番茄苗中不同种类损伤的区分检测方案(感官智能分析)

传感技术学报CHINESE JOURNAL OF SENSORS AND ACTUATORS第25卷第9期2012年9月Vol.25 No.9Sep. 2012 第9 期程绍明，王 俊等：基于电子鼻系统的番茄苗不同种类损伤的区分效果研究1185 Discrimination of Different Types Damage ofTomato Seedling by Electronic Nose* CHENG Shaoming，WANG Jun *，MA Yanghui，WANG Yongwei (1. College of Bio-Systems Engineering and Food Science，Zhejiang University，Hangzhou 310029 ，China；2. College of Information，Zhejiang University of Science and Technology，Hangzhou 310023，China) Abstract：The profiles of volatile compounds emitted by plants varies in response to different damage. The potentialof electronic nose technology to monitor such changes，with the aim of diagnosing plant health was investingted. Anelectronic nose(E-nose) was used to analyse tomato seedlings that were subjected to differnent types of damage( in-fection by Early blight disease， infection by Gray mold disease， mechanically damage，and undamaged). Principalcomponent analysis(PCA)，linear discrimination analysis (LDA)， back-propagation neural network (BPNN)， andsupport vector machine(SVM)network were used to evaluate the E-nose data. The results indicated that the E-nosecan successfully discriminate between tomato seedling with different types of damage. The results showed that PCAand LDA can disingusih different types damage of tomato seedling(EP，GP，and CP/MP). Samples from groups CPand MP overlapped partially. Back-propagation neural network(BPNN) and support vector machine (SVM) networkwere used to evaluate the E-nose data. Good discrimination results were obtained using SVM and BPNN. The resultsdemonstrate that it is plausible to use E-nose technology as a method for monitoring damage in tomato seedling. Key words：tomato seedling；different damage；electronic nose EEACC：7230J；7540 doi：10.3969/j. issn. 1004-1699.2012.09.002 基于电子鼻系统的番茄苗不同种类损伤的区分效果研究* 程绍明，王 俊*，马杨珲，王永维 (1.浙江大学生物系统工程与食品科学学院，杭州310029；2.浙江科技学院信息学院，杭州310023) 摘 要：通过对早疫病病害番茄苗、灰霉病病害番茄苗、机械损伤番茄苗和对照番茄苗的电子鼻响应信号的对比，可以看出不同处理的番茄苗样本电子鼻的响应信号是不同的，表明用电子鼻响应信号对番茄苗不同种类损伤进行预测是可行的。从PCA 结果来看，早疫病病害的番茄苗和灰霉病病害的番茄苗能很好区分开，机械损伤的番茄苗和正常处理的番茄苗产生了重叠现象。从 LDA结果可知，四种处理番茄苗本能很好的区分，机械损伤番茄苗样本与正常处理的番茄苗样本比较接近，采用LDA 的区分效果明显比 PCA 要好。利用BP神经网络和支持向量机两种识别模式对四种不同损伤番茄苗样本的预测结果，对比预测结果，两种模型都能对样本进行很好的区分。 关键词：番茄苗；不同损伤；电子鼻 中图分类号：TP242.64 文献标识码：A 文章编号：1004-1699(2012)09-1184-05 有30000多种。植物的挥发性有机物信号可以自发产生，也可以是因为多种因素诱导产生的，比如植食性昆虫的侵害、病原菌的危害、植物受到的机械损伤、光照及温度改变等环境因素1-6]。虽然关于挥 ( 项目来源：国家自然科学基金项目(30071246)；浙江省自然科学基金项目(Z5100155) ) ( 收稿日期：2012-04-27 修改日期：2012-07-30 ) 发物产生机制问题现在也没有一个统一的理论，但是通过以上研究可以肯定植物受到侵害后可以产生特异性挥发物。 电子鼻是一种新颖的分析、识别和检测复杂气味和大多数挥发性成分的仪器。它是根据仿生学原理，由传感器阵列和自动化模式识别系统所组成。与普通的化学分析仪器，如色谱仪、光谱仪等不同，电子鼻得到的不是被测样品中某种或某几种成分的定性与定量结果，而是给予样品中挥发性成分的整体信息，也称“指纹”数据。基于电子鼻的特点及其方便快速的优越性，国内外在食品安全7-13]、环境检测[14-15]、医疗卫生[16-17)等方面有不少应用和研究成果，然而电子鼻在农作物病虫害等损伤方面的研究未见有相关报道。 本次试验拟以不同种类损伤的番茄苗作为试验对象，试验的主要目的在于利用电子鼻对不同损伤的番茄苗进行区分和检测，为番茄苗的检测提供一种新的途径。 试验材料和方法 1.1 实验材料 将浙杂809番茄种子播在塑料盆钵(8cm×12cm)中，在塑料温室中进行培育，每盆1株苗，定期浇水施肥，待苗长到35d，苗高25 cm~30 cm 时用于实验。 1.2 实验装置 1.2.1 番茄苗挥发物电子鼻检测的采样装置 图1为番茄苗采样系统的示意图，整个系统由空气过滤器、活性碳、特氟隆管、进气口、玻璃容器(40 cm 高×10 cm 直径)、密封板、番茄苗和支架台8个部分组成。 图 1 静态顶空采样系统示意图 1.2.2 电子鼻 实验采用的电子鼻系统是德国 Airsense 公司的PEN2 便携式电子鼻(Portable Electronic Nose)。系统组成主要包含下面几个部分：传感器阵列、采样通道、内置泵、控制单元和计算机。软件部分主要是 Airsense 公司编制的电子鼻配套软件 WinMaster。该软件主要用来实现电子鼻工作过程的控制及一些基本的数据分析。电子鼻系统各个传感器性能见表1。 表1 PEN2 电子鼻的各传感器名称及性能特点 传感器 性能描述 各项成分体积 序号 浓度/(mL·m) S1 芳香成分 甲苯，10 S2 灵敏度大，对氮氧化合物很灵敏 NO，，1 S3 氨水，对芳香成分灵敏 苯，10 S4 主要对氢气有选择性 H，，100 S5 烷烃，芳香成分 丙烷，1 S6 对甲烷灵敏 CH，100 S7 对硫化物灵敏 H，S，1 S8 对乙醇灵敏 CO，100 S9 芳香成分，对有机硫化物灵敏 H，S，1 S10 对烷烃灵敏 CH，10 1.3 试验方法 1.3.1 番茄苗样本处理 将准备好的番茄苗进行早疫病、灰霉病病菌接种，每株番茄苗接种病菌的叶片数量为4叶片，接种后，将番茄苗放置于35℃、湿度90%的环境中培养24h，以使病菌快速人侵番茄苗叶片。早疫病病害番茄苗处理和灰霉病病害番茄苗处理分别标记为EP 和GP。 每株番茄苗利用3号大头针(0.8mm×26mm)于叶片上针刺90 次，作为机械损伤处理，平均作用于每个叶片，标记为MP。 对照组番茄苗不进行任何处理，标记为 CP。 1.3.2 电子鼻测试 在进行电子鼻实验前，四组番茄苗分别置于顶空采样装置中，顶空产生时间为30 min 后进行电子鼻测试。电子鼻测试时的参数设置见表2。 表2 电子鼻参数设置 运行时间/s 泵流速/(mL·min) 基线校准时间 300 600 采样时间 65 200 清洗时间 50 600 数据记录 1次/s 1.4 数据分析 利用主成分分析、线性判别分析方法对电子鼻 数据进行降维处理；采用BP 神经网络和支持向量机分析对番茄苗样本进行分类。数据处理软件用SAS 和 Matlab。 2 结果和讨论 2.1 电子鼻传感器对番茄苗挥发物的响应 使用静态顶空采样对番茄苗样本进行电子鼻测试，对比经过针刺处理与未进行针刺处理(对照组)番茄苗样本的电子鼻响应信号。图2是电子鼻10个传 (c)感染早疫病病害的蕃茄苗 从图2(a)(b)(c)d)可以看出，不同处理的番茄苗传感器响应曲线是不同的。图2(a)为没有受到损伤番茄苗的响应信号，G/G大致在0.94~1.28之间；图2(b)为受到机械损伤番茄苗的响应信号，G/G大致在0.91~1.35之间；图2(c)为感染早疫病病害的番茄苗的响应信号，G/G，大致在0.9~1.55之间，图2(d)为感染灰霉病病害的番茄苗的响应信号，G/G，大致在0.85~1.50之间。受到不同损伤的番茄苗传感器阵列响应信号的变化范围要明显大于未受到损伤的番茄苗，这可能是由于番茄苗受到损伤后产生的挥发性物质增加了，从而增强了电子鼻传感器信号的变化。这表明，利用电子鼻传感器信号来区分番茄苗遭受不同种类的损伤是可能的。 2.2 主成分分析和线性判别分析 采用主成分分析方法(Principal Component A-nalysis，PCA)，对机械损伤、早疫病病害、灰霉病病害、对照组四组不同处理番茄苗样本的电子鼻60s的响应数据进行分析，图3是四种处理番茄苗的二 感器对不同处理番茄苗样本的响应曲线(a：对照组，b：针刺90次的番茄苗组，c：感染早疫病病害的番茄苗，d：感染灰霉病病害的番茄苗)。图中横轴为采样时间，纵轴为信号值，其中G是传感器接触到样品气体后的电导率、G是传感器在经过活性炭过滤气体清洗后的电导率。曲线上的点代表着番茄苗挥发物通过传感器阵列时，电阻率随时间的改变情况，每一条曲线代表着一个传感器的响应曲线。在本次实验中，取第 60 s 的时间点作为模式识别的时间点。 (d)感染灰霉病病害的蕃茄苗 图2 电子鼻10个传感器对不同损伤番茄苗样本的响应曲线 维 PCA 结果图，从 PCA结果可知前二个主成分的贡献率达到92.94%。从各处理的区分效果来看，四种处理番茄苗样本大致可以分成三部分，依次为受早疫病危害的番茄苗样本(ZP)，受灰霉病危害的番茄苗样本(HP)，受机械损伤的番茄苗样本(MP)和正常处理的番茄苗样本(CP)。机械损伤的番茄苗样本和正常处理的番茄苗样本产生了重叠现象，可能是机械损伤的番茄苗样本和正常处理的番茄苗样本产生的挥发性物质更为相似，具体成分需要利用气质联用仪进行进一步分析。由于 PCA区分机 图3 不同处理番茄苗 PCA 图 械损伤的番茄苗和正常的番茄苗效果不理想，我们采用线性判别分析方法继续进行分析。 采用线性判别分析方法(Linear Disctiminant Analysis，LDA)，对机械损伤、早疫病病害、灰霉病病害、对照组四组不同处理番茄苗样本的电子鼻60s的响应数据进行分析，四种处理番茄苗的二维 LDA结果见图4。从图4可知，四种处理番茄苗样本能很好的区分，机械损伤番茄苗样本与正常处理的番茄苗样本比较接近，采用 LDA 的区分效果明显比PCA 要好。 图4 不同处理番茄苗 LDA图 2.3 BP神经网络分析 利用电子鼻对番茄苗样本响应信号60 s的数据进行分析，以10个传感器响应数据作为输入，番茄苗样本作为输出，输出层选择为1。设定目标误差为0.001，网络学习速率为0.01，训练迭代次数为1000次，隐含层经网络多次测试确定。选择40个番茄苗样本作为训练(每组10个样本)，24个样本作为测试组(每组6个样本)。通过反复测试来调整隐含层神经元数来优化网络结构，得到较好网络结构为10(输入)-15(隐含)-1(输出)的三层BP神经网络( BackPropagationNeural Networks，BPNN)。表3是采用10-15-1结构的BP神经网络的判别结果，训练集和测试集的正确率分别为100%和95.8%。在对测试集进行判别时，对照番茄苗(CP)、械械损伤番茄苗(MP)和灰霉病病害番茄苗(HP)的预测正确率均为100%，早疫病病害番茄苗(ZP)的预测正确率为83.3%，其中有一个样本被误判入灰霉病病害。 2.4 支持向量机分析 利用电子鼻对不同损伤番茄苗样本响应信号60s的数据进行分析，以10个传感器响应数据作为输入进行支持向量机分析(Support Vector Machine，SVM)。选择40个番茄苗样本作为训练(每组10个样本)，24个样本作为测试组(每组6个样本)。利用径向基核函数对电子鼻原始数据进行支持向量机分析结果见表3，训练集和测试集的正确率分别为 100%和95.8%。测试集中对照番茄苗(CP)、机械损伤番茄苗(MP)和灰霉病病害番茄苗(HP)的预测正确率均为100%，早疫病病害番茄苗(ZP)的预测正确率为83.3%，其中有一个样本被误判入灰霉病病害。 表3 不同识别模式对番茄苗样本的区分效果 不同识别 训练集正 测试集正确率/% 模式 确率/% CP MP ZP HP BPNN 100 100 100 83.3 100 SVM 100 100 100 83.3 100 采用两种识别模式对四种不同处理番茄苗样本的预测，结果见表3。对比预测结果，两种模型都能对样本进行很好的区分，区分效果都较好。从模型预测结果可以看出，可以建立电子鼻信号与番茄苗不同损伤之间的关系，说明用电子鼻响应信号对番茄苗样本损伤进行预测是可行。 3 结论 (1)通过对比感染灰霉病、感染早疫病、机械损伤和对照的四种不同番茄苗的电子鼻响应信号，可以看出不同处理的番茄苗样本电子鼻的响应信号是不同的，说明用电子鼻响应信号对番茄苗不同种类损伤进行预测是可行。 (2)采用 PCA区分四种不同损伤的番茄苗时，机械损伤的番茄苗和对照组有部分重叠，而采用LDA 则能很好的区分四种不同损伤的番茄苗，表明采用 LDA 的区分效果明显比 PCA 要好。 (3)利用BP 神经网络和支持向量机两种识别模式对四种不同损伤的番茄苗进行预测，两种识别模式的区分效果都很好。测试集中对照番茄苗(CP)、机械损伤番茄苗(MP)和灰霉病病害番茄苗(HP)的预测正确率均为100%，早疫病病害番茄苗(ZP)的预测正确率为 83.3%。 ( 参考文献： ) ( [1] De Lacy Costello B P J， Evans P， Ewen R J，et al. Gas Chromatogra- phy-Mass Spectrometry Analyses of Volatil e Organi c Compands fromPotato Tubers Inoculated with P h ytophthora Infestans or Fusarium Co- eruleum[J]. Plant Pathol，2001，50：489-496. ) ( [2] Hampden J R . Effects o f C6-C10 Alkenals and A l enols on Elicitinga Defense Response in t he Developing Cotton b oll[J]. Phytochem， 1992，31：2305-2308. ) ( [3] Bakdwin I T ，H akutscgje R， P aschold A， e t al. V ol a tilesignaling in Plant-Plant Interactions： Talking Tress i n t h e Genomics Era[J ] . Science，2006，311：812-815. ) ( [4] A rimura G， Ozawa R， H oriuchi J，et a l . P lant-Plant Interactions Me- diated by V olatiles Emitted f rom P lants I nfested b y Spider M i tes [ J ]. Biochemical Systematics and Ecology，20 0 1 ，29(10) ： 1049-1061. ) ( [5] P are P W，Tumlinson J H . De n ovo Biosynthesis of Volatiles Induced by Insect Herbivory in Cotton Plants[J]. Plant Pathol， 1997 ， 114： 1161-1167. ) ( [6 ] 刘芳，娄永根，程家安.虫害诱导的植物挥发物：植物与植食性 昆虫及其天敌相互作用的进化产物[J].昆虫知识，2003，40 (6)：481-485. ) ( [7] Pang L ， Wang J， Lu X，et a l . D i scrimination o f Storage Age forWheat b y E -Nose[J ] . Transactions of the ASABE，2008，51：1 7 0 7 - 1 712. ) ( [8] Cheng S， Wang Y， Wang J，et al . D e te c tion of Eggshell C rack Us i ngElectronic Nose[ J ]. Transactio n s of t he ASABE，2010，53：789-794. ) ( [9] 于慧春，王俊，张红梅，等.龙井茶叶品质的电子鼻检测方法 [J].农业机械学报，2007(7)：103-106. ) ( [10]程绍明，马杨王军，周博，等.基于电子鼻的番茄种子不同储藏 时间的鉴别研究[J].传感技术学报，2011，24(7)：941-945. ) ( 程绍明(1974-)，男，博士，讲师，浙江大学 。 主要从事农产品品质检测， chengshaoming@zju.edu. cn； ) ( [ 1 1 ]庞林江，王俊，路兴花.电子鼻判别小麦陈化年限的检测方法 研究[J].传感技术学报，2007，20(8)：1717-1722. ) ( [12]周亦斌，王俊.基于电子鼻的番茄成熟度及贮藏时间评价的研 究[J] . 农业工程学报，2005，21(5)：113-116. ) ( [13]周博，王永维，王俊，等.鸡蛋贮藏时间和新鲜度的电子鼻检测 [J].浙江大学学报：工学版， 2 010，44(5)：863-869. ) ( [ 1 4] S o hn J H ， H u dson N， Gallagher E ， et al. I m plementation o f a n E - lectronic Nose for Continuous Odour Monitoring in a P o ultry Shed [J ] .Sensors and Actuators B：Chemical，2008，133：60-69. ) ( [ 1 5] V i to D ， Massera E， P iga M，et al. On Field Calibration of a n E l ec- t ronic Nose f or Benzene E s timation i n a n Urban Pol l ution Mo n ito- ring Scenario [ J] . Sensors and A ctuators B：Chemical，2008，129： 750-757. ) ( [ 1 6] D ummer J，Storer M，Swanney M，e t a l. Analysis of Biogenic V ola- tile Organic Compounds in H uman Health and Disease[J]. Trends in Analytical Chemistry，2011 ，3 0 (7)：960-967. ) ( [ 1 7] Be rnabei M ， Pennazza G ， Santonico M， et al. A Preliminary S tudyon t he P ossibility to Diagnose U r inary Tract Cancers b y an E l ec-tronic Nose[J]. Sensors and Actuators B：Chemical， 2 008，131：1- 4. ) ( 王 俊(1965-)，男，浙江大学教授、博士生导师 。 人选教育部新世纪优秀人才支持计划和浙江省“151人才工程(重点和第一层次)”。先后主持国家高技术研究发展计划(863计划)1项、国家自然科学基金项目5项、高校博士学科点基金2项、浙江省科技厅重大招标项目2项、其他省部级项目10余项。 ) ( 已获国家发明专利15项 。 在国家级学报和境外学术刊物上已发表100余篇论文，其中 SCI 收录60余篇。 发 表的 SCI 收录论文中被引用300余次。研究方向之一为电子鼻电子舌技术的农产品品质检测 ，jwang@zju. edu. cn。 ) 数据 基于电子鼻系统的番茄苗不同种类损伤的区分效果研究《传感技术学报》程绍明  王俊  马杨珲  王永维浙江大学生物系统工程与食品科学学院,杭州,310029浙江科技学院信息学院,杭州,310023 摘要： 通过对早疫病病害番茄苗、灰霉病病害番茄苗、机械损伤番茄苗和对照番茄苗的电子鼻响应信号的对比,可以看出不同处理的番茄苗样本电子鼻的响应信号是不同的,表明用电子鼻响应信号对番茄苗不同种类损伤进行预测是可行的.从PCA结果来看,早疫病病害的番茄苗和灰霉病病害的番茄苗能很好区分开,机械损伤的番茄苗和正常处理的番茄苗产生了重叠现象，从LDA结果可知,四种处理番茄苗本能很好的区分,机械损伤番茄苗样本与正常处理的番茄苗样本比较接近,采用LDA的区分效果明显比PCA要好。利用BP神经网络和支持向量机两种识别模式对四种不同损伤番茄苗样本的预测结果,对比预测结果,两种模型都能对样本进行很好的区分。关键词：番茄苗  不同损伤  电子鼻