電子鼻技術的研究進展及其在中藥行業中的應用

費程浩 戴輝 蘇杭 李林 陸兔林 李偉東 蔡寶昌 殷放宙

摘要? 21世紀仿生技術的飛速發展使得“氣味”能夠被客觀量化，打破了傳統經驗鑒別的局限，因其整體性的特點被廣泛用于中藥的質量控制。該文詳細介紹了電子鼻技術的概念、原理及特點，系統歸納并總結了其近年來在中藥領域中的應用現狀及存在的問題。隨著電子鼻技術的進步，其必將為中藥氣味的客觀化評價以及外在性狀與內在質量的關聯性的深入研究提供新的契機。

關鍵詞? 電子鼻;嗅覺傳感技術;中藥;客觀化評價;質量控制;應用進展

Advances of Electronic Nose Technology and Its Application in Chinese Medicine Industry

Fei Chenghao1，Dai Hui1，Su Hang1，Li Lin1，2，Lu Tulin1，2，Li Weidong1，2，Cai Baochang1，2，Yin Fangzhou1，2

（1 College of Pharmacy，Nanjing University of Chinese Medicine，Nanjing 210023，China; 2 Key Research Laboratory of Chinese medicine processing of Jiangsu Province，Nanjing 210023，China）

Abstract? With the rapid development of bionic technology in 21st Century，the “odor” can be objectively quantified，which breaks the limitation of traditional experiential identification and is widely used in the quality control of traditional Chinese medicine because of its integrity.In this paper，the concept，principles and characteristics of electronic nose technology are introduced in detail，and its application status and the existing problems in the field of Chinese medicine are summarized systematically in recent years.With the progress of electronic nose technology，it will provide a new opportunity for the objective evaluation of traditional Chinese medicine and in-depth study of correlation between exterior character and internal quality on traditional Chinese medicine.

Key Words? Electronic nose; Olfactory sensor technology; Chinese medicine; Application progress

中圖分類號：R282.5 文獻標識碼：A? doi： 10.3969/j.issn.1673-7202.2019.02.001

近年來隨著人們日益對自然的崇尚，中藥在國內甚至在國際上的地位越發顯得重要。然而，與此同時中藥的質量出現也出現了令人堪憂的各種問題。如銀杏葉事件[1]，部分企業私自改變銀杏葉提取工藝以達到降低成本的目的，其產品按現版藥典的標準檢驗卻顯示合格;又如化學染色劑金胺O事件[2]，在黃柏中非法添加非食用染色劑達到增色的目的，受技術影響，按照目前的法定標準則無法檢測。這些事件均說明現階段仍缺少可有效控制中藥質量的完整評價體系，其嚴重阻礙了中藥的現代化、國際化。中藥品質評價是中藥研究、生產及應用至關重要的一步，建立快速、精準的質量評價方法來保證中藥安全有效，已成為將中藥推向世界市場的當務之急。

目前，中藥質量的評價以主觀和客觀評價2種模式并存。主觀化評價即是傳統的經驗評價，其依據中藥外觀性狀所表現出來的特征對其進行判別，即“辨狀論質”[3];客觀化評價則是借助先進的儀器對中藥所含的內在成分或成分群進行準確定量。長久以來，客觀化評價借助其數據的客觀性占據了主導地位，但是這種只以中藥中一種或某幾種成分的含量作為品質評判標準的方法，不僅不夠全面，而且耗時耗力[4]。傳統的經驗鑒別就是從中藥整體入手，經驗化的評價手段因其簡便、快速、直觀，極具特色，是幾千年來豐富經驗的積累與總結，在中藥的品質評價中仍應據有重要的地位。

而在中藥傳統的經驗評價中，氣味又是其中一個十分重要的評價指標，這是由于每味中藥均有其特殊的氣味，或濃或淡，中藥的真偽及質量程度的高低從一定程度上決定了氣味的特質及其強烈程度;另一方面，中藥的氣味與其所含的化學成分直接相關，能反映藥物的內在本質，成為中藥外在質量表現與內在物質基礎的關聯點[5]。但不可否認的是，氣味如借助人體感官評價，其檢測結果將受到感官差異和檢測環境的影響，客觀性與準確性難以保證，在實際應用和長期推廣中受到限制，需要借助更為先進的技術來完善。

進入21世紀以來，現代仿生技術飛速發展，人類對嗅覺的產生過程有了更為深入的理解，借助傳感器技術的更新，電子鼻技術被迅速而廣泛地運用于食品、農業、日用化工品及公共安全等諸多領域。該文從電子鼻技術的發展及其重點在中藥行業的應用現狀進行了綜述。

1 電子鼻技術的概述

1.1 起源與發展

對于電子鼻的起源，最早可以追溯到20世紀60年代初。1961年Moncrieff[6]制造了一種機械式的氣味檢測裝置。隨后1962年在瑞典的斯德哥爾摩舉行國際上最早的嗅覺和味覺學術交流會[7]，推動了對人工嗅覺技術的研究。1964年，Wilkens和Hatman[8]依據氣味分子在電極上發生氧化還原反應的原理，建立了第一個人工嗅覺模擬系統。1965年，Buck等[9]利用金屬和半導體電導的變化對氣體進行了測量，同年Dravieks等[10]利用接觸電位變化也實現了對氣體的測量。然而，“電子鼻”這一概念直到20世紀80年代才首次出現。1984年，美國的Zaromb和Stetter[11]率先探討了氣體傳感器陣列的理論基礎，并將這一陣列用于檢測易燃、有毒的氣體。同期，由英國Persand[12]等人提出了作為氣體分類用的智能化學傳感器陣列概念，其制造的電子模型嗅覺系統包括了3個氣味探測器所組成的傳感器陣列和模式識別系統，這一簡單的系統可分辨按樹腦、玫瑰油、丁香牙油等揮發性化學物質。接著于1987年，在英國Warwick大學召開的第八屆歐洲化學傳感研究組織年會上，人們正式認可并使用了電子鼻（Electronic Nose）這一術語，且以Gardner為首的Warwick大學氣敏傳感研究小組正式提出了模式識別的概念[13]，引起了學術界廣泛的興趣。1989年，北大西洋公約組織（NATO）召開了關于人工嗅覺系統的化學傳感器信息處理會議[14]，進一步明確了人工嗅覺系統的設計[15]。緊接著，1990年在德國柏林舉行了第一屆電子鼻國際學術會議[16]，該會議是真正意義上的針對電子鼻的專題會議。然而“電子鼻”的完整定義直到1994年Gardner和Barttle[17]發表了關于電子鼻的綜述性文章時才被給出：“An electronic nose is an instrument，which comprises an array of electronic chemical sensors with partial specificity and an appropriate pattern recognition system，capable of recognizing simple or complex odors”。

1.2 基本結構與工作原理

電子鼻，又被稱作人工嗅覺系統，其工作原理模仿了人類對氣味的識別機制[18]，該電子儀器由3個部分組成：1）氣味分子被人工嗅覺系統中的傳感器陣列吸附，并產生信號，模擬氣味分子與人嗅覺細胞表面受體蛋白結合的過程;2）生成的信號經過各種方法加工處理與傳輸，模擬信號被嗅覺細胞神經網絡和嗅球進一步加工放大的過程;3）將處理后的信號由模式識別系統做出判斷，模擬人大腦對氣味做出判斷的過程。見圖1。其中傳感器陣列、模式判別系統是決定電子鼻工作效能的核心要素[19]。

1.3 傳感器陣列

國際電工委員會（International Electrotechnical Commission）對傳感器的定義是“The sensor is the primary part of a measuring chain which converts the input variable into a signal suitable for measurement”[20]。國家標準GB/T7665-2005對傳感器的定義是：“能感受被測量并按照一定的規律轉換成可用輸出信號的器件或裝置，通常由敏感元件和轉換元件組成”[21]。雖然傳感器的種類（溫度、濕度等）很多，但在藥學領域主要以化學傳感器為主。

國際電子鼻研究學會對化學傳感器的標準定義是：“A chemical sensor is a device that transforms a device that transforms chemical information，ranging from the concentration of a specific sample component to total composition analysis，into an analytically useful signal.The chemical information，mentioned above，may originate from a chemical reaction of the analyte or from a physical property of the system investigated”[22]。單一傳感器對氣體的響應程度可用強度來表示，而由多個傳感器組成的陣列，除了具有多個響應值外，其整體組成的多維空間數據還會呈現一定的響應模式[23]，根據不同的響應模式而采用相應的模式識別方法，能確定氣味的類別和強度，顯示被測樣品整體信息。由此可見，所以單個傳感器與傳感器陣列在特性上有著本質的區別。

傳感器陣列具有廣譜響應性、交叉敏感性等特征，與人類的鼻子類似，聞到的是樣品的總體氣味。根據材料類型，常見氣體傳感器及其陣列可以分為3大類[24-25]：1）金屬氧化物型半導體傳感器及其陣列（Metal Oxide Semiconductor，MOS），如SnO2、ZnO、WO3等，當其吸附某種氣體時會導致該氧化物的電阻發生變化，由此產生強弱不同的信號。優點是其生產工藝穩定，靈敏度較高，可建立長期模型，已實現同機模型轉移，基準響應的漂移可在一定程度上得到校正。2）導電聚合物傳感器及其陣列（Conducting Polymers，CP），如吡咯、苯胺、吲哚、噻吩等堿性有機物的聚合物及衍生物，當其與帶氣味的物質接觸、反應后，會引起電阻的增加產生正向信號，但這一電聚合化的過程不但困難而且耗時。此類傳感器生產工藝重復性差，對濕度較敏感，響應會隨時間漂移且校正困難。3）質量傳感器及其陣列（Quartz Crystal Microbalance，QCM;Surface Acoustic Wave，SAW），當其吸附氣味分子時會引起振動頻率的改變，從而產生信號，優點是靈敏度高，缺點是需要更為復雜的電子學，且生產重復性差、需頻率檢出器、壽命短，共振頻率會隨著活性薄膜的老化而漂移且校正困難。

因為制作工藝及信號漂移校正困難等問題，后2種傳感器多已被淘汰，MOS傳感器成為商用電子鼻傳感器的主流。

1.4 模式判別

模式識別方法分為無監督和有監督的方法。無監督的模式用來探索完全未知的數據特征，其根據樣本特性對原始數據的信息進行歸類，最后運用可視化技術將歸類直觀地呈現;有監督的模式是在已有先驗知識和假設的基礎上，建立不同的信息組，并利用所建立的組對未知數據進行辨識、歸類甚至預測[26]。

主成分分析法（Principal Component Analysis，PCA）是典型的無監督方法。它是一種線性特征提取技術，通過提取變量中的主元變量從而降低數據的維數，盡可能的保留并展示原始數據中所包含的信息。其他的無監督識別模式還有聚類分析（Cluster Analysis，CA）等。

有監督模式識別方法較多，包括線性判別分析（Linear Discriminant Analysis，LDA）、K鄰近方法（The K-Nearest Neighbors，KNN）、偏最小二乘法（Partial Least Squares，PLS）、分類模擬獨立模型（Soft Independent Modeling of Class Analogy，SIMCA）、分類回歸樹（Classification And Regression Trees，CART）、小等分布分類（Unequal Dispersed Classes，INEQ）、支持向量機（Support Vector Machine，SVM）、人工神經網絡（Artificial neural networks，ANN）等。在這些方法中，ANN通常被人們認為比較有前途。該方法是模仿腦細胞結構和功能、腦神經結構以及思維處理問題等腦功能的新型信息處理系統[27]，它能對一組特定的包含正確的輸入與輸出的信息構建網絡結構參數，并在環境產生變化時，重新對網絡結構進行自主訓練與調整，使得對給定輸入產生期望的輸出。因其高度的非線性、良好的容錯性和計算的非精確性，在處理噪聲和漂移方而比傳統的統計方法要好，使之在智能控制、組合優化、預測等領域得到成功應用。其特點不僅由其結構特征和基本處理單元的特性決定，還與其學習的算法有關。目前常用的算法有BP神經網絡[28]（Back Propagation Trained Neural Network）、概率神經網絡[29]（Probabilistic Neural Network）、徑向基神經網絡[30]（Radial Basis Function Neural Network）、自組織網絡[31]（Self-Organizing Network）、模糊神經網絡[32]（Fuzzy Neural Network）等。

1.5 儀器

國外對電子鼻系統的開發相對成熟，目前已經出現了部分商業化的電子鼻[33]，使用范圍均涉及食品、醫藥、環境和化妝品等領域。代表性的公司及其產品見表1。國內大多數電子鼻的研究還處在實驗室研究階段。

2 電子鼻在中藥行業中的應用

相比于傳統的嗅覺檢測方法，電子鼻具有自己獨特的優勢。其檢測速度快，響應迅速，評估范圍廣，能有效避免由人為因素產生的誤差，被集中應用于食品[35]、農業[36]、醫療[37]、環境科學[38]等領域。在國外電子鼻運用在藥學領域的研究比較少，可能因為在國外占主導地位的西藥大多氣味特征不明顯。反觀國內電子鼻在中藥領域的應用，由于中藥本身大多有特異氣味，所以近年來電子鼻在中藥行業的應用正呈現爆發式的增長。

2.1 電子鼻在中藥材中的應用

中藥所具有的特殊氣味是從古至今真偽及產地鑒別的重要依據。電子鼻能夠識別并客觀化地呈現中藥氣味的整體信息，現已初步被應用于中藥質量的控制，包括中藥真偽、產地、采收期、貯藏期等的判斷。

由各個傳感器響應值得最大值所組成的圖譜被稱為中藥的氣味指紋圖譜，不同中藥的指紋圖譜各異，據此可以實現對中藥的快速鑒別，同時也為氣味的客觀化、標準化提供了新思路。電子鼻技術在氣味濃郁的中藥中運用較多。Zheng[39]等和Liu[40]等分別運用電子鼻并結合多種識別模式成功區分了不同產地的當歸。鄒慧琴等[41]引入電子鼻建立中藥砂仁的氣味指紋圖譜，采用不同的分類器建立其“品與質”的判別模型，并采用盲樣回判的方法對模型進行驗證。人參和西洋參有著相似的外表，僅從外表看較難區分。Cui[42]等采用電子鼻對兩者的氣味提取，運用PCA對兩者進行了良好區分，同時采用GC-MS技術分離并鑒定了2種參的特異成分，發現其成分在PCA上的分布與氣味特征值的PCA得分圖呈現了相似的趨勢，部分傳感器的響應值與烯帖類和醇類高度相關，最后根據傳感器響應值用PLS預測了參中的成分。任智宇[43]利用電子鼻獲取菊花氣味的整體信息，運用PCA和DFA對其品種進行了良好的區分。此外，在“氣微”的中藥中也有應用。張超等[44]采用電子鼻技術獲取半夏及其不同種類與比例的摻偽樣品氣味指紋圖譜，根據氣味指紋特征快速鑒別半夏及其偽品。Zhou等[45]使用電子鼻建立針對硫熏半夏的鑒別模型，研究結果顯示該法能對半夏含硫量的等級進行劃分。李羿等[46]采用電子鼻采集多個基原郁金的氣味特征參數，通過主成分分析和辨別因子分析實現了不同基原郁金的快速準確鑒定。李陽[47]對來自不同產地、不同規格的厚樸進行氣味特征值提取，經過PCA、LDA、DFA分析后，結果顯示該方法能對厚樸的產地和等級進行良好的判定。

藥用植物在不同的生長發育期間，其內含的有效成分含量是不斷變化的。利用電子鼻監測不同生長期中藥材中揮發性成分的變化，鑒別不同采收期的藥材，能為中藥資源的合理利用提供保障。蔡泳等[48]對中藥金櫻子不同采收期的氣味指紋進行分析，經PCA和DFA分析均明顯分為2類，以10月下旬采收時間為界。韓邦興等[49]運用電子鼻檢測了開花前后2種前胡樣品氣味，結果表明電子鼻可以完全區分開花前后的前胡。Cui等[50]運用電子鼻和GC-MS技術分別對不同生長年限的人參的氣味進行了定量和定性分析，結果表明，兩項技術結合識別模式均能對人參的年限做良好區分，且使用了BP神經網絡的電子鼻數據較GC-MS數據有著更高的預測正確率。楊慶珍等[51]運用電子鼻技術，結合超高效液相對不同生長年限黃芪樣品進行鑒別分析，研究發現黃芪有效成分含量與生長年限有關，電子鼻測定結果不僅能夠區分不同生長年限的黃芪，也為黃芪的采收時限提供了參考。

電子鼻亦可用于區分不同貯藏期的中藥材。貯藏時間對中藥質量影響較大，特別是含揮發性成分的中藥，其隨著儲藏時間的増加，氣味逐漸喪失，最終可能導致藥效的喪失。Xiong等[52]采用電子鼻成功區分了不同貯藏期的金銀花，并建立了相應的質控方法。鄒慧琴等[53]利用電子鼻技術對不同貯藏時間（1年、3年）的西洋參進行氣味檢測，并結合多層感知器網絡識別技術建立判別模型。結果表明，該模型對不同貯藏時間西洋參的回判正確率達到100%，能對不同貯藏時間的西洋參進行有效的鑒別。此外，韓玉等[54]運用電子鼻對不同貯藏時間的蒼術也進行了良好的區分，并對氣味特征值的變化與成分的變化進行了關聯性分析。

2.2 電子鼻在中藥飲片中的應用

長久以來，中藥飲片的炮制過程都由一些經驗豐富的老藥工把握，這一感官評價方式存在其局限性，如藥典中對“氣清香”“焦香氣”等的描述，過于主觀和模糊，而電子鼻可以較好地將中藥炮制過程中的“氣味”進行量化表達。Lee等[55]同時運用電子鼻、氣相色譜技術、人工評價3種方法綜合分析了紅參、鮮品人參及清蒸人參的氣味特點，并追蹤了紅參在制作過程中的香氣特征的變化。楊詩龍[56]運用電子鼻技術快速、準確地鑒別了姜黃連、酒黃連、萸黃連，經LDA判別，識別率高達96.4%。盧一[57]采用電子鼻對2015年版《中華人民共和國藥典》收錄的8味酒制中藥炮制前后的氣味進行采集分析，將不同炮制品的氣味差異數據化、可視化，所建立的判別模型經檢驗正判率達到96.7%。汪云偉等[58]成功運用電子鼻技術區分了益智仁生品及其炮炙品（清水炒、鹽炙）。既然諸多研究表明電子鼻能夠識別同一品種不同炮制品之間的“氣味”差異，那么炮制品“氣味”與“內在成分”之間的相關性研究勢必成為下一階段的熱點。黎量等[59]對同一批山楂樣品進行不同時間的炒制，采用電子鼻獲取其氣味傳感器響應值，發現山楂炮制過程中氣味的變化與5-HMF含量的變化有關，并推斷糖降解反應及美拉德反應可能是山楂炮制過程氣味變化的作用機制之一，該研究從飲片炮制過程中引起氣味變化的物質基礎出發，從新的角度為解釋炮制機理奠定了基礎。由此可見，中藥炮制“火候”的客觀量化研究，不僅有助于完善與質量相關的性狀指標以及炮制輔料的檢查與測定，而且有助于建立適合中藥飲片的質量標準，即填補藥典的空白。

2.3 電子鼻在中成藥及中間品中的應用

Shafiqul Islama等[60]利用電子鼻收集了東革阿里提取物的氣味特征值，并將其與提取物的揮發油成分相關聯，結果顯示揮發油中某些成分與電子鼻響應信號呈現高度的相關性。莊家俊[61]等采用便攜式電子鼻對4組不同生產批次的中成藥（百草油）進行檢測，并對采樣得到的數據進行分析，實現了對不同批次百草油的鑒別和分類，經檢驗有87.9%的正判率。這對實現中成藥及其中間品的在線監控提供了新的模式。以上研究表明，電子鼻在實現中成藥及其中間品的鑒別分類，甚至在其質量評判分析、產品監控領域的應用潛力。

3 小結與展望

電子鼻技術作為一種現代仿生技術，相較于人的感官評價，可有效避免人為差異，其優勢是數據化結果的客觀性、重復性好;而相較于其他儀器，如氣相色譜、高效液相色譜等需要對試樣進行復雜的預處理過程，其的優勢是響應時間短、檢測速度快。同時還能用于檢測一些人類嗅覺不適宜評價的氣體，如毒氣或一些刺激性氣體。電子鼻對中藥的氣味的分析，具有模糊性、整體性的特點，得到的是樣品中與氣味相關聯成分的整體信息，相比GC-MS技術有著不可替代的優勢，近年來正逐步受到中藥領域研究人員的青睞。在中藥材規范化種植、中藥鑒定、中藥炮制、中藥制劑生產等研究領域中有著廣闊的應用前景。

雖然電子鼻技術已顯示出其廣泛的用途，但在實際應用中其對環境的要求很高，空氣中濕度、異味都會對其數據造成波動，儀器穩定性還需進一步提高[62]。此外，國外在研發電子鼻傳感器時，因多是針對某一類物質如烴類、醇類等[63]，所以將此類傳感器直接運用于中藥研究中，其專屬性、特異性較弱，難以應對氣味極其復雜的中藥。因此，應加緊開發與中藥氣味、成分相適宜的傳感器陣列，另外，對傳感器的敏感性、選擇性等特性也需要改進。總言之，通過電子鼻建立中藥的氣味指紋圖譜，能實現氣味的客觀化表達，使氣味成為可以量化的指標。未來，通過將電子鼻數據與氣質數據的聯合分析，中藥“品與質”的內在關聯將完美詮釋，同時，在結合模式識別方法后，氣味完全可以成為控制中藥質量的一個新的量化指標，為中藥的深入研究提供新的契機，從而提高中藥產業的整體水平，推動中藥現代化。

參考文獻

[1] 楊揚，周斌，趙文杰.“銀杏葉事件”的分析與思考[J].中草藥，2016，47（14）：2397-2407.

[2]北京商報記者吳穎實習記者郭秀娟.中藥產品為何頻頻涉事[N].北京商報，2015-11-12（D1）.

[3]彭華勝，張賀廷，彭代銀，等.黃芪道地藥材辨狀論質觀的演變及其特點[J].中國中藥雜志，2017，42（9）：1646-1651.

[4]劉占京.論中藥質量控制與評價模式的創新與發展[J].中醫臨床研究，2014，11（1）：127-128.

[5]楊詩龍，吳娜，袁星，等.中藥“氣味”鑒別的現狀與思考[J].世界科學技術-中醫藥現代化，2014，16（9）：1876-1879.

[6]殷勇.嗅覺模擬技術[M].北京：北京化學工業出版社，2005：12-13.

[7]Gardner J W，Bartlett P N.Electronic Noses.Principles and Applications[J].Meas Sci Technol，2000，11（7）：1087.

[8]Wilkens W F，Hartman J D.An Electronic Analog for the Olfactory Processesa[J].J Food Sci，1964，29（3）：372-378.

[9]Buck T M，Allen F G，Dalton J V.Detection of chemical species by surface effects on metals and semiconductors[M].Bell Telephone Laboratories，1965.

[10] Dravnieks A，Trotter P J.Polar vapour detector based on thermal modulation of contact potential[J].J Sci Instrum，1965，42（8）：624.

[11]Zaromb S，Stetter J R.Theoretical basis for identification and measurement of air contaminants using an array of sensors having partly overlapping selectivities[J].Sens Actuators，1984，6（4）：225-243.

[12]Persaud K，Dodd G.Analysis of discrimination mechanisms in the mammalian olfactory system using a model nose[J].Nature，1982，299（5881）：352-355.

[13]Gardner J W，Bartlett P N，Dodd G H.Pattern recognition in the Warwick electronic nose[C].8th Int.Congress of the European Chemoreception Research Organisation，1988：9.

[14]Schild D.Chemosensory information processing[M].Springer Science & Business Media，2013.

[15]Gardner J W，Bartlett P N，Dodd G H，et al.The design of an artificial olfactory system[M].Springer，1990，131-173.

[16]Brezmes J，Ferreras B，Llobet E，et al.Neural network based electronic nose for the classification of aromatic species[J].Anal Chim Acta，1997，348（1）：503-509.

[17]Gardner J W，Bartlett P N.A brief history of electronic noses[J].Sens Actuators B，1994，18（1）：210-211.

[18]Kurup P U.An electronic nose for detecting hazardous chemicals and explosives[C].Technologies for Homeland Security，2008 IEEE Conference on.IEEE，2008：144-149.

[19]Arshak K，Moore E，Lyons G M，et al.A review of gas sensors employed in electronic nose applications[J].Sensor Review，2004，24（2）：181-198.

[20]Committee I E.Termsand Definitions in Industrial Process Measurement and Control，（IEC-draft 65/84）[S].Committee I E，1982.

[21]宋洪烈.基于蝎子縫感受器的仿生應變感知結構制造及性能研究[D].長春：吉林大學，2017.

[22]Oliva S U.Smart Chemical Sensors：Concepts and Application[D].Universitat de Barcelona，2012.

[23]Hierlemann A，Gutierrez-Osuna R.Higher-order chemical sensing[J].Chem Rev，2008，108（2）：563-613.

[24]Albert K J，Lewis N S，Schauer C L，et al.Cross-reactive chemical sensor arrays[J].Chem Rev，2000，100（7）：2595-2626.

[25]James D，Scott S M，Ali Z，et al.Chemical Sensors for Electronic Nose Systems[J].Microchim Acta，2005，149（1）：1-17.

[26]吳君章，孔浩輝，郭偉清，等.電子鼻系統預處理方法和模式識別技術概述[J].廣東化工，2016，46（9）：141-144.

[27]彭驛茹.人工神經網絡發展歷史與訓練算法概述[J].科技傳播，2018，10（21）：129-130.

[28]Fu J，Li G，Qin Y，et al.A pattern recognition method for electronic noses based on an olfactory neural network[J].Sens Actuators B，2007，125（2）：489-497.

[29]Dutta R，Hines E L，Gardner J W，et al.Tea quality prediction using a tin oxide-based electronic nose：an artificial intelligence approach[J].Sens Actuators B，2003，94（2）：228-237.

[30] Evans P，Persaud K C，Mcneish A S，et al.Evaluation of a radial basis function neural network for the determination of wheat quality from electronic nose data[J].Sens Actuators B，2000，69（3）：348-358.

[31]Gardner J W，Bartlett P N.Performance definition and standardization of electronic noses[J].Sens Actuators B，1996，33（1）：60-67.

[32]Llobet E，Hines E L，Gardner J W，et al.Fuzzy ARTMAP based electronic nose data analysis[J].Sens Actuators B，1999，61（1）：183-190.

[33]Rck F，Barsan N，Weimar U.Electronic Nose：Current Status and Future Trends[J].Chem Rev，2008，108（2）：705-725.

[34]王亞雷，賈文珅，潘立剛，等.電子鼻技術在肉類品質應用中快速分析初探[J].食品安全質量檢測學報，2016，7（2）：419-424.

[35]Berna A.Metal Oxide Sensors for Electronic Noses and Their Application to Food Analysis[J].Sensors，2010，10（4）：3882-3910.

[36]Baietto M，Wilson A D.Electronic-Nose Applications for Fruit Identification，Ripeness and Quality Grading[J].Sensors，2015，15（1）：899-931.

[37]Capelli L，Taverna G，Bellini A，et al.Application and Uses of Electronic Noses for Clinical Diagnosis on Urine Samples：A Review[J].Sensors，2016，16（10）：1708.

[38]Capelli L，Sironi S，Del Rosso R.Electronic noses for environmental monitoring applications[J].Sensors，2014，14（11）：19979-20007.

[39]Zheng S，Ren W，Huang L.Geoherbalism evaluation of Radix Angelica sinensis based on electronic nose[J].J Pharm Biomed Anal，2015，105：101-106.

[40]Liu J，Wang W，Yang Y，et al.A Rapid Discrimination of Authentic and Unauthentic Radix Angelicae Sinensis Growth Regions by Electronic Nose Coupled with Multivariate Statistical Analyses[J].Sensors，2014，14（11）：20134-20148.

[41]鄒慧琴，拱健婷，趙麗瑩，等.中藥砂仁“品與質”電子鼻判別模型的建立[J].國際藥學研究雜志，2015，42（4）：513-518.

[42]Cui S，Wu J，Wang J，et al.Discrimination of American ginseng and Asian ginseng using electronic nose and gas chromatography-mass spectrometry coupled with chemometrics[J].J Ginseng Res，2017，41（1）：85-95.

[43]任智宇.電子鼻在菊花質量評價中的應用[D].北京：北京中醫藥大學，2016.

[44]張超，楊詩龍，胥敏，等.基于氣味指紋分析的半夏及其偽品鑒別研究[J].世界科學技術-中醫藥現代化，2015，17（11）：2300-2305.

[45]Zhou X，Wan J，Chu L，et al.Identification of sulfur fumed Pinelliae Rhizoma using an electronic nose[J].Pharmacogn Mag，2012，10（Suppl 1）：S135-S140.

[46]李羿，吳浩忠，譚勇，等.電子鼻在多基原郁金鑒定中的應用[J].中國實驗方劑學雜志，2015，21（1）：99-101.

[47]李陽.基于電子鼻技術的厚樸商品規格等級標準研究[D].北京：北京中醫藥大學，2018.

[48]蔡泳，王盛，黃孫娟，等.基于金屬氧化物傳感器陣列電子鼻技術的不同采收期金櫻子氣味分析[J].中華中醫藥雜志，2011，26（6）：1433-1435.

[49]韓邦興，陳乃富，周曉坤，等.基于電子鼻技術分析開花對前胡氣味的影響[J].食品科學，2010，31（4）：132-134.

[50]Cui S，Wang J，Yang L，et al.Qualitative and quantitative analysis on aroma characteristics of ginseng at different ages using E-nose and GC-MS combined with chemometrics[J].2015，102：64-77.

[51]楊慶珍，鄭司浩，黃林芳，等.基于電子鼻技術和化學成分分析對不同生長年限黃芪的研究[J].世界科學技術-中醫藥現代化，2015，17（3）：723-728.

[52]Xiong Y，Xiao X，Yang X，et al.Quality control of Lonicera japonica stored for different months by electronic nose[J].J Pharm Biomed Anal，2014，91：68-72.

[53]鄒慧琴，李碩，邢姝，等.電子鼻技術結合MLP網絡對不同貯藏時間西洋參的鑒別研究[J].中華中醫藥學刊，2013，31（7）：1683-1685.

[54]韓玉.電子鼻在蒼術質量評價中的應用研究[D].北京：北京中醫藥大學，2011.

[55]Lee S K，Kim J H，Sohn H J，et al.Changes in aroma characteristics during the preparation of red ginseng estimated by electronic nose，sensory evaluation and gas chromatography/mass spectrometry[J].Sens Actuators B，2005，106（1）：7-12.

[56]楊詩龍.基于智能感官分析技術的貝母及黃連飲片鑒別研究[D].成都：成都中醫藥大學，2015.

[57]盧一.基于“氣味”信息分析的中藥飲片快速鑒別研究[D].成都：成都中醫藥大學，2017.

[58]汪云偉，楊詩龍，鐘戀，等.基于電子鼻技術區分益智仁的不同炮制品[J].中國實驗方劑學雜志，2014，20（19）：12-14.

[59]黎量，楊詩龍，劉玉杰，等.基于相關性分析的山楂炮制過程氣味變化機制研究[J].中國中藥雜志，2014，39（17）：3283-3286.

[60]Shafiqul Islam A K M，Ismail Z，Saad B，et al.Correlation studies between electronic nose response and headspace volatiles of Eurycoma longifolia extracts[J].Sens Actuators B，2006，120（1）：245-251.

[61]莊家俊，駱德漢，鄒宇華.百草油鑒別分類的電子鼻實現方法研究[J].傳感器與微系統，2010，29（7）：62-65.

[62]Harper W J.The strengths and weaknesses of the electronic nose[M].Springer，2001：59-71.

[63]Zou H Q，Li S，Huang Y H，et al.Rapid Identification of Asteraceae Plants with Improved RBF-ANN Classification Models Based on MOS Sensor E-Nose[J].Evid-Based Compl Alt，2014，2014：425341.