香蕉中风味检测方案(感官智能分析)

传感技术学报CHINESE JOURNAL OF SENSORS AND ACTUATORS第25卷第5期2012年5月Vol.25 No.5May 2012 惠国华，吴玉玲等：基于电子鼻的香蕉储存时间鉴别方法研究567第5期 Investigation of Banana Storage Time Discriminating Method Using Electronic Nose" HUI Guohua*，WU Yuling'，CHEN Yuquan? (1. Sensory Science Laboratory， College of Food Science and Biotechnology，Zhejiang Gongshang University，Hangzhou 310035， China；2. Biomedical Engineering Key Laboratory of Education Department， College of Biomedical Engineeringand Instrument Science，Zhejiang University，Hangzhou 310027) Abstract：Based on electronic nose，a predictive banana storage time method was been investigated. Experiments onbanana samples of different storage time were conducted. The principle component analysis (PCA) methoddiscriminated different samples successfully. The microbial index was examined to investigate the relationshipbetween electronic nose responses and microbial measurement results. Stochastic resonance signal-to-noise ratio(SNR) spectrum could also distinguished different samples. The storage time predicting model based on SNRfeatures presented high predicting accuracy. This method was of good application value. Key words：electronic nose；banana storage time；stochastic resonance；signal-to-noise ratio analysis EEACC：6140；2575 doi：10.3969/j. issn. 1004-1699.2012.05.002 基于电子鼻的香蕉储存时间鉴别方法研究* 惠国华1*，吴玉玲，陈裕泉’ (1.浙江工商大学食品与生物工程学院感官科学实验学，杭州 310035； 2.浙江大学生物医学工程与仪器科学学院生物医学工程教育部重点实验室，杭验310027) 摘 要：研究了一种基于电子鼻系统的香蕉储存时间鉴别方法。实验检测了不同储存时间的香蕉样品，主成分分析方法可以较好地区分不同储存时间的香蕉样品，同时检验了样品的微生物指标以探讨电子鼻响应与微生物指标之间的关系。随机共振信噪比谱不但可以区分香蕉样品，同时基于信噪比特征值建立的香蕉储存时间鉴别模型具有较高的预测准确率。该方法具有较好的实际应用价值。 关键词：电子鼻；香蕉储存时间；随机共振；信噪比分析 水果的气味与其成熟度、储藏时间等因素关系密切，因此气味可以作为水果新鲜度的判别因子。人工感官方法依赖人的嗅觉系统因而受人个体主观因素影响较大，重复性较差。而气相色谱法、色谱-质谱联用法等仪器分析方法检测费用高、耗时长、样品前处理复杂，无法满足现场快速检测的需求。电子鼻是由具有特异敏感性的气体传感器阵列与模式识别软件构成的仿生嗅觉仪器，它避免了人类主观因素的干扰，检测结果更为为观、准确、稳定。Natale 等采用 LibraNose 检测了桃子和油桃样品，并讨论了天然嗅觉和电子鼻之间的关联。 Brezmes等采用电子鼻鉴别 Pinklady 苹果成熟度。Oshita 等采用具有32个半导体聚合物传感器的电子鼻系统对“La France”梨的气味进行检测，同时记录梨样品的酸度，结果表明该系统可以较好的区分3种不同成熟度的梨样品13]。邹小波等使用电子鼻系统检测好坏苹果，以主成分分析法和RBF 神经网络对试验样本数据进行分析，预测准确率可达96.4%4。Cincina 等将微生物接种到去皮番茄中，用 EOS835电子鼻系统检测番茄挥发物，结果表明电子鼻系统能够检测腐败的番茄5J。电子鼻系统采用的模式识别方法主要有主成分分析法、偏最小二乘法、人工神经网络等[6-10) 本文采用电子鼻系统检测了不同储存时间的香 ( 工目来源：浙江省公益技术应用研究项目(2011C21051)；国家自然科学基金项目(81000645)；浙江省自然科学基金项目(Y1100150)；浙江省大学生科技创新活动计划项目(2010R408015)；浙江工商大学大学生创新项目(11-143，11-145，11-159) ) ( 收稿日期：2011-11-11 修改日期：2012-03-28 ) 蕉样品，同时检验了样品的菌落总数和霉菌计数微生物指标。主成分分析方法实现不同储存时间样品的区分，微生物检验结果表明微生物生长对电子鼻检测结果有一定影响。非线性随机共振信噪比谱不但可以区分不同香蕉样品，同时基于信噪比特征值建立的储存时间预测模型具有较高的准确率。 电子鼻系统及实验 1.1 样品制备 我们在湿度80%~90%和温度30±3℃下进行本实验。自超市购得同一批次成熟度和大小基本相同的香蕉样品用于实验，将样品置入烧杯中，然后用封口膜密封。在检测实验中每天使用电子鼻系统检测5个香蕉样品，连续测5天，记录检测数据待处理。在预测实验中，从处理好的香蕉样品中随机抽取进行电子鼻检测，记录检测数据待处理。 1.2 电子鼻系统 实验采用本实验室自主研制的电子鼻系统，结构如图1所示，主要包括数据采集、调理与传输单元，传感器阵列及气室，以及供气动力装置3个部分。系统采用8种半导体气体传感器构成敏感器件阵列，如表1所示。气室采用耐高温材料制成，各气室独立，样品气/清洗气均匀泵人每个气室。 表1 气体传感器阵列构成 传感器编号 传感器型号 敏感气体种类 S1 MQ-2 主要对烷烃类敏感 S2 MQ-3 主要对乙醇敏感 S3 MQ-6 主要对可燃气体敏感 S4 TGS-2201 主要对氮氧化物敏感 S5 MQ-7 主要对碳氧化物敏感 S6 MQ-8 主要对氢气敏感 S7 TGS-842 主要对碳氢组分气体敏感 S8 TGS-825 主要对硫化物敏感 气室清洗泵 图1 电子鼻系统结构示意图 1.3 预测模型建立方法 随机共振理论是1981年意大利学者 Benzi 等 在研究地球古冰川期问题时提出的，经过多年实验验证和深人研究，该理论在信号处理领域得到发展(H-13]。系统参发诱发的随机共振现象已被广泛关注14-20]。随机共振信噪比分析技术的核心思想在于目标弱信号在外噪声的协助下被放大，使得特征信息更易于检测。图2所示为信噪比分析方法示意图，从信号处理角度考虑，随机共振是在非线性信号传输过程中，通过调节外噪声的强度使系统输出达到最优化，实际上也可以认为是输入信号、非线性系统、外噪声的协同状态。 图2 随机共振信噪比分析路线图 1.4 微生物检测实验 1.4.1 菌落总数测定 测定香蕉皮的菌落总数，根据 GB-4789.2—2010操作2。 1.4.2 霉菌计数 测定香蕉皮的霉菌计数，根据 GB-4789.15—2010操作[221 2 结果与分析 2.1 电子鼻对香蕉样品的响应 在电子鼻检测过程中，被测样品挥发气体富集于顶空中，我们将电子鼻的探头插人样品瓶将挥发气体吸人气室与传感器敏感材料接触，引起敏感材料电学特性的变化，以此表征被测样品挥发气体信息。由图3可以观察出，不同储存时间的香蕉样品的特征性挥发气体量也不同。第1天中香蕉样品的挥发气味比较少，因此电子鼻传感器阵列响应信号都比较微弱，响应最大的是 S3，其次是S8。第2天的香蕉样品的挥发气体种类和数量都有了一定程度的上升，响应最大的是 S8，其次是 S2。随着存放时间的增长，第3天和第4天中多数传感器的响应均数倍于起始值，其中响应最大的是传感器 S2，其次是 S8。第5天中相应最大的是S8，其次是S2。而S7的响应在整个检测过程中基本没有明显的变化。 为量化各传感器响应情况，我们取各传感器对不同储存时间香蕉样品响应的稳定值，如图4所示。随着储存时间的增加，不同传感器的响应有不同的变化，如传感器 S8、S2、S5、S6 稳定值较大，S2、S1、S3 的响应则是波动变化，S7始终无明显变化。 图3 传感器阵列对香蕉样品响应图 图4 香蕉样品电子鼻响应稳定值 2.2 微生物实验结果 如图5(a)可知，随储存时间的增加，香蕉样品 图5 微生物指标检测结果 的菌落总数指标迅速上升，1天后的数量为初始值的2倍，5天后约为初始值的39倍。而实验过程中，霉菌计数指标在前4天呈现缓慢上升的态势，在第5天突然达到初始值的200倍。微生物的繁衍是食品质变的主要影响因素之一，微生物大量的繁殖和代谢所释放的复杂气味可以作为食品品质跟踪鉴别的指标[4.23]。结合：2.1中分析结果，表明电子鼻系统可以灵敏的检测到香蕉在储存过程中由于品质变化而产生的复杂成分气体变化情况，这些特征气体成分和含量的信息可以作为鉴别香蕉储存时间的可靠依据。 2.3 香蕉储存时间的区分和预测结果 图6所示为不同储存时间香蕉样品的主成分分析结果，选取电子鼻响应信号的初始值、稳定值、上升时间和上升速率作为特征值，对特征值进行主成分分析。第1主成分和第2主成分贡献率之和为90.66%，随着储存天数的增加，前4天各样品的第1主成分呈现左移的趋势，同时第2主成分基本呈 图6 不同储存时间香蕉样品主成分分析结果 现下降趋势，同天内各样品离散度沿第2主成分方向增加。而第5天样品的第Ⅰ主成分出现明显的右移趋势，同时离散度沿着第2主成分方向增加。不同储存期的香蕉样品可以得到区分。对比图5的微生物检测结果，菌落总数在第3天就出现了明显的增长，而霉菌计数指标在第5天有大量的增加，第5天样品第1主成分下降的原因可能与微生物繁殖有关。 将电子鼻检测数据直接输人随机共振信模型进行分析，图7所示为不同储存时间的香蕉样品随机共振信噪比谱，每条曲线经过100次计算后取平均值。样品的检测信息在外加白噪声的激励下以信噪比曲线的形式表达，不同样品在不同的激励噪声强度下分别达到极大值，我们选取信噪比极大值建立香蕉储存时间预测模型，如图8所示。 图7 不同储存时间香蕉样品信噪比曲线 图8 香蕉储存时间预测模型 香蕉样品的信噪比极大值随着储存时间的增加而增大，可以作为香蕉样品贮存时间的表征量，我们采用信噪比极大值作为储存时间的函数进行线性拟合： Taorage=-39.78934-0.68661xSNRmax (6)式(6)即为香蕉储存时间预测模型 香蕉储存时间预测实验结果如表2所示，5个香蕉样本的储存时间预测结果均正确，最大预测误差(9.50%)出现在预测样本1，即第4天的预测实验中。尽管该预测方法时间分辨率为24h，但该方法为香蕉品质无损分析提出了一个全新的思路。 表2 储存时间预测结果 测试样品 预测值 实验值 预测误 预测结果 编号 差/% 评价 预测样本1 0.905 9.50 预测样本2 2.104 2 5.20 预测样本3 1.052 8.95 预测样本4 4.358 4 5.20 预测样本5 3.211 3 7.03 预测样本6 1.874 2 6.30 预测样本7 2.089 2 4.45 预测样本8 3.177 3 5.90 预测样本9 4.292 4 7.30 预测样本10 1.081 8.10 3 结论 本文研究了基于电子鼻系统的香蕉储存时间鉴别方法，采用电子鼻系统检测了不同储存时间的香蕉样品，电子鼻对不同香蕉样品具有灵敏的响应。主成分分析方法可区分不同香蕉样品，前4天第1主成分呈现左移的趋势，而第5天检测样品的第1主成分明显左移，并且同天内各样品离散度沿第2主成分方向增加。微生物检验结果为该现象提供了可能的解释。随机共振信噪比谱可以完全区分不同的香蕉样品，并且给予信噪比特征值构建的香蕉储存时间预测模型具有较好的预测准确率。该方法具有快速、简便、直观等优点，具有较好的实际应用价值。 ( 参考文献： ) ( [1] D i Natale C . Macagnano A， Martinelli E ， et a l . Electronic N ose Based I nvestigation of the Sensorial Properties of Peaches a ndNectarines[ J]. Sensor s and Actuator s B：Chemical，2001，77( 1- 2)，561-566. ) ( [2] Brezmes J， Llobet E . C orrelation between Electronic Nose S i gnals and Fruit Q uality Indicators on S helf-Life Measurements with Pinklady Apples[J]. Sensor and Actuators B，2001，80：41-50. ) ( [3] Oshita S，Shima K， Haruta T，et a l . Discrimination of Odors Emanating from La France’ Pear by Semi-Conducting Polymer Sensors[J].Computers and E l ectronics in A griculture，2000，26(2)：209-216. ) ( [4] 邹小波，赵杰文，潘番飞，等.基于遗传 RBF 网络的电子鼻对苹果质量的评定[J].农业机械学报，2005，36(1)：61-64. ) ( [5] Concina I，Falasconi M ，Gobbi E，et al . E a rly Detection of M icrobialContamination i n Processed Tomatoes by Electronic Nose[J]. Food Control，2009 ，20(10)：873-880. ) ( [6] Evans P， Persaud K C，McNeish A S ，et al. Evaluation of a Radial Basis Function Neural Networks f or the Determination of Wheat ) ( Quality from Electronic Nose Data[J].Sensors and A c tuators B， 2000，69：348-358. ) ( [7] Abramson D，Hulasare R， York R K， e t al. Mycotoxins，Ergosterol，and O dor V o latiles i n D urum W h eat Du r ing Granary Stroage at16% a n d 20% Moi s ture Con t ent[J]. J ournal of Storaged ProductsResearch，2005，41：61-76. ) ( [8] 潘天红，陈山，赵德安.电子鼻技术在谷物霉变识别中的应用[J ]. 仪表技术与传感器，2005(3)：51252. ) ( [9] P aolesse R ，Alimelli A ， Martinlli E，et al . D e tection of Fungal C o n-tamination of Cereal Grain Samples b y a n E lectronic Nose[J ] .Sensors and Actuator s B，2006，119(2)：425-430. ) ( [10] 张红梅，王俊，叶盛，等.电子鼻传感器阵列优化与谷物霉变程 度的检测[J].传感技术学报，2007，20(6)：1207-1210. ) ( [11] B E enzi R ， Suters A ， Vulpiani A . The M e chanism of StochasticResonance[J ] . Journal of Physics A. 1981，A14：L453-L457. ) ( [ 1 2]Be n zi R， P arisi G， S utera A，e t al. Stochastic R e sonance in ClimaticChange[J]. Tellus， 1982 ，34：10-16. ) ( [ 1 3] B e nzi R，Parisi A， S utera A，et al. A Theory of Stochastic Re s onance in Climati c Change[J].Journal o f A pplied Mathematics，1983，43： 565-578. ) 惠国华(1980-)，男，副教授，硕士生导师，现于浙江工商大学食品与生物工程学院任教。曾赴法国国家科学研究中心和法国医学科学研究院进行访问研究，现主要从事生物传感技术、人工味觉与嗅觉系统、智能电子仪器、食品安全检验等领域的研究工作，先后主持国家自然基金项目、浙江省科技项目多 项，参与省部级科研项目等多项，发表论文20余篇，多为 SCI、EI收录，并获省、部级以上奖励多项，ghui@zjgsu. edu. cn； 陈裕泉(1944-)，男，教授，博士生导师，现于浙江大学生物医学工程系任教。主要从事冠心病智能无损检测技术、人工嗅觉、微透纳米生物玻璃葡萄糖传感器及血糖动态检测技术、软光刻技术、SPR生物传感器、DNA 芯片等领域的研究工作，先后承担国家自然科学基金、省自然科学基金及省部专项科研多项。 发表论文70篇以上，多为 SCI、EI收录，并出版专著《现代传感器技术》，yqchen@ mail. bme. zju. edu. cn。 ( [14]惠国华，陈裕泉.基于纳纳米管微传感器阵列和随机共振的气 体检测方法研究[J].传感技术学报，2010，23(2)：179-182. ) ( [15]惠国华，陈裕泉.随机共振信噪比谱分析方法及其初步应用研 究[J].传感技术学报，2010，23(8)：1134-1136. ) ( [16]吴莉莉，惠国华，郭森，等.基于随机共振的气敏传感器阵列信 号的识别研究[J].传感技术学报，2009，22(5)：664-668. ) ( [ 1 7] W a ng Tenghao， H u i Guohua， Deng Shaoping. A Nov e l Sweet Tast e Cell-Based Sensor[J]. B i osensors a n d B io electronics， 2010， 26 (2)：929-934. ) ( [18]惠国华，倪彧.基于信噪比分析技术的谷物霉变快速检测方法 研究[J].农业工程 学 报，2011，27(3)：336-341. ) ( [ 1 9] L uca Gammaitoni. Stoc h asti c Resonance[J]. Reviews of ModernPhysics. 1998，70(1)：223-287. ) ( [ 2 0] W e llens T ， Shatokhin V ， Buchleitner A. Stochastic R esonance[J].Reports on P rogress in Physics， 2004，67：45~105. ) ( [ 21] G B -4789.2—2010，食品微生物学检验-菌落总数测定[S]. ) ( [22] GB-4789.15—2010，食品微生物学检验-霉菌和酵母菌计数[S]. ) ( [23]王丹凤，王锡昌，刘源，等.电子鼻分析猪肉中负载的微生物数量研究[J].食 品 科学，2010，31(6)：148-150. ) ( 吴玉玲(1990-)，女，浙江工商大学食品质量安全系在读，主要从事食品质量安 全快速检测领域的研究工作； ) 基于电子鼻的香蕉储存时间鉴别方法研究 作者：惠国华，吴玉玲，陈裕泉，，HHUI Guohua， WU Yuling， CHEN Yuquan作者单位：惠国华，吴玉玲， HUI Guohua， WU Yuling(浙江工商大学食品与生物工程学院感官科学实验室，杭州，310035)， 陈裕泉， CHEN Yuquan(浙江大学生物医学工程与仪器科学学院生物医学工程教育部重点实验室，杭州，310027)刊名：传感技术学报ISTICIPKU英文刊名：ChineseJournallcof Sensors and Actuators年，卷(期)：2012，25(5) 参考文献(23条) 1.Di Natale C. Macagnano A. Martinelli E Electronic Nose BasedInvestigation of the SensorialProperties of Peaches and Nectarines 2001(1-2) 2. Brezmes J.Llobet E Correlation between Electronic Nose Signals and Fruit Quality Indicators onShelf-Life Measurements with Pinklady Apples 2001 3.0shita S.Shima K. Haruta ITIDiscrimination of Odors Emanating fromLa Francee'Pear by SemiConducting Polymer Sensors 2000(02) 4.邹小波.赵杰文.潘胤飞基于遗传RBF网络的电子鼻对苹果质量的评定[期刊论文]-农业机械学报2005(01) 5.Concina I.Falasconi M.Gobbi EEEarly Detection of Microbial Contamination in Processed Tomatoes byElectronic Nose[外文期刊]2009(10) 6.Evans P.Persaud K C. McNeish A SEvaluation of a Radial Basis Function Neural Networks for theDetermination of Wheat Quality from Electronic Nose Data 2000 7. Abramson D.Hulasare R. York R K Mycotoxins，Ergosterol，and Odor Volatiles in Durum Wheat DuringGranary Stroage at 16% and 20% Moisture Content 2005 8.潘天红.陈山.赵德安电子鼻技术在谷物霉变识别中的应用[期刊论文]-仪表技术与传感器2005(03) 9.Paolesse R. Alimelli A.Martinlli E Detection of Fungal Contamination of Cereal Grain Samples by anElectronic Nose[外文期刊]2006(02) 10.张红梅.王俊.叶盛电子鼻传感器阵列优化与谷物霉变程度的检测[期刊论文]-传感技术学报2007(06) 11.Benzi R.Suters A.Vulpiani A 'The Mechanism of Stochastic Resonance[外文期刊]1981 12. Benzi R.Parisi G.Sutera AStochastic Resonance in Climatic Change 1982 13.Benzi R.Parisi A.Sutera A A Theory of Stochastic Resonance in Climatic Change 1983 14.惠国华.陈裕泉基于碳纳米管微传感器阵列和随机共振的气体检测方法研究[期刊论文]-传感技术学报2010(02) 15.惠国华.陈裕泉随机共振信噪比谱分析方法及其初步应用研究[期刊论文]-传感技术学报2010(08) 16.吴莉莉.惠国华.郭淼基于随机共振的气敏传感器阵列信号的识别研究[期刊论文]-传感技术学报2009(05) 17.Wang Tenghao.Hui Guohua.Deng Shaoping A Novel Sweet Taste Cell-Based Sensor 2010(02) 18.惠国华.倪彧基于信嗓比分析技术的谷物霉变快速检测方法研究2011(03) 19.Luca Gammaitoni Stochastic Resonance[外文期刊]1998(01) 20.Wellens T.Shatokhin V.Buchleitner AA Stochastic Resonance 2004 21.GB-4789.2-2010.食品微生物学检验-菌落总数测定 22.GB-4789.15-2010.食品微生物学检验-霉菌和酵母菌计数 23.王丹凤.王锡昌.刘源电子鼻分析猪肉中负载的微生物数量研究[期刊论文]-食品科学2010(06) 数据 研究了一种基于电子鼻系统的香蕉储存时间鉴别方法。实验检测了不同储存时间的香蕉样品．主成分分析方法可以较好地区分不同储存时fsl的香蕉样品，同时检验了样品的微生物指标以探讨电子鼻响应与微生物指标之间的关系。随机共振信噪比谱不但可以区分香蕉样品。同时基于信噪比特征值建立的香蕉储存时间鉴别模型具有较高的预测准确率。该方法具有较好的实际应用价值。