基于電子鼻的稻谷霉變在線檢測系統的研制

庫 晶 黃漢英 金 星 趙思明 李 路 童 康

(華中農業大學工學院1，武漢 430070)(農業部長江中下游農業裝備重點實驗室2，武漢 430070)(華中農業大學信息學院3，武漢 430070)(華中農業大學食品科技學院4，武漢 430070)

稻谷不耐儲存且易受微生物侵染[1]。稻谷因米蟲侵蝕、霉變等不良因素造成的損失占總儲備量的2.0%左右[2]。目前，稻谷霉變的檢測方法主要有平板計數法測定霉菌含量[3]，通過測定霉菌毒素獲取稻谷霉變情況如：薄層層析法[4-5]、高效液相色譜法[6-7]、酶聯免疫吸附測定法[8]等。雖然這些方法檢測精度較高，但易受時間和條件制約，實驗操作繁瑣、時效性差且成本高，難以滿足現場快速實時檢測的需求。因此，開發稻谷霉變實時在線檢測裝置，及時監測糧情，具有重大的實際意義。

由于霉菌在活動時會產生特殊的氣味，可采用電子鼻進行檢測。電子鼻具備快速、無損的氣味檢測的性能，已經廣泛的應用于食品工業、公安與軍事、化工等領域。在農產品品質檢測中，可實現定性與定量的檢測[9-15]。隨著無線通信技術在農業中的應用更加廣泛[16]，開發出功耗低、體積小、更智能且適合于遠程檢測的無線電子鼻系統，可克服傳統電子鼻的缺點，拓展其應用領域[17-19]。

為滿足稻谷霉變在線檢測的需求，本研究開發了一套基于電子鼻的稻谷霉變在線檢測系統，并測試了其性能指標。

1 系統設計

稻谷霉變在線檢測系統，其主要由氣體檢測裝置、下位機系統、上位機遠程監控系統構成[20]。其系統結構示意圖如圖1所示。

注：O、P、Q、R為氣閥，M為氣泵，F為氣體反應室，G為過濾網，H為模擬糧倉，I為安裝于F中的傳感器陣列。

1.1 下位機系統設計

下位機系統硬件結構由氣體傳感器陣列、微控制器、無線模塊、U盤、液晶顯示屏、氣路控制模塊等組成，其結構如圖2所示。下位機實現同步采集數據、顯示、存儲、發送功能。本系統采用可剝奪內核的實時系統uC/OS-II，建立數據采集、處理、顯示、存儲及發送任務，通過時間輪轉調度，實現5個任務之間的快速切換，達到各任務同步的目的。

圖2 下位機系統硬件結構圖

微控制器選用STM32F407ZGT6，內部含有3個可以獨立使用的ADC，每個ADC有16個通道。本文根據4路氣體傳感器輸入模擬信號的特點，選用ADC1 中4 、5、7、11通道與氣體傳感器連接。采集的數據通過直接存儲器DMA以及OTG電路，經由USB接口將數據存入U盤。無線通信模塊選用深聯致遠(北京)公司的DL-22模塊，該模塊以CC2530芯片為核心，芯片內部集成了適應2.4-GHz IEEE802.15.4的RF收發器。DL-22模塊與微控制器模塊通過串口連接，其TX(接PA9)與RX(接PA10)引腳分別用于數據的發送和接收。

1.2 氣體傳感器陣列

稻谷在自然條件下霉變，其氣味物質以烷烴類、烯炔類、烴類、苯環類物質的種類居多，其次是醇醚類、醛類、酮類、酸酯類，其他雜環類最少[21]。另一方面，稻谷在霉變過程中，揮發性物質濃度隨著霉菌含量的增加而增加[22]。因此通過氣體濃度來檢測霉菌含量是可行的。課題組前期采用Fox4000電子鼻與氣質聯用儀[GC(7890B)-MS(5977A)]對接種亮白曲霉稻谷的氣味物質進行了分析，結果表明，霉變稻谷在20 ℃、40 ℃、60 ℃條件下均會產生烷烴類、醇類、醛類等氣體，霉變初期(1 h～3 d)會開始產生烷烴類，且烷烴類的相對含量隨著霉菌含量的增加而呈上升趨勢；霉變中后期會產生苯環類、醇醚類、醛類[23]。根據前期試驗結果，本系統選擇MQ系列傳感器(MQ6、MQ138)、MS1100-P111傳感器、TGS813傳感器，其性能特點及參數見表1，包含稻谷自然霉變氣味物質烷烴類、苯環類醇類、醛類、酮類。

表1 氣體傳感器型號及參數

1.3 氣路控制模塊

根據霉菌在線動態檢測要求，設計了氣路控制模塊電路，如圖3所示，為避免電磁閥開關動作對微處理器干擾，氣路控制模塊采用2路光耦隔離器驅動繼電器來KA1、KA2控制O、P、Q、R電磁閥工作，實現氣路切換，采用繼電器KA3對氣泵M進行控制，實現氣體循環采集和傳感器清洗。

圖3 氣路控制模塊電路

1.4 上位機遠程監測系統設計

遠程監測系統采用Qt Creator 5.9.2和MySQL開發，使用環境為Windows 10。該系統主要功能包括：以數字與圖形結合的方式顯示數據實時采集過程，數據文件的存儲、分析；通過設置欄以及設備編號欄，可手動查詢或自動輪詢128路下位機數據。

1.5 系統通信性能

在上位機、下位機端安裝無線通信模塊，并打開上位機端的串口調試助手，進行多次測試，主要測試其通信距離、傳輸速率與丟包率的性能[24]。測試結果表明，上位機(PC)與下位機在無建筑物遮擋時，最大通信距離為600 m；有建筑物遮擋時，最大通信距離為220 m。DL-22無線通信模塊數據最大傳輸速率3 300 B/s，實際傳輸速率為18 B/s，丟包率為0%。

2 材料與方法

2.1 實驗材料

稻谷：品種為“兩優558”，華中農業大學實驗田，2016年。

霉菌：亮白曲霉(Aspergillus candidus)，中國工業微生物菌種保藏管理中心。

培養基：孟加拉紅培養基(Rose Bengal Medium)：青島高科園海博生物技術有限公司；察氏培養基(Czapek’s medium)：杭州百思生物技術有限公司。

2.2 實驗方法

2.2.1 樣品制備

由于本次選用新鮮稻谷中的霉菌含量為3.7×103cfu/g，當儲糧中霉菌含量低于104cfu/g時，稻谷未發生霉變，高于105cfu/g時，稻谷發生霉變，高于106cfu/g時，霉變嚴重[25]，故接種霉菌含量最高取為1.5×106cfu/g。

取130 g/份稻谷，共計21份，分為7組，每組3份，分別置于250 mL模擬糧倉中，接種10 mL不同濃度的菌懸液(如表2所示)，混合均勻。

表2 稻谷接種霉菌含量(cfu/g)

將模擬糧倉密封，置于30 ℃、80% RH培養箱中4 h[26]，收集樣品的代謝氣體，由于培養時間短，霉菌的增長可以忽略不計[27]。

將密封好的模擬糧倉置于4 ℃低溫培養箱備測[28]，在低溫條件霉菌生長代謝緩慢，霉菌的增長可以忽略不計，產生氣味物質可忽略不計。

2.2.2 信號采集

設備預熱24 h后，待設備運行穩定后，開始試驗，進行數據采集。在程序中設定1 s上傳一組氣體及溫濕度數據(連續采樣20次取平均值)，操作步驟：

系統連接：將裝有樣品的模擬糧倉與稻谷霉變在線檢測系統連接，確保無漏氣現象。

初始階段：利用氣泵把室外的新鮮空氣吸取到氣體反應室中，將傳感器探頭清洗2 min(圖1中O、R關，P、Q開)，讀取氣體濃度值。

檢測階段：通過氣泵將模擬糧倉中的氣體吸入到氣體反應室，氣體與傳感器接觸8 min(O、R開，P、Q關)，讀取氣體濃度值。

清洗階段：在本次測量結束后，對傳感器再次進行清洗10 min(O、R關，P、Q開)；讀取氣體濃度值。

每份樣品測量三次后，更換模擬糧倉，完成測量。

2.2.3 數據處理方法

將采集的數據進行濾波處理，濾波方法采用SG (Savitzky-Golay)濾波算法，該算法是一種在時域內基于多項式，通過移動窗口利用最小二乘法進行擬合的濾波方法，在濾除噪聲的同時，可以保留信號的細節特征[29]。將每份樣品中三次測量的氣體響應值濾波后的值取平均，根據平均值繪制該份樣品的氣體響應曲線。

根據氣體響應曲線，提取初始階段51～100 s內的50個氣體濃度值，取平均值，記為氣體濃度初始值(即室外新鮮空氣)，提取檢測階段氣體濃度峰值點附近100個數據，取平均值，記為氣體濃度峰值，氣體濃度峰值與初始值之差記為氣體濃度。測試組樣品(A～F組)的氣體濃度與對照組樣品(X組)氣體濃度之差記為氣體濃度增量。

2.2.4 稻谷霉菌含量預測模型

根據氣體濃度與接種霉菌含量的變化關系進行曲線擬合，選擇指數模型進行擬合，并采用粒子群算法進行參數優化，建立稻谷霉菌含量預測模型，如式(1)所示。

(1)

式中：x為氣體濃度增量/mg/kg；y為接種霉菌含量/cfu/g。

2.2.5 檢測系統的性能指標

稻谷霉變在線檢測系統的性能指標包括霉菌含量最低檢測限、分辨率、靈敏度等。

本系統檢測所制備樣品氣體濃度，其傳感器響應值所能區分的最低接種霉菌含量，即為最低檢測限，系統所能檢測的最小輸入量，即為分辨率。

在預測模型中，一定范圍內，擬合曲線可近似為直線，根據式(2)計算預測模型的靈敏度。

(2)

式中：k為靈敏度；Δx為氣體濃度變化量；Δlgy為接種霉菌含量對數變化量。

3 結果與分析

3.1 氣體濃度特性曲線分析

TGS813氣體傳感器所測樣品A的氣體濃度曲線濾波前后對比如圖4所示，其中圖4b～圖4d表示經過SG算法處理，選用不同窗寬值濾波后的氣體濃度曲線。

由圖4可知，窗寬值為51(圖4b)時，尚有大量脈沖干擾存在；窗寬值為151(圖4d)時，曲線的變化趨勢發生改變，存在過度平滑；窗寬值為101(圖4c)時，濃度曲線有明顯的峰值，平滑效果最好，既保留了原曲線的變化趨勢，又消除了尖峰脈沖對結果分析造成的影響。

圖4 樣品A氣體濃度曲線

結果表明，采用窗寬值為101(圖4c)能較好的區分新鮮空氣與稻谷霉變代謝氣體，可用來分析稻谷霉變狀況。

圖5 氣體濃度曲線

傳感器檢測的氣體濃度曲線如圖5所示，分別為TGS813、MQ6、MQ138、MS1100檢測的氣體濃度曲線。由圖5a和圖5b可知，不同霉菌含量的稻谷所產生的揮發性氣味物質濃度不同，由圖5a可知，TGS813可以區分接種霉菌含量范圍為1.5×101～1.5×104cfu/g，由圖5b可知MQ6可以區分接種霉菌含量范圍為1.5×101～1.0×102cfu/g、1.5×105～1.5×106cfu/g，由圖5c和圖5d可知，傳感器MQ138與MS1100對稻谷霉變代謝氣味不敏感，無法區分接種不同霉菌含量的稻谷，表明在稻谷接種霉菌4小時內，這兩個傳感器對稻谷揮發性物質的響應微弱。

3.2 稻谷霉菌含量預測模型

圖6為稻谷霉菌含量預測模型。由圖6可知，TGS813、MQ6氣體濃度增量與霉菌含量對數的變化呈指數上升趨勢，選擇式(1)建立稻谷霉菌含量預測模型。

基于TGS813傳感器的霉菌含量預測模型為：

圖6 稻谷霉菌含量預測模型

基于MQ6傳感器的霉菌含量預測模型為：

式中：x為氣體濃度增量/mg/kg；y為預測霉菌含量/cfu/g。

圖7為稻谷霉菌含量實際值與預測值比較。由圖7可知，TGS813、MQ6兩種傳感器霉菌含量預測精度較高，R2均大于0.98，均方根誤差均小于0.205 lg(cfu/g)，說明該模型用于霉菌含量的預測具有一定的可行性。

圖7 稻谷霉菌含量實際值與預測值比較

3.3 檢測系統的性能指標

由圖5知TGS813、MQ6能有效區分所接種最低霉菌含量的稻谷氣味，因此可以確定其最低檢測限及分辨率均為1.5×101cfu/g。

由圖6可知，在霉菌含量小于1.5×106cfu/g范圍內，TGS813擬合曲線在(20,80)和(80,170)兩個區間上可近似為直線，MQ6曲線在可以(0,50)和(50,160)兩個區間上近似為直線，根據擬合曲線，采用式(2)計算稻谷霉菌含量預測靈敏度。其結果為：在氣體濃度增量20～80 mg/kg以及80～170 mg/kg時，TGS813預測模型靈敏度分別為0.052、0.026；在氣體濃度增量10～50 mg/kg以及50～160 mg/kg時，MQ6預測模型靈敏度分別為0.070、0.025。

4 結論

本研究設計了一套基于無線電子鼻的稻谷霉變在線檢測系統，該系統由氣體檢測裝置、下位機系統、上位機遠程監控系統等部分組成，本系統可進行氣體動態檢測及傳感器自動清洗，能夠對接種不同霉菌含量的稻谷進行有效區分，為稻谷霉菌含量檢測提供了新方法。

4.1 研制了稻谷霉變在線檢測系統。該系統實現了數據采集、存儲、顯示、傳輸等功能。結果表明，上位機遠程監控系統最大可實現輪詢接收128路數據，在空曠地帶數據有效傳輸距離為600 m，在30 cm墻壁遮擋條件下，傳輸距離為220 m，傳輸速率為18 B/s，丟包率為0%。

4.2 建立了稻谷霉菌含量預測模型。通過稻谷霉變檢測試驗，確定了系統霉菌檢出限為1.5×101cfu/g，分辨率為1.5×101cfu/g。采用指數曲線擬合，運用粒子群算法進行參數優化，建立了稻谷霉菌含量預測模型，其中，基于TGS813氣體傳感器構建的霉菌預測模型，擬合精度R2為0.983 9，預測均方根為0.203 5 lg(cfu/g)，靈敏度為0.052、基于MQ6氣體傳感器構建的霉菌預測模型，R2為0.960，預測均方根為0.204 9 lg(cfu/g)，靈敏度為0.070。

稻谷在自然情況下霉變，產生的主要揮發性物質與本實驗的基本相似，只是氣體濃度有所不同，如果運用本系統檢測自然情況下稻谷霉菌含量，其精度會有一定的影響，可以通過優化模型來提高檢測精度。由于受篇幅所限，自然霉變測試結果將在后文分析。