基于電子鼻判別富士蘋(píng)果貨架期的研究

張 鵬，李江闊，陳紹慧

(國(guó)家農(nóng)產(chǎn)品保鮮工程技術(shù)研究中心(天津)，天津市農(nóng)產(chǎn)品采后生理與貯藏保鮮重點(diǎn)實(shí)驗(yàn)室，天津300384)

電子鼻(Electronic Nose)，是20世紀(jì)90年代發(fā)展起來(lái)的一種新穎的分析、識(shí)別和檢測(cè)復(fù)雜風(fēng)味及大多數(shù)揮發(fā)性成分的儀器。與氣相色譜法(GC)和氣相色譜-質(zhì)譜聯(lián)用技術(shù)(GC-MS)等化學(xué)分析儀器不同，電子鼻得到的不是被測(cè)樣品中某種或某幾種成分的定性和定量結(jié)果，而是樣品中揮發(fā)成分的整體信息(指紋數(shù)據(jù))，它可以根據(jù)各種不同的氣味測(cè)定不同的信號(hào)，還可以將這些信號(hào)與經(jīng)訓(xùn)練后建立的數(shù)據(jù)庫(kù)中的信號(hào)加以比較，進(jìn)行判斷識(shí)別，因而具有類(lèi)似鼻子的功能［1］。運(yùn)用電子鼻這種人工智能技術(shù)進(jìn)行氣味分析，可以客觀、準(zhǔn)確、快捷、全面地評(píng)價(jià)氣味，并且具有不破壞樣品和重復(fù)性好的特點(diǎn)，這是人和動(dòng)物的鼻子以及氣相色譜等化學(xué)方法所不及的。

果蔬的氣味是評(píng)價(jià)其品質(zhì)的重要手段，也是影響消費(fèi)者購(gòu)買(mǎi)的主要因素之一。不同果蔬各自都具有不同的香味，這是由它們自身所含的揮發(fā)性物質(zhì)所決定的。果蔬隨著成熟度的改變、貯藏/貨架過(guò)程中呼吸強(qiáng)度的變化其揮發(fā)性特性也會(huì)發(fā)生改變，進(jìn)而使得電子鼻檢測(cè)其揮發(fā)物來(lái)判斷其品質(zhì)提供了可能。目前國(guó)內(nèi)外研究者開(kāi)展了電子鼻對(duì)果蔬的成熟度［2-6］、品種［7-8］、貯藏期/貨架期［9-13］的鑒別研究，而在電子鼻區(qū)分蘋(píng)果貨架期的研究較少［14］。本文利用負(fù)荷加載(Loadings)分析、主成分分析(PCA)和線性判別分析(LDA)方法研究電子鼻對(duì)不同貨架期蘋(píng)果區(qū)分效果，為電子鼻在蘋(píng)果物流中應(yīng)用提供技術(shù)參考。

1 材料與方法

1.1 試材與處理

富士蘋(píng)果采收后挑選成熟度(約為八成熟，即蘋(píng)果的每個(gè)籽粒表面80%～85%為深褐色、15%～20%為淺褐色)一致、無(wú)病蟲(chóng)害和機(jī)械損傷的果實(shí)，進(jìn)行如下實(shí)驗(yàn):

表1 PEN3型電子鼻標(biāo)準(zhǔn)傳感器陣列與性能描述Table1 Standard sensor arrays and performance specification in Electronic nose PEN3

常溫貨架期:采后果實(shí)置于常溫(18～22℃)下存放，每7d測(cè)定1次(依據(jù)以往蘋(píng)果常溫貨架期而定)，共測(cè)6次;

貯后貨架期:采后果實(shí)置于冷庫(kù)內(nèi)(0±0.5)℃存放，貯藏7個(gè)月后從冷庫(kù)取出，置于常溫(20± 1.0℃)下存放，每7d測(cè)定1次(依據(jù)以往貯后蘋(píng)果貨架期而定)，共測(cè)6次。

以上不同貨架期蘋(píng)果均具有商品食用性。

1.2 儀器與設(shè)備

PEN3型便攜式電子鼻 德國(guó)Airsense公司。

該電子鼻包括10個(gè)金屬氧化物傳感器陣列，可以分析不同的揮發(fā)性成分，傳感器陣列及其性能描述見(jiàn)表1。

當(dāng)傳感器接觸到樣品揮發(fā)物后，電阻量G發(fā)生改變，與傳感器在經(jīng)過(guò)標(biāo)準(zhǔn)活性炭過(guò)濾后空氣的電阻量G0的比值G/G0隨之變化。響應(yīng)氣體濃度越大，G/G0的值越偏離1(大于或者小于1)，如果濃度低于檢測(cè)限或者沒(méi)有感應(yīng)氣體，則接近甚至等于1。

1.3 電子鼻檢測(cè)方法

將1個(gè)蘋(píng)果(重量220～250g，橫徑6.8～7.3cm，縱徑8.0～8.5cm)放入600m L燒杯中用保鮮膜封口，在常溫下放置40min后進(jìn)行電子鼻檢測(cè)分析，采用頂空吸氣法直接將進(jìn)樣針頭插入燒杯，測(cè)定條件為:傳感器清洗時(shí)間100s，自動(dòng)調(diào)零時(shí)間10s，樣品準(zhǔn)備時(shí)間5s，樣品測(cè)試時(shí)間40s，樣品測(cè)定間隔時(shí)間1s，自動(dòng)稀釋 0，內(nèi)部流量 300m L/min，進(jìn)樣流量 300m L/ min［13］。選取測(cè)定過(guò)程中趨于穩(wěn)定的第41～43s數(shù)據(jù)用于后續(xù)分析，而且每次測(cè)量前后，傳感器都要進(jìn)行清洗和標(biāo)準(zhǔn)化。通過(guò)電子鼻W inmuster分析軟件對(duì)采集到數(shù)據(jù)進(jìn)行分析。按照上述方法，每個(gè)處理重復(fù)測(cè)定10次。

1.4 數(shù)據(jù)處理

1.4.1 主成分分析法 主成分分析法(principal component analysis，PCA)是指將多個(gè)變量通過(guò)線性變換以選出較少個(gè)數(shù)重要變量的一種多元統(tǒng)計(jì)分析方法，又稱(chēng)主分量分析［15-17］。PCA是一種掌握事物主要矛盾的統(tǒng)計(jì)分析方法，通過(guò)將所提取的傳感器多指標(biāo)的信息進(jìn)行數(shù)據(jù)轉(zhuǎn)換和降維，并對(duì)降維后的特征向量進(jìn)行線性分類(lèi)，最后在PCA分析的散點(diǎn)圖上顯示主要的兩維散點(diǎn)圖。PC1和PC2上包含了在PCA轉(zhuǎn)換中得到的第1主成分和第2主成分的貢獻(xiàn)率，貢獻(xiàn)率越大，說(shuō)明主要成分可以較好地反映原來(lái)多指標(biāo)的信息。PCA分析時(shí)如果主成分的累計(jì)方差大于總方差的85%，則基本可以代表原數(shù)據(jù)的特征［5］。PCA在電子鼻中用于客觀地分析樣品之間的差異。

1.4.2 線性判別分析法 線性判別分析法(linear discrimination analysis，LDA)是一種常規(guī)的模式識(shí)別和樣品分類(lèi)方法，將高維的模式樣品投影到最佳鑒別矢量空間，以達(dá)到抽取分類(lèi)信息和壓縮特征空間維數(shù)的效果，投影后保證模式樣品在新的子空間有最大的類(lèi)間距離和最小的類(lèi)內(nèi)距離，即模式在該空間中有最佳的可分離性［18］。在使用電子鼻做LDA分析時(shí)，利用所有傳感器的信號(hào)以提高分類(lèi)的準(zhǔn)確性。與PCA相比，LDA主要是基于類(lèi)間區(qū)分，不僅不同組內(nèi)點(diǎn)非常集中，而且有一定的方向連續(xù)性，使分析的組間距逐漸增大。

1.4.3 負(fù)荷加載法 傳感器區(qū)分貢獻(xiàn)率分析法(Loadings)與主成分分析法是相關(guān)的，它們都基于同一種算法，主要區(qū)別是區(qū)分貢獻(xiàn)率分析法主要對(duì)傳感器進(jìn)行研究，通過(guò)該方法可以確定實(shí)驗(yàn)樣品下各傳感器的相對(duì)重要性［19］。

2 結(jié)果與分析

2.1 雷達(dá)圖分析

雷達(dá)圖是利用電子鼻的不同傳感器所檢測(cè)到的不同類(lèi)型揮發(fā)物質(zhì)的特征圖。本實(shí)驗(yàn)中雷達(dá)圖的基線是一個(gè)圓，傳感器的響應(yīng)值越高就越向圓心靠近。圖1、圖2為在常溫不同貨架期和貯后不同貨架期的蘋(píng)果特征雷達(dá)圖。從圖可以看出，隨著貨架期的延長(zhǎng)，雷達(dá)圖的外形和面積也在逐漸發(fā)生著變化，其中常溫貨架期的蘋(píng)果特征雷達(dá)圖面積，隨著貨架期的延長(zhǎng)而不斷減少，在貨架末期有所增大，分析原因是由于剛采摘的蘋(píng)果揮發(fā)性成分較小，隨著貨架期的延長(zhǎng)蘋(píng)果揮發(fā)性成分增加，風(fēng)味濃郁，而在貨架末期果實(shí)風(fēng)味變淡主要是由于果實(shí)衰老所致;而貯后貨架期蘋(píng)果則呈現(xiàn)出先增加后減少的趨勢(shì)。如圖所示，7號(hào)傳感器響應(yīng)值最大，這可能與蘋(píng)果揮發(fā)性成分主要由萜烯類(lèi)物質(zhì)組成有關(guān);另外，不同貨架期蘋(píng)果特征雷達(dá)圖的不同傳感器響應(yīng)值有所不同，表明不同貨架期蘋(píng)果果實(shí)間揮發(fā)性成分存在差異，這對(duì)不同貨架期蘋(píng)果的電子鼻區(qū)分奠定了理化基礎(chǔ)。

圖1 常溫貨架期的蘋(píng)果揮發(fā)性物質(zhì)的雷達(dá)圖Fig.1 Radars charts of volatile substance for apples during shelf life at ambient temperature

圖2 貯后貨架期的蘋(píng)果揮發(fā)性物質(zhì)的雷達(dá)圖Fig.2 Radars charts of aromatic for apples during shelf life at ambient temperature after cold storage

2.2 PCA方法

主成分分析是將所提取的傳感器多指標(biāo)的信息進(jìn)行數(shù)據(jù)轉(zhuǎn)換和降維，并對(duì)降維后的特征向量進(jìn)行線性分類(lèi)，最后在PCA分析的散點(diǎn)圖上顯示主要的兩維散點(diǎn)圖。圖3為在常溫不同貨架期和貯后不同貨架期的蘋(píng)果PCA分析圖。從圖可以看出，常溫貨架期和貯后貨架期蘋(píng)果的第一主成分PC1貢獻(xiàn)率和第二主成分PC2貢獻(xiàn)率分別為95.88%和3.28%、75.41%和20.37%，總貢獻(xiàn)率分別為99.16%、95.78%，表明兩個(gè)主成分已經(jīng)基本代表了樣品的主要信息特征。

如圖3所示，不同常溫貨架期的蘋(píng)果揮發(fā)性物質(zhì)成分區(qū)域沒(méi)有重疊，可以很好的進(jìn)行區(qū)分;貯后貨架7、14、21d的蘋(píng)果揮發(fā)性物質(zhì)成分區(qū)域較為接近，三個(gè)貯后貨架期間無(wú)法進(jìn)行有效區(qū)分，但與貯后貨架0d的蘋(píng)果揮發(fā)性物質(zhì)成分區(qū)域區(qū)分度較高。綜上所述，利用PCA分析方法對(duì)不同常溫貨架期的蘋(píng)果揮發(fā)性物質(zhì)區(qū)分效果較好，但對(duì)貯后貨架期的果實(shí)區(qū)分效果不理想。

2.3 LDA方法

LDA方法注重所采集的蘋(píng)果揮發(fā)性物質(zhì)成分響應(yīng)值在空間中的分布狀態(tài)及彼此之間的距離分析，即蘋(píng)果揮發(fā)性速率變化分析見(jiàn)圖4。圖4為在常溫不同貨架期和貯后不同貨架期的蘋(píng)果LDA分析圖。從圖可以看出，常溫貨架期和貯后貨架期蘋(píng)果的判別式 LD1貢獻(xiàn)率和判別式 LD2貢獻(xiàn)率分別為57.43%和28.63%、84.28%和14.24%，總貢獻(xiàn)率分別為86.06%、98.52%，表明兩個(gè)判別式已經(jīng)基本代表了樣品的主要信息特征。圖4A為蘋(píng)果常溫不同貨架期的LDA分析圖，從圖中可以看出不同常溫貨架期樣品揮發(fā)性成分區(qū)域區(qū)分明顯，無(wú)重疊或交叉。圖4B為蘋(píng)果貯后不同貨架期的LDA分析圖，從圖中可以看出，貯后貨架0d和貯后貨架7、14、21d的蘋(píng)果分布于LD1軸的兩側(cè)，且貯后貨架7、14、21d的蘋(píng)果隨著貯后貨架期的延長(zhǎng)，LD1和LD2的響應(yīng)值均逐漸減小，說(shuō)明貯后不同貨架期蘋(píng)果揮發(fā)性物質(zhì)發(fā)生了顯著的變化，在LDA分析圖呈現(xiàn)出清晰的四個(gè)區(qū)域，可以較好地利用電子鼻進(jìn)行區(qū)分。與PCA相比，LDA方法可以對(duì)不同常溫貨架期和貯后貨架期的蘋(píng)果較好的判別區(qū)分。

圖3 不同貨架期蘋(píng)果揮發(fā)性物質(zhì)的PCA分析Fig.3 PCA analysis for the volatile substance of apples during different shelf life

2.4 Loadings分析

利用Loadings分析可以幫助區(qū)分當(dāng)前模式下傳感器的相對(duì)重要性。如果傳感器在坐標(biāo)軸上的響應(yīng)位置距離(0，0)點(diǎn)越遠(yuǎn)，即負(fù)載參數(shù)值越大，表明傳感器在不同品質(zhì)樣品判別中起到的作用越大。反之，傳感器在模式判別中負(fù)載參數(shù)近乎零，則該傳感器的判別能力可以忽略不計(jì);若響應(yīng)值相對(duì)較高，說(shuō)明傳感器為判別傳感器。圖5和圖6為在常溫不同貨架期和貯后不同貨架期的蘋(píng)果Loadings分析圖和主要傳感器的響應(yīng)分析圖。

圖4 不同貨架期蘋(píng)果揮發(fā)性物質(zhì)的LDA分析Fig.4 LDA analysis for the volatile substance of apples during different shelf life

從圖5可以看出，對(duì)常溫不同貨架期loadings分析中，7號(hào)傳感器和8號(hào)傳感器對(duì)第一主成分和第二主成分貢獻(xiàn)率最大，其次為2、6、9號(hào)傳感器;對(duì)42s時(shí)不同常溫貨架期蘋(píng)果電子鼻測(cè)定分析可知，隨著常溫貨架期的延長(zhǎng)，7號(hào)傳感器先上升后趨于平緩的變化趨勢(shì)，而8號(hào)傳感器則呈現(xiàn)出先上升后下降再上升的趨勢(shì)，其中貨架21d時(shí)7號(hào)(萜類(lèi)化合物)和8號(hào)(乙醇)傳感器響應(yīng)值均較高。從圖6可以看出，對(duì)貯后貨架期loadings分析中，第一主成分和第二主成分貢獻(xiàn)率最大分別為7號(hào)傳感器、2號(hào)(氮氧化合物)傳感器，通過(guò)對(duì)2號(hào)、7號(hào)傳感器分析可知，7號(hào)傳感器響應(yīng)值大于2號(hào)傳感器;隨著貯后貨架期的延長(zhǎng)，2號(hào)和7號(hào)傳感器呈現(xiàn)著顯著下降后逐漸上升的趨勢(shì)。

3 結(jié)論

圖5 常溫貨架期的蘋(píng)果揮發(fā)性物質(zhì)的Loadings分析和主要傳感器的響應(yīng)分析Fig.5 Loadings analysis and major sensors response analysis for the volatile substance of apples during shelf life at ambient temperature

圖6 貯后貨架期的蘋(píng)果揮發(fā)性物質(zhì)的loadings分析和主要傳感器的響應(yīng)分析Fig.6 Loadings analysis and major sensors response analysis for the volatile substance of apples during shelf life at ambient temperature after cold storage

通過(guò)雷達(dá)圖分析可知，不同貨架期的富士蘋(píng)果其揮發(fā)性成分有所不同。通過(guò)電子鼻的檢測(cè)分析表明，利用電子鼻快速無(wú)損判別不同貨架期的富士蘋(píng)果是可行的。采用電子鼻系統(tǒng)中的LDA方法，與PCA方法相比，可以對(duì)不同常溫貨架期和貯后貨架期的富士蘋(píng)果進(jìn)行準(zhǔn)確判別，并且呈現(xiàn)出良好的集中性和單向趨勢(shì)，這與運(yùn)用LDA和PCA方法電子鼻判別分析不同儲(chǔ)存時(shí)間柑橘的結(jié)論相一致［11］。利用Loadings分析可知，不同貨架期蘋(píng)果的傳感器貢獻(xiàn)率不同，傳感器7、8在判別常溫貨架期的富士蘋(píng)果上起主要作用，而傳感器2、7在判別貯后貨架期的富士蘋(píng)果上起主要作用，這也為更好地利用電子鼻識(shí)別傳感器用于判斷不同貨架期的富士蘋(píng)果提供了重要依據(jù)。以后可以從傳感器的優(yōu)化、以及神經(jīng)網(wǎng)絡(luò)、遺傳算法等相結(jié)合的模式識(shí)別方法，模擬人的思維過(guò)程，獲得更為精確的模型。

［1］杜鋒，雷鳴.電子鼻及其在食品工業(yè)中的應(yīng)用［J］.食品科學(xué)，2003，24(5):161-163.

［2］Pathange L P，Mallikarjunan P，MariniR P，et al.Nondestructive evaluation of apple maturity using an electronic nose system［J］.Journal of Food Engineering，2006，77(4):1018-1023.

［3］Benedetti S，Buratti S，Spinardi A，et al.Electronic nose as a non-destructive tool to characterize peach cultivars and tomonitor their ripening stage during shelf-life［J］.Postharvest Biology and Technology，2008，47(2):181-188.

［4］Li Jiangkuo，Zhang Peng，Xue Youlin，et al.Discrimination of Maturity and Storage Life for‘Mopan’Persimmon by Electronic Nose Technique［J］.Acta Hort.(ISHS)，2013，996:385-390.

［5］周亦斌，王俊.基于電子鼻的番茄成熟度及貯藏時(shí)間評(píng)價(jià)的研究［J］.農(nóng)業(yè)工程學(xué)報(bào)，2005，21(4):113-117.

［6］Gomez A H，Wang J，Hu G，et al.Electronic nose technique potentialmonitoringmandarin maturity［J］.Sensors and Actuators B:Chemical，2006，113(1):347-353.

［7］鄒小波，趙杰文.支持向量機(jī)在電子鼻區(qū)分不同品種蘋(píng)果的應(yīng)用［J］.農(nóng)業(yè)工程學(xué)報(bào)，2007，23(1):146-149.

［8］Parpinelloa G P，F(xiàn)abbrib A，Domenichelli S，et al.Discrimination of apricot cultivars by gasmultisensor array using an artificial neural network［J］.Biosystems Engineering，2007，97 (3):371-378.

［9］尹芳緣，曾小燕，徐薇薇，等.基于電子鼻的芒果儲(chǔ)存時(shí)間預(yù)測(cè)方法研究［J］.傳感技術(shù)學(xué)報(bào)，2012，25(9):1199-1203.

［10］惠國(guó)華，吳玉玲，陳裕泉.基于電子鼻的香蕉儲(chǔ)存時(shí)間鑒別方法研究［J］.傳感技術(shù)學(xué)報(bào)，2012，25(5):566-570.

［11］胡桂仙，王俊，海錚，等.不同儲(chǔ)藏時(shí)間柑橘電子鼻檢測(cè)研究［J］.浙江農(nóng)業(yè)學(xué)報(bào)，2006，18(6):458-461.

［12］Gomez A H，Wang J，Hu G X，et al.Monitoring storage shelf life of tomato using electronic nose technique［J］.Journal of Food Engineering，2008，85(4):625-631.

［13］紀(jì)淑娟，張麗萍，卜慶狀，等.基于電子鼻技術(shù)對(duì)冷藏后南果梨貨架期間氣味的變化分析［J］.食品科學(xué)，2012，33(7): 123-126.

［14］張曉華，張東星，劉遠(yuǎn)方，等.電子鼻對(duì)蘋(píng)果貨架期質(zhì)量的評(píng)價(jià)［J］.食品與發(fā)酵工業(yè)，2007，33(6):20-23.

［15］王曉慧.線性判別分析與主成分分析及其相關(guān)研究評(píng)述［J］.中山大學(xué)研究生學(xué)刊:自然科學(xué):醫(yī)學(xué)版，2007(4): 51-61.

［16］鄒慧琴，劉勇，林輝，等.電子鼻技術(shù)及應(yīng)用研究進(jìn)展［J］.傳感器世界，2011(11):6-11.

［17］曹雪仁，詹浩宇，周益林，等.電子鼻技術(shù)在快速檢測(cè)小麥矮腥黑穗病菌中的應(yīng)用［J］.生物安全學(xué)報(bào)，2011，20(2): 171-174.

［18］黃燕，吳平.SAS統(tǒng)計(jì)分析及應(yīng)用［M］.北京:機(jī)械工業(yè)出版社，2006:315.

［19］宋偉，劉璐，支永海，等.電子鼻判別不同儲(chǔ)藏期條件下糙米品質(zhì)的研究［J］.食品科學(xué)，2010，31(24):360-363.