綜合型傳感器陣列對摻雜生乳的識別

黃贛輝，石 磊，曾祥盛，，鄧丹雯

（1.南昌大學食品科學與技術國家重點實驗室，江西南昌330047；2.江西出入境檢驗檢疫局綜合技術中心，江西南昌330038）

現有的檢測方法都只是針對某一種已知摻雜物的特征屬性進行甄別的，而對生乳摻雜進行全面檢測尚存在困難，且對于層出不窮的摻假技術也無法及時應對。研究表明，任何行為的摻雜必將導致一些與電化學性質相關的指標發生變化，如pH、電導率、鈉離子濃度，甚或氨、溶解氧等的變化；另一方面，電化學檢測方法所具有的靈敏性高、穩定性好、重現性佳等特點[6-7]；因此，電化學方法研究在乳品檢測中逐步得到應用[8-11]。但在實踐上發現存在著兩大誤區，一是過分依賴于化學計量學的作用而忽視傳感器本身的差異性識別能力，信號龐雜，數據處理困難；其二是強調傳感器的選擇性，而忽視不同電化學物質在不同傳感器上的差異性的影響，和不同電化學物質在不同傳感器上的共性表達，使用大量的選擇性傳感器致使系統結構復雜而難以在技術上實現。

基于以上認識，本文提出了基于“非選擇性-交互敏感”的多傳感器陣列方法[12-13]，結合摻雜原料乳的某些變化屬于特征性指標，在生乳摻雜檢測裝置中加入選擇性傳感器，以提高檢測能力，對所采集的電化學數據進行統計學分析[14-15]來對生乳摻雜進行甄別，建立基于綜合型傳感器陣列對生乳摻雜檢測的技術方法，探索和確立電化學傳感器陣列在生乳摻雜判別的理論。

1 材料與方法

1.1 材料與儀器

生乳 江西陽光乳業股份有限公司；氯化鉀（AR）上海展云化工有限公司；超純水（18.25MΩ·cm-1）；γ-Al2O3粉末 上海辰華儀器有限公司；鐵氰化鉀（AR）、KCl（AR）、NaHCO3（AR）天津市大茂化學試劑廠；尿素（AR） 天津市永大化學試劑有限公司；三聚氰胺（AR） 上海精析化工科技有限公司；電極表面清洗液 0.2%活性清洗液，市售餐具清洗劑進行稀釋配制而得。

電化學方法檢測儀器設備 電化學工作站（CHI660B）和40通道多通道選通器，上海辰華儀器有限公司；KQ-2200DB超聲波清洗器 昆山市超聲清洗儀器有限公司；鈀、鉑、金、鈦、鎢和銀6種惰性貴金屬電極組工作電極 為自制；其他 為實驗室常規儀器設備；PHS-2F pH電極、DDS-307電導率電極、DWS-51鈉離子計電極 均為上海雷磁儀器廠生產。

1.2 實驗裝置

1.2.1 電極與傳感器 金、鉑、銀、鎢、鈦、鈀六種貴金屬電極（自制）作為工作電極以及Φ2.0mm CHI102鉑盤電極作為輔助電極的非選擇性傳感器陣列；水相3moL/L CHI110Ag/AgCl參比電極；

1.2.2 傳感器清洗 非選擇性電極在首次使用前進行機械拋光以清潔電極表面，然后，在0.2mmol/L HClO4溶液中，以-0.5～0.5V為電位區間，結合Ag/AgCl參比電極，進行0.1V/s循環伏安法（CV）掃描，直至cv曲線重合（約70周），再用去離子水超聲波清洗，氮氣吹干保護待用；在任意兩次測量過程中對工作電極表面采用電化學清洗。

1.2.3 生乳摻雜檢測系統的組裝 傳感器陣列組合由選擇性傳感器組、非選擇性傳感器陣列、參比電極組成，通過相應端口與電化學工作站相連接，電化學工作站通過數據線與安裝有電化學工作站程序控制軟件和統計學軟件的計算機相連接，并由計算機進行檢測和數據采集控制。選擇性傳感器組包括pH電極、電導率電極和鈉度計電極；非選擇性傳感器陣列中包括金、鉑、銀、鎢、鈦、鈀六種電極為工作電極，鉑盤電極為輔助電極、Ag/AgCl電極為參比電極。所有電極在每組檢測前進行校正，三次檢測數據差異小于1.0%。

1.3 實驗方法

1.3.1 電化學檢測方法 非選擇性傳感器陣列中各電極采用微分脈沖伏安法檢測，初始電位為0V和終止電位為0.5V，電位增量為0.005V，振幅為0.05V，脈沖寬度為0.05s，采樣寬度為0.01s，脈沖周期為0.5s；選擇性傳感器陣列組中的pH計電極及鈉度計電極均采用開路電位法對研究對象進行數據采集，開路電位法的設置參數為：數據采集時間每次為100s，采集間隔為0.1高電位和低電位限制分別設置為±1V；電導率電極在交流阻抗譜法的激發信號下對檢測液進行數據采集，交流阻抗譜法的實驗參數為以靜息電位為起始電平，檢測頻率依次從1～100000Hz，振幅設置為0.005V，靈敏度設置為自動。

本設計系統使用的是以太坊的go-ethereum客戶端來連接到自己搭建的以太坊私有網絡，它提供的應用程序編程接口（API）可以給本設計系統進行調用，并用來創建新地址，驗證數字簽名、支付和轉賬、查看余額等。接口層包含了以太坊智能合約腳本、分布式計算、驗證加密簽名和數據存儲的技術。所有的請求數據通過post傳遞，使用json參數傳遞。

1.3.2 生乳標準數據庫的建立 以江西陽光乳業集團長山奶場荷斯坦牛生乳進行90d跟蹤檢測，采集電化學信息，經過Grubbs檢驗，保留電化學數據相對穩定的80%數量批次的乳樣數據，并按照適合的模式識別方法建立標準荷斯坦乳牛生乳標準數據庫。

1.3.3 摻雜乳樣檢測

1.3.3.1 檢測樣品的制備 新鮮生乳為對照組，在生乳中按表1濃度分別添加尿素和三聚氰胺，作為摻雜樣本進行檢測。

表1 待測生乳摻雜物濃度Table 1 Concentration of dopant in raw milk

其他待測樣本如下處理：酸敗乳（pH4.8）、添加飽和碳酸氫鈉溶液調節酸度為pH6.5的酸敗乳、陳放乳為2℃冰箱陳放2周（出現分層則棄去上層脂質層，將下層乳液備用）、巴氏殺菌乳為70℃恒溫水浴覆蓋保鮮膜加熱30min，冷卻至常溫備用。所有待測樣品檢測前緩慢通入高純氮氣去除溶解氧。

1.3.3.2 數據采集 測試池溫度25℃，檢測燒杯放入測試池恒溫5min后，按照標準生乳樣品數據采集的電化學方法對上述樣品進行樣本檢測和數據采集。每個樣品設置5個平行樣本，每個樣本檢測5次，最終數據取平均值，并提取出每次微分脈沖伏安法所采集的峰電流值。

1.3.3.3 數據分析 由于牛乳在微分脈沖伏安法下除銀電極外各傳感器的電流響應信號的數值都相對比較小，因此需要對響應電流進行放大處理后再進行統計分析。在單因素方差分析中，選取各傳感器在電勢激發信號下各個樣本的響應峰電流作為特征點，以每根傳感器當作一個因素，不同樣品的響應當作水平，構成一個30×30的數據矩陣進行方差分析；在主成分分析中體現傳感器陣列對各個樣品的差異性識別區分效果，通過各樣本的主成分得分點到標準生乳數據庫中心的歐氏距離，最終以歐氏距離的雷達圖進行直觀表達。使用SPSS 18軟件進行單因素方差分析和主成分分析處理。分析結果導入到Sigmaplot 11中作圖。

2 結果與討論

2.1 單因素方差分析

傳感器陣列中傳感器的響應性能直接影響最終系統的性能。主要通過同一傳感器對同一樣品的響應是否具有良好的穩定性和對不同樣品是否具有較高的區分性來衡量傳感器響應性能，借此來篩選傳感器及性能分組。由于每個樣本在微分脈沖伏安法檢測中均采集到100個響應電流數據點，如此下來6類樣品的30個樣本的這個數據點構成30×100的數據矩陣，如果直接進行處理運算的話，無疑要增加很大的工作量及花費時間，故選取各傳感器在電勢激發信號下各個樣本的響應峰電流作為特征點，以每根傳感器當作一個因素，不同樣品的響應當作水平，構成30×30的數據矩陣進行方差齊性檢驗，保證數據滿足方差分析的條件。表2列出了應用SPSS 18數據分析軟件對所有傳感器數據分別進行單因素方差分析的計算結果。其中組內的均方值代表同一傳感器對同一樣品響應的重復性，均方越小，重復性越好、穩定性越好。F值和p值表明同一傳感器對不同樣品的區分度，F值越大，p值越小，區分度則越大。

表2 傳感器響應強度方差分析結果表Table 2 ANOVA for sensor intensities

分析表中數據顯示，各傳感器的組內均方值都小于2×10-3，說明各個傳感器的重復性、穩定性較好，其中以鈀、鉑、金、鈦電極的為優；根據F值和p值將區分度稍差的鎢、銀傳感器檢測數據剔除，將篩選出的傳感器檢測數據進一步進行主成分分析，并根據分析結果組建傳感器陣列。

2.2 綜合型傳感器陣列組對各樣本的檢測效果

對非選擇性傳感器陣列和綜合型傳感器陣列的數據分別進行檢測，并以同批次荷斯坦牛生乳為對照組并進行等比優化，檢測數據與雷達圖為表3～表5和圖1～圖3。

2.2.1 不同尿素摻雜濃度與標準生乳之間的關系表3為傳感器陣列組對不同尿素摻雜濃度樣本采集到的數據與標準生乳數據庫數據之間的歐氏距離及其平均值。

對數字進行轉換后，以雷達圖進行表征（見圖1），可以看到，隨著摻雜物濃度的增加，傳感器陣列檢測到的樣本與標準生乳之間的距離越大。同時還可以注意到，作為檢測對照物使用所采集的新鮮生乳與標準生乳數據庫之間的歐氏距離較小，但也存在著一定的距離。這說明生乳的成分存在著一定的變化，或者傳感器陣列組本身也存在著一定的漂移。但是，從檢測效果看對摻雜的檢出效果明顯。

表3 兩類傳感器陣列（組）對不同尿素摻雜濃度生乳樣本的檢測與數據優化Table 3 The detection of different urea detection of doping concentration raw milk samples with two types of sensor array and data optimization

圖1 非選擇性傳感器陣列與綜合型傳感器陣列組對摻雜尿素生乳樣本的檢測Fig.1 The detection of doped urea in raw milk samples with non-selective sensor array and integrated sensor array group

2.2.2 不同三聚氰胺摻雜濃度與標準生乳之間的關系 結果見表4、圖2。對不同三聚氰胺摻雜濃度樣本的檢測也具有與尿素摻雜相同的效果和特點，綜合型傳感器陣列組對樣本的檢測具有更佳的效果，相對于標準生乳，不同的樣本等比優化后的歐氏距離相較于非選擇性傳感器陣列組的歐氏距離的數字值更大，更有利于對摻雜的識別。

表4 兩類傳感器陣列（組）對不同三聚氰胺摻雜濃度生乳樣本的檢測與數據優化Table 4 The detection of different melamine detection of doping concentration raw milk samples with two types of sensor array and data optimization

2.2.3 傳感器陣列組對不同物質摻雜的檢測效果 對各種摻雜乳樣本以兩類傳感器陣列組進行比較可得到表5和圖3；其中，添加尿素和三聚氰胺組的摻雜生乳，分別選取1.0%和0.1%添加組來進行對比分析。

圖2 非選擇性傳感器陣列與綜合型傳感器陣列組對摻雜三聚氰胺生乳樣本的檢測Fig.2 The detection of doped melamine in raw milk samples with non-selective sensor array and integrated sensor array group

圖3 非選擇性傳感器陣列與綜合型傳感器陣列組對各摻雜生乳樣本的檢測Fig.3 The detection of doped raw milk samples with non-selective sensor array and integrated sensor array group

以上表格中所列均為各摻雜生乳到標準生乳數據庫中心的歐氏距離，其中非選擇性表示為非選擇性傳感器陣列對各樣本的檢測結果，綜合型為非選擇性傳感器陣列與選擇性傳感器陣列的組合對各樣本檢測的結果。圖3為非選擇性傳感器陣列的校正數據和綜合型傳感器陣列對樣本的歐氏距離直觀的雷達圖。從圖3中可以看到，由于選擇性傳感器的加入，各樣本相對于生乳標準數據庫中的距離均較非選擇性傳感器的距離增加。這里需要注意的是，由選擇性和非選擇性傳感器陣列構建的綜合型傳感器陣列組與非選擇性傳感器陣列對于不同樣本檢測的歐氏距離的增量是不相等的；而另外，從歐氏距離的絕對值來看，傳感器陣列（組）對陳放乳、巴氏乳、酸敗乳的數字值均比較大，其中陳放乳和巴氏乳與生乳具有相同或接近的味覺感受，通過本傳感器檢測獲得的歐氏距離具有明顯的摻雜提示作用，這些都與固液界面上的電化學反應有關，其機理需要繼續研究以得到合理的解釋。

非選擇性傳感器陣列對摻雜尿素和三聚氰胺的荷斯坦牛生乳檢測的數據相對于標準數據庫的歐氏距離會隨著摻雜濃度的增加而逐漸增大。在表5和圖3中可以發現酸敗乳的歐氏距離差別巨大，而感官風味沒有明顯變化的陳放乳和巴氏乳也有很明顯的變化。

由圖3和表5可見，各樣本包括新鮮生乳與標準生乳之間的歐氏距離分布在0～30之間。可通過兩種方式對檢測樣品中合格、懷疑、不合格的三個結果進行表達：a.數據表達：對歐氏距離的大小依據數字值的大小；b.由上述各歐氏距離所繪制的雷達圖直觀表達。圖中每個軸代表一個乳液樣品，圓心位置為該乳樣所采集的基礎數據庫中，由每個軸與圓心的距離的聯線代表不同樣品的參加得分的分布，與圓心的距離代表不同樣品與標準生乳之間的差異。本研究結果中，可以以Ed為0～1.0、1.0～2.0和2.0以上來對檢測樣進行摻雜預判，Ed為0～1.0的檢測樣本為合格樣本，Ed為1.0～2.0的檢測樣本為懷疑樣本，需要通過其他的檢測方法來判定，Ed大于2.0的檢測樣本為不合格樣本，直接淘汰。雷達圖結果顯示，不同樣品具有不同的差異度，且區分效果顯著。

3 結論與討論

本文提出的技術方法對生乳的摻雜的檢測具備了實施的可行性。以非選擇性傳感器陣列組及選擇性傳感器陣列組獲得的各檢測乳液樣品的信號數據與標準生乳數據庫中心的歐氏距離為判別依據，對檢測樣品中合格、懷疑、不合格的三個結果進行表達，系統的判斷能力有效。

以選擇性傳感器陣列和非選擇性陣列構成的陣列組對摻雜生乳進行檢測，具有比單一屬性傳感器陣列進行檢測的效果更佳；且非選擇性傳感器陣列對系統的檢測效果具有決定性的作用，但是，固液界面上的電化學反應尚無法充分揭示，系統的優化還需要進行深入的理論研究以使系統的構成在技術上得以實踐。

表5 兩類傳感器陣列（組）對不同摻雜生乳樣本與標準生乳的歐氏距離及其優化Table 5 The euclidean distance of different melamine detection of doping concentration raw milk samples with two types of sensor array and data optimization

[1]劉迎春.原料奶摻假原因剖析與對策 [J].中國動物保健，2006（7）：9-10.

[2]趙旭博，董文賓，王順民，等.國外牛奶中尿素含量檢測新進展[J].食品研究與開發，2004，25（6）：109-114.

[3]Georgia-Paraskevi Nikoleli，Dimitrios P Nikolelis.Construction of a simple optical sensor based on air stable lipid film with incorporated urease for the rapid detection of urea in milk[J].Analytica Chimica Acta，2010，675：58-63.

[4]李秀琴，張慶合，全燦，等.液相色譜-質譜/質譜法對多種食品基體中三聚氰胺的檢測[J].分析測試學報，2009，28（11）：1260-1265.

[5]Ya Ting Liu，Jian Deng，Xi Lin Xiao，et al.Electrochemical sensor based on a poly（para-aminobenzoic acid）film modified glassy carbon electrode for the determination of melamine in milk[J].Electrochimica Acta，2011（56）：4595-4602.

[6]賈靜，戴長松，陳玲.電化學測量方法[M].北京：化學工業出版社，2010.

[7]藤嶼昭.電化學測定方法[M].陳震，姚建年，譯.北京：北京大學出版社，1995.

[8]Ciosek P，Wroeblewski W.Miniaturized electronic tongue with an integrated reference microelectrode for recognition of milk simples[J].Talanta，2008，76（3）：548-556.

[9]Winquist F，Holmin S，Krantz-Rulcker C，et al.An electronic tongue in the dairy industry[J].Sensors and Actuators B，2005：299～304.

[10]Mottran T，Rudnitskaya A，Lagin A，et al.Evaluation of a novel chemical sensor system to detect clinical mastitis in bovine milk[J].Journal of Bioelectronics，2007，22（11）：2689-2693.

[11]范佳利，韓劍眾，鄧少平，等.基于電子舌的摻假牛奶的快速檢測[J].中國食品學報，2011，11（2）：202-207.

[12]石磊，曾祥盛，黃贛輝，等.生乳、巴氏乳與酸敗乳的電化學識別研究[J].食品工業科技，2011，32（12）：468-472

[13]黃贛輝，鄧少平，顧振宇.PVC薄膜味覺傳感器陣列的實驗構建[J].中國食品學報，2006，6（6）：58-63.

[14]余建英，何旭宏.數據統計分析與SPSS應用[M].北京：人民郵電出版社，2003：79-81.

[15]杜一平，潘鐵英，張玉蘭.化學計量學應用[M].北京：化學工業出版社，2008.