是可行。

3 結(jié)論

(1)通過對比感染灰霉病、感染早疫病、機械損傷和對照的四種不同番茄苗的電子鼻響應(yīng)信號，可以看出不同處理的番茄苗樣本電子鼻的響應(yīng)信號是不同的，說明用電子鼻響應(yīng)信號對番茄苗不同種類損傷進行預(yù)測是可行。

(2)采用PCA區(qū)分四種不同損傷的番茄苗時，機械損傷的番茄苗和對照組有部分重疊，而采用LDA則能很好的區(qū)分四種不同損傷的番茄苗，表明采用LDA的區(qū)分效果明顯比PCA要好。

(3)利用BP神經(jīng)網(wǎng)絡(luò)和支持向量機兩種識別模式對四種不同損傷的番茄苗進行預(yù)測，兩種識別模式的區(qū)分效果都很好。測試集中對照番茄苗(CP)、機械損傷番茄苗(MP)和灰霉病病害番茄苗(HP)的預(yù)測正確率均為100%，早疫病病害番茄苗(ZP)的預(yù)測正確率為83.3%。

［1］De Lacy Costello B P J，Evans P，Ewen R J，et al.Gas Chromatography-Mass Spectrometry Analyses of Volatile Organic Compands from Potato Tubers Inoculated with Phytophthora Infestans or Fusarium Coeruleum［J］.Plant Pathol，2001，50:489－496.

［2］Hampden J R.Effects of C6－C10 Alkenals and Alenols on Eliciting a Defense Response in the Developing Cotton boll［J］.Phytochem，1992，31:2305－2308.

［3］Bakdwin I T，Hakutscgje R，Paschold A，et al.Volatilesignaling in Plant-Plant Interactions:Talking Tress in the Genomics Era［J］.Science，2006，311:812－815.

［4］Arimura G，Ozawa R，Horiuchi J，et al.Plant-Plant Interactions Mediated by Volatiles Emitted from Plants Infested by Spider Mites［J］.Biochemical Systematics and Ecology，2001，29(10):1049－1061.

［5］Pare P W，Tumlinson J H.Denovo Biosynthesis of Volatiles Induced by Insect Herbivory in Cotton Plants［J］.Plant Pathol，1997，114:1161－1167.

［6］劉芳，婁永根，程家安.蟲害誘導(dǎo)的植物揮發(fā)物:植物與植食性昆蟲及其天敵相互作用的進化產(chǎn)物［J］.昆蟲知識，2003，40(6):481－485.

［7］Pang L，Wang J，Lu X，et al.Discrimination of Storage Age for Wheat by E-Nose［J］.Transactions of the ASABE，2008，51:1707－1712.

［8］Cheng S，Wang Y，Wang J，et al.Detection of Eggshell Crack Using Electronic Nose［J］.Transactions of the ASABE，2010，53:789－794.

［9］于慧春，王俊，張紅梅，等.龍井茶葉品質(zhì)的電子鼻檢測方法［J］.農(nóng)業(yè)機械學報，2007(7):103－106.

［10］程紹明，馬楊王軍，周博，等.基于電子鼻的番茄種子不同儲藏時間的鑒別研究［J］.傳感技術(shù)學報，2011，24(7):941－945.

［11］龐林江，王俊，路興花.電子鼻判別小麥陳化年限的檢測方法研究［J］.傳感技術(shù)學報，2007，20(8):1717－1722.

［12］周亦斌，王俊.基于電子鼻的番茄成熟度及貯藏時間評價的研究［J］.農(nóng)業(yè)工程學報，2005，21(5):113－116.

［13］周博，王永維，王俊，等.雞蛋貯藏時間和新鮮度的電子鼻檢測［J］.浙江大學學報:工學版，2010，44(5):863－869.

［14］Sohn J H，Hudson N，Gallagher E，et al.Implementation of an E-lectronic Nose for Continuous Odour Monitoring in a Poultry Shed［J］.Sensors and Actuators B:Chemical，2008，133:60－69.

［15］Vito D，Massera E，Piga M，et al.On Field Calibration of an Electronic Nose for Benzene Estimation in an Urban Pollution Monitoring Scenario［J］.Sensors and Actuators B:Chemical，2008，129:750－757.

［16］Dummer J，Storer M，Swanney M，et al.Analysis of Biogenic Volatile Organic Compounds in Human Health and Disease［J］.Trends in Analytical Chemistry，2011，30(7):960－967.

［17］Bernabei M，Pennazza G，Santonico M，et al.A Preliminary Study on the Possibility to Diagnose Urinary Tract Cancers by an Electronic Nose［J］.Sensors and Actuators B:Chemical，2008，131:1－4.