惠國華,陳裕泉

1.浙江工商大學(xué)食品與生物工程學(xué)院,杭州 310035;2.浙江大學(xué)生物醫(yī)學(xué)工程與儀器科學(xué)學(xué)院,杭州 310027

民以食為天,食以安為先。食品安全直接影響著人類的健康,也是世界各國相關(guān)部門研究的重點課題。糧食中富含碳水化合物、蛋白質(zhì)、脂肪以及無機(jī)鹽等成分,為人類和其它動物提供了豐富的營養(yǎng)。但糧食攜帶的微生物在適宜的條件下大量繁殖而導(dǎo)致糧食霉變,其中起主導(dǎo)作用的霉菌有黃曲霉、青曲霉、鐮刀曲霉等[1]。全世界每年有 5%～7%的糧食受霉菌污染,同時霉變產(chǎn)生的大量毒素也威脅人類健康。因此,糧食的霉變監(jiān)測對于指導(dǎo)糧食儲藏、運輸,及食品質(zhì)量與安全監(jiān)控意義重大。傳統(tǒng)的檢測方法主要有感官判斷法[2-5]、DNA探針法、聚合酶鏈?zhǔn)椒磻?yīng)法、乳凝集反應(yīng)法、顯微鏡檢驗法、薄層層析法 、酶聯(lián)免疫法、氣相色譜法 、高效液相色譜法、氣相色譜 -質(zhì)譜聯(lián)用法等,然而這些方法在準(zhǔn)確性、檢測時間、靈敏度、選擇性、樣品前處理方法、樣品基質(zhì)干擾、價格等諸多方面存在著制約因素[6],很難滿足實際應(yīng)用。

電子鼻是一種由具有部分選擇性的化學(xué)傳感器陣列和適當(dāng)?shù)哪Ｊ阶R別系統(tǒng)組成,能夠識別簡單或復(fù)雜氣味的儀器[7]。糧食在霉變過程中會產(chǎn)生霉味、甜味、腐敗味、酸敗味等氣味揮發(fā)物,其主要成分為由微生物作用產(chǎn)生的硫化物、羥基類、醛基類等化合物[3]。作為人類嗅覺的延伸[8],電子鼻避免了人類主觀因素的干擾,檢測結(jié)果更為客觀、準(zhǔn)確、穩(wěn)定,這使得電子鼻在食品、化妝品、化工過程控制、香料香精等領(lǐng)域有著廣泛應(yīng)用[9-10]。電子鼻的概念是由英國 Warwick大學(xué)的Persand等在1982年提出[11]。國內(nèi)外許多研究人員將電子鼻技術(shù)應(yīng)用于糧食檢測領(lǐng)域,如 Josson等考察了微生物釋放特征氣味,結(jié)合神經(jīng)網(wǎng)絡(luò)模式識別算法,預(yù)測糧食品質(zhì)[12]。Evans等則研究了糧食霉變早期揮發(fā)性氣體成分的變化特點[13],Olsson等則結(jié)合了氣相色譜技術(shù)去分析糧食樣品[14]。在合適的數(shù)學(xué)工具幫助下,能夠從一個特定樣品中識別氣味模式并幫助區(qū)分其他樣品[15]。國內(nèi)電子鼻系統(tǒng)開發(fā)也取得了可喜的成就,如鄒小波等研制出一套能快速檢測谷物是否霉變的電子鼻,可以快速、準(zhǔn)確地判定所測谷物是否霉變[1]。潘天紅等研制出一套谷物霉變識別電子鼻系統(tǒng),該裝置能快速準(zhǔn)確地判別幾種谷物的霉變情況,識別準(zhǔn)確率為92.19%[16]。張紅梅等研制的電子鼻系統(tǒng)對稻谷霉變程度的檢測具有很高的分析精度[17]。信號特征提取是電子鼻系統(tǒng)非常重要的技術(shù),傳統(tǒng)的方法主要有主成分分析法、因子分析、聚類分析、偏最小二乘法、人工神經(jīng)網(wǎng)絡(luò)等[16-20]。主成分分析法用少數(shù)幾個綜合變量替代原始多變量而起到數(shù)據(jù)降維效果,同時該方法通過計算綜合主成分函數(shù)得分,并側(cè)重于信息貢獻(xiàn)影響力對原始數(shù)據(jù)進(jìn)行綜合評價,在智能化儀器模式識別領(lǐng)域中應(yīng)用廣泛。因子分析通過對原始變量的信息重組尋求影響變量的共同因子,并且因子變量具有清晰的物理解釋,但該方法在計算因子得分時采用最小二乘法導(dǎo)致結(jié)果可能無效。聚類分析具有直觀簡明的表現(xiàn)形式,但在樣本量較大時獲得聚類結(jié)果較為困難。偏最小二乘法可有效的克服樣本容量低于變量個數(shù)時回歸建模的問題,但當(dāng)一個或幾個影響點存在就會導(dǎo)致回歸結(jié)果失效。人工神經(jīng)網(wǎng)絡(luò)屬于一種人工智能理論,在輸入樣本較多的情況下會出現(xiàn)訓(xùn)練速度和效率降低,預(yù)報精度下降的問題,需要多次學(xué)習(xí),這些問題影響了人工神經(jīng)網(wǎng)絡(luò)方法在智能分析領(lǐng)域的應(yīng)用。

本文構(gòu)建了一整套電子鼻系統(tǒng),采用非線性雙穩(wěn)態(tài)隨機(jī)共振方法提取四種谷物霉變過程的特征信息,同時該方法可以有效的解決半導(dǎo)體氣敏傳感器的基線漂移問題。將隨機(jī)共振輸出信噪比進(jìn)行主成分分析,結(jié)果表明該系統(tǒng)可以快速準(zhǔn)確的判斷四種谷物樣品的霉變程度。

1 電子鼻系統(tǒng)及實驗

1.1 電子鼻系統(tǒng)

圖1為電子鼻檢測系統(tǒng)結(jié)構(gòu)示意圖,主要包括數(shù)據(jù)采集、調(diào)理與傳輸單元,傳感器陣列及氣室,以及供氣動力裝置三個部分。數(shù)據(jù)采集、調(diào)理與傳輸單元核心器件采用 TI公司 MSP430微處理器,傳感器陣列及氣室部分包括 8個選定的半導(dǎo)體氣敏傳感器及其各自獨立的工作腔體、控制傳感器陣列信號采集、傳輸,泵閥開啟控制等功能。供氣動力裝置包括氣體采樣泵,氣室清洗泵,相關(guān)電磁閥等部件。

圖1 檢測系統(tǒng)結(jié)構(gòu)示意圖

傳感器陣列采用費加羅公司 8種半導(dǎo)體氣體傳感器構(gòu)成敏感器件陣列,傳感器特性如表 1所示。氣室采用聚四氟乙烯材料制成,每個傳感器的氣室獨立,樣品氣/清洗氣均勻泵入每個傳感器的氣室,這樣做的優(yōu)點在于避免了多個傳感器共一氣室而形成的相互間干擾,提高檢測精度。

表1 氣體傳感器陣列構(gòu)成

1.2 谷物霉變檢測實驗

許多谷物經(jīng)存放后特征參數(shù)有較大的變化[21-22],引起谷物霉變主要是黃曲霉、鐮刀曲霉、青曲霉、寄生曲霉等霉菌,最適于這些霉菌生長的條件為：濕度 80%～90%和溫度 25℃～30℃。本文選擇的黑芝麻、大米、燕麥和蕎麥四種谷物均購買于物美超市,每種谷物取 3個平行樣本,每個樣本稱取50克置于樣品瓶中,并保持樣品處于最適合霉菌生長的條件。我們分別于第二天、第三天、第四天和第五天使用電子鼻系統(tǒng)檢測四種谷物的 12個樣本,每個樣本重復(fù)檢測 3次后取平均值,輸入隨機(jī)共振模型進(jìn)行數(shù)據(jù)處理。

1.3 隨機(jī)共振模型

隨機(jī)共振是一種在非線性系統(tǒng)中噪聲起促進(jìn)作用的反直觀的現(xiàn)象,在信號處理領(lǐng)域已經(jīng)得到了廣泛的應(yīng)用[23-31],通常以輸出信號的信噪比表征隨機(jī)共振。隨機(jī)共振系統(tǒng)包含三個因素：雙穩(wěn)態(tài)系統(tǒng),輸入信號以及外加噪聲源。常以一個在雙穩(wěn)態(tài)勢阱中被周期力驅(qū)動的過阻尼布朗運動粒子來描述系統(tǒng)特性。

V(x)為非線性對稱勢函數(shù),ξ(t)為高斯白噪聲,其自相關(guān)函數(shù)為：E[ξ(t)ξ(0)]=2Dδ(t),a是輸入信號強(qiáng)度,f0是調(diào)制信號頻率,D是噪聲強(qiáng)度,μ是一個實參數(shù),

因此式(1)可以改寫為：

目前最普遍的反應(yīng)隨機(jī)共振特性的是信噪比,這里我們將信噪比定義為：

S(ω)是信號頻譜密度,SN(Ω)是信號頻率范圍內(nèi)的噪聲強(qiáng)度。

2 谷物霉變檢測實驗結(jié)果

2.1 傳感器陣列對霉變谷物的響應(yīng)

圖2是霉變谷物樣品檢測實驗中 8個傳感器響應(yīng)圖,各傳感器輸出電壓開始較低,隨著霉變谷物產(chǎn)生的揮發(fā)氣體富集在傳感器表面,傳感器輸出電壓不斷增大,達(dá)到極大值后開始下降,8條曲線代表 8個傳感器的響應(yīng)。

圖2 霉變谷物揮發(fā)物檢測中傳感器的信號變化

圖3 谷物樣品檢測信號雷達(dá)圖

圖3所示是谷物樣品霉變程度檢測數(shù)據(jù)的雷達(dá)圖,可以觀察出在第二天 8個傳感器對四種樣品響應(yīng)程度并沒有沒有太大差異,傳感器 4對四種霉變谷物樣品的響應(yīng)比其余傳感器大。隨著存放時間的增加,四種樣品均開始出現(xiàn)霉變,而且黑芝麻樣品和大米樣品比燕麥和蕎麥樣品的響應(yīng)變化大,傳感器1、傳感器 2、傳感器 4和傳感器 7的響應(yīng)有明顯變化。對比四種樣品的實際物化狀態(tài),所有谷物樣品確實出現(xiàn)了不同程度的霉變。

2.2 測試樣本的隨機(jī)共振分析與主成分分析

Benzi等人提出該理論用來解釋地球冰川期周期出現(xiàn)的現(xiàn)象[23,25],隨機(jī)共振是一種致力于檢測微弱信號特征的非線性方法,這種方法的一個好處在于并非消除檢測系統(tǒng)中的噪聲干擾信號,而采用噪聲調(diào)制目標(biāo)信號產(chǎn)生共振效應(yīng),檢測特征值得到增強(qiáng)從而易于檢出[18-20]。此外,半導(dǎo)體型氣敏傳感器由于工作溫度較高(高于400℃),長時間工作基線易出現(xiàn)漂移現(xiàn)象,成為電子鼻技術(shù)發(fā)展的難題[32],解決的方法有每次檢測前對傳感器進(jìn)行清洗和標(biāo)準(zhǔn)化[33],這些因素不但降低了儀器檢測精度,同時增加了儀器操作的復(fù)雜性。我們將四種谷物樣品的檢測數(shù)據(jù)輸入信噪比譜分析系統(tǒng),調(diào)節(jié)噪聲強(qiáng)度得到谷物霉變檢測信號的共振信噪比曲線,如圖 4所示,可以有效的克服氣體傳感器因工作時間長而導(dǎo)致的基線漂移問題,因此本文不直接采用傳感器陣列響應(yīng)信號進(jìn)行模式識別分析,而將傳感器陣列響應(yīng)信號以隨機(jī)共振方法處理后再進(jìn)行主成分分析給出檢測結(jié)果。

圖4 檢測樣品的隨機(jī)共振輸出信噪比分析結(jié)果

隨機(jī)共振信噪比分析方法是一種新的信號特征提取技術(shù)[29-31]。谷物霉變檢測數(shù)據(jù)在沒有進(jìn)行前處理(濾波、平滑、二次采樣等)的情況下輸入隨機(jī)共振系統(tǒng),得到各檢測樣品的信噪比曲線。每種霉變谷物的傳感器陣列特征峰的高度及相應(yīng)的噪聲強(qiáng)度值均不同,黑芝麻的傳感器陣列信噪比特征峰范圍為[-55,-49],對應(yīng)噪聲強(qiáng)度約為 195;大米為[-54,-47],對應(yīng)噪聲強(qiáng)度約為 180;燕麥為[-56.6,-48],對應(yīng)噪聲強(qiáng)度約為190;蕎麥為[-55.5,-45],對應(yīng)噪聲強(qiáng)度約為 170。因此,通過對檢測信號施加噪聲激勵使其產(chǎn)生共振,將傳感器陣列對霉變谷物樣品的響應(yīng)信號差異轉(zhuǎn)換為輸出信噪比曲線特征的差異。由于半導(dǎo)體氣敏傳感器一般工作在 200℃～400℃,長時間工作會出現(xiàn)極限漂移的現(xiàn)象,若直接將傳感器陣列響應(yīng)信號進(jìn)行主成分分析,勢必將基線漂移引起的誤差引入到檢測結(jié)果中,降低了電子鼻系統(tǒng)的檢測精度。采用雙穩(wěn)態(tài)隨機(jī)共振系統(tǒng)將響應(yīng)信號轉(zhuǎn)換為信噪比曲線特征差異,可以有效的消除基線漂移的干擾,提高檢測精度。

圖5 谷物霉變程度主成分分析結(jié)果

圖5為各霉變谷物樣品的信噪比曲線的主成分分析結(jié)果,主成分 1和主成分 2總貢獻(xiàn)率為90.3%。第二天四種谷物樣品之間氣味差異較大,第三天的差異縮小,至第四天谷物樣品間氣味差異最為接近,而且這三天谷物樣品氣味變化有一定的連續(xù)性。第五天范圍與前三天各組區(qū)分明顯且范圍增大,表明谷物樣品氣味相比前三天變化明顯,不同種類谷物的個體差異比前三天增大。在主成分 1和主成分 2所確定的平面中,不同霉變程度(天數(shù)不同)的谷物樣品得到良好的區(qū)分。事實上,第五天時谷物霉變已較明顯。黑芝麻和大米樣品前三天呈現(xiàn)緩慢上升的趨勢,至第五天霉變已較明顯,兩種谷物均出現(xiàn)不同程度的成團(tuán)結(jié)塊現(xiàn)象,大米米粒開始發(fā)黃,有發(fā)酵味產(chǎn)生。燕麥樣品霉變過程較為緩慢,在前三天響應(yīng)值維持在較低水平,但顏色變灰變暗,但在第五天出現(xiàn)明顯變化,部分樣品粘附于樣品皿上,局部出現(xiàn)灰黑色并揮發(fā)出濃烈的氣味。蕎麥第三天外殼已明顯軟化,部分出現(xiàn)破殼,體積略有膨脹,第五天已經(jīng)呈現(xiàn)明顯的霉味。

3 結(jié)語

本文研制了一套基于半導(dǎo)體氣敏傳感器陣列和非線性雙穩(wěn)態(tài)隨機(jī)共振的電子鼻系統(tǒng),實驗檢測了黑芝麻、大米、燕麥和蕎麥四種谷物的霉變過程實驗數(shù)據(jù),采用雙穩(wěn)態(tài)隨機(jī)共振方法將傳感器對谷物霉變程度的響應(yīng)信號差異轉(zhuǎn)換為輸出信噪比曲線特征的差異,該方法可有效的克服半導(dǎo)體型氣敏傳感器在高溫下長時間工作引發(fā)的基線漂移現(xiàn)象。并采用主成分分析方法對四種谷物的霉變程度進(jìn)行分類。結(jié)果表明該電子鼻系統(tǒng)可以區(qū)分四種谷物樣品的霉變程度。檢測方法直觀、簡便、快速,且實驗數(shù)據(jù)無需任何前處理,具有較好的實際應(yīng)用價值。但是所構(gòu)建的電子鼻系統(tǒng)還處于實驗階段,還有很多問題需要進(jìn)一步研究和細(xì)化,我們將開展一項長期的研究計劃,進(jìn)一步探索電子鼻技術(shù)在食品質(zhì)量與安全、生物醫(yī)學(xué)工程等領(lǐng)域的應(yīng)用。

[1]鄒小波,趙杰文.電子鼻快速檢測谷物霉變的研究[J].農(nóng)業(yè)工程學(xué)報,2004,20(4)：121-124.

[2]李隆術(shù),靳祖訓(xùn).中國糧食儲藏科學(xué)研究若干重大成就[J].糧食儲藏,1999,(6)：3-12.

[3]王肇慈,孫明.國內(nèi)外糧食儲藏品質(zhì)評價與技術(shù)狀況[J].南京經(jīng)濟(jì)學(xué)院學(xué)報,1997,(4)：64-66.

[4]任如杉,萬艷芬,胡雅麗,等.糧情測控系統(tǒng)在糧食儲藏中的應(yīng)用[J].糧食流通技術(shù),2002,(4)：36-39.

[5]趙玉霞.糧食儲藏中糧堆溫度與大氣溫度之關(guān)系[J].糧油食品科技,2002,10(6)：1-5.

[6]吳莉莉,林愛英.電子鼻檢測技術(shù)在糧食霉變識別中的應(yīng)用研究[J].安徽農(nóng)業(yè)科學(xué),2009,37(21)：10133-10135.

[7]Persand K,Dodd G H.Analysis of Discrimination Mechanisms in the Mammalian Olfactory System Using a Model Nose[J].Nature,1982,299(5881)：352-355.

[8]胡衛(wèi)軍,許改霞,王平.電子鼻和電子舌在航天醫(yī)學(xué)檢測中的應(yīng)用[J].國外醫(yī)學(xué)生物醫(yī)學(xué)工程分冊,2005,4(28)：213-217.

[9]張紅梅,何玉靜.電子鼻技術(shù)在糧食質(zhì)量檢測中的應(yīng)用[J].農(nóng)機(jī)化研究,2009,3：181-182.

[10]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.

[11]Gardner JW,Bartlett PN.A Brief History of Electronic Nose[J].Sensors and ActuatorsB,1994,18/19：211-220.

[12]Jonsson A,Winquist F,Schnurer J,etal.Electronic Nose for Microbial Quality Classification of Grains[J].International Journal of Food Microbiology,1997,35：187-193.

[13]Magan N,Evans P.Volatiles as an Indicator of Fungal Activity and Differentiation Between Species,and the Potential Use of Electronic Nose Technology for Early Detection of Grain Spoilage.

[14]Olsson J,Borjesson T,Lundstedt T.Detection and Quantification of Ochratoxin A and Deoxynivalenol in Barley Grains by GC-MS and Electronic nose[J].International Journal of Food Microbiology,2002,72：203-214.

[15]Balasubramanian S,Panigrahi S,Kottapall IB,et al.Evaluation of an ArtificalO flactrory System for Grain Quality Discrimination[J].LWT,2007,40：1815-1825.

[16]潘天紅,陳山,趙德安.電子鼻技術(shù)在谷物霉變識別中的應(yīng)用[J].儀表技術(shù)與傳感器,2005,(3)：51252.

[17]張紅梅,王俊,葉盛,等.電子鼻傳感器陣列優(yōu)化與谷物霉變程度的檢測[J].傳感技術(shù)學(xué)報,2007,20(6)：1207-1210.

[18]Paolesse R,Alimelli A,Martinlli E,etal.Detection of Fungal Contamination of Cereal Grain Samplesby an electronic Nose[J].Sensors and Actuators B,2006,119(2)：425-430.

[19]Evans P,Persaud K C,McNeish A S,et al.Evaluation of a Radial Basis Function Neural Networks for the Determination of Wheat Quality from Electronic Nose Data[J].Sensors and Actuators B,2000,69：348-358.

[20]Abramson D,Hulasare R,York R K,et al.Mycotoxins,Ergosterol,and Odor Volatiles in Durum Wheat During Granary Stroage at 16%and 20%Moisture Content[J].Journal of Storaged Products Research,2005,41：61-76.

[21]周惠明,張奕.大米品質(zhì)改良的現(xiàn)狀及思路[J].糧食與飼料工業(yè),1998,4：10-11.

[22]周建新.論糧食霉變中的生物化學(xué)[J].糧食儲藏,2004,32(1)：9-12.

[23]Benzi R,Sutera A,Vulpiana A.The Mechanism of Stochastic Resonance[J].JPhys A,1981,14：L453-L456.

[24]Jung P,Hanggi P.Amplification of Small Signals Via Stochastic Resonance[J].Physical Review A,1991,44：8032-8042.

[25]Gammaitoni L,Hanggi P.Stochastic Resonance[J].Reviews of Modern Physics,1998,71：223-287.

[26]Chapean-Blondeau F.Stochastic Resonance at Phase Noise in Signal Transmission[J].Physical Review E,2000,61：940-943.

[27]Harmer G P,Davis B R,Abbott D.A Review of Stochastic Resonance：Circuits and Measurement[J].IEEE Transactions on Instrumentation and Measurement,2002,51：299-309.

[28]Wenning G,Obermayer K.Activity Driven Adaptive Stochastic Resonance[J].Physical Review Letters,2003,90：120602_1-120602_4.

[29]惠國華,陳裕泉.基于碳納米管微傳感器陣列和隨機(jī)共振的氣體檢測方法研究[J].傳感技術(shù)學(xué)報,2010,23(2)：179-182.

[30]吳莉莉,惠國華,郭淼,等.基于隨機(jī)共振的氣敏傳感器陣列信號的識別研究[J].傳感技術(shù)學(xué)報,2009,22(5)：664-668.

[31]Teng-Hao Wang,Guo-Hua Hui,Shao-Ping Deng.A Novel Sweet Taste Cell-Based Sensor[J].Biosensors and Bioelectronics,2010,doi：10.1016/j.bios.2010.06.049.

[32]張敏,田逢春,代才莉.醫(yī)用電子鼻傳感器系統(tǒng)的發(fā)展[J].傳感器與微系統(tǒng),2006,25(4)：1-4.

[33]劉明,潘磊慶,屠康,等.電子鼻檢測雞蛋貨架期新鮮度變化[J].農(nóng)業(yè)工程學(xué)報,2010,26(4)：317-321.