成劍峰，胡紅娟

（山西省食品工業(yè)研究所，山西 太原 030024）

固態(tài)法釀造食醋的發(fā)酵過程是一個多種微生物的代謝過程，影響產(chǎn)品質量與風格的因素眾多，時變性大，食醋生產(chǎn)工藝分多種階段，從原料處理、糖化發(fā)酵劑生產(chǎn)、酒精發(fā)酵、醋酸發(fā)酵、熏醅、陳釀到產(chǎn)品出廠，流程較長[1-2]。某些傳統(tǒng)工藝生產(chǎn)過程中使用大曲為糖化發(fā)酵劑，而大曲是眾多種類微生物的集合，每種微生物的代謝產(chǎn)物種類至今仍不能明確，發(fā)酵過程中多種風味物質對產(chǎn)品的內(nèi)在質量和風格起決定性作用，造成釀造食醋香氣成分復雜，發(fā)酵工藝過程的控制將直接決定產(chǎn)品的質量[3-4]，不同生產(chǎn)工藝的產(chǎn)品成分差別較大，而不同品牌但生產(chǎn)工藝相近的產(chǎn)品則較難區(qū)分。

1994年GARDNER J W等[5-7]發(fā)表了電子鼻綜述文章，對這種由有選擇性的電化學傳感器陣列和適當?shù)淖R別方法組成的，并能識別簡單和復雜氣味的儀器進行了定義，其原理是經(jīng)氣敏傳感器陣列與氣味分子反應后產(chǎn)生的電信號輸入計算機處理，再通過模式識別系統(tǒng)定性或定量輸出檢測結果，與一般概念的檢測不同的是得到的數(shù)據(jù)不是被測樣品中某種或某幾種成分的定性與定量結果，而是整體信息。

目前電子鼻的相關應用研究已在多領域展開，在食醋品質評價方面也有相關報道[8-14]。本研究利用電子鼻對食醋樣本進行建模，采用正交試驗對傳感器進行優(yōu)化選擇[15]，再用歐氏距離（Euclid distance）、相關性（correlation）、馬氏距離（Mahalanobis distance）、判別函數(shù)分析（discriminate function analysis，DFA）4種方式共同判定樣品的歸屬，以提高對食醋分類識別率為目的的研究是對這一領域的有益補充。

1 材料與方法

1.1 材料與試劑

市面上采購的兩家公司的山西老陳醋，按生產(chǎn)廠家相應分類為Ⅰ類和非Ⅰ類。另有購買的多種品牌的食醋產(chǎn)品作為驗證樣品。

1.2 儀器與設備

PEN3電子鼻系統(tǒng)：德國AIRSENSE公司（含有10個不同的金屬氧化物傳感器，組成傳感器陣列）。

1.3 實驗方法

1.3.1 未處理樣品測定

直接吸取樣品0.5 mL移入頂空瓶，旋好瓶蓋，室溫靜置1 h后直接頂空吸氣法，即將進樣針頭插入密封墊，電子鼻進行測定。

1.3.2 處理樣的測定

直接吸取樣品移入頂空瓶，在對應的溫度、時間、取樣量的處理條件下在烘箱中處理樣品（處理條件見后續(xù)正交試驗），干燥器中冷卻至室溫后旋好瓶蓋，室溫靜置1 h后按前述方法測定。

1.3.3 電子鼻測定條件

采樣時間為1 s/組；傳感器自清洗時間為90 s；傳感器歸零時間為10 s；樣品準備時間為5 s；進樣流量為600 mL/min；分析采樣時間為90 s。

1.3.4 數(shù)據(jù)處理

本實驗在對每個樣品的數(shù)據(jù)采集過程中，通過查看每個傳感器響應信號的變化曲線、每個時間點的信號值及星型雷達圖或柱狀指紋圖，可以清晰考察各個傳感器在實驗分析過程中的響應情況。

對于樣品區(qū)分分析，本實驗提取10個傳感器的特征值，然后采用主成分分析法（principal component analysis，PCA），線性判別分析（linear discriminant analysis，LDA）法作為主要區(qū)別分析方法，查看起主要區(qū)分作用的組分和區(qū)分度是否提高。

通過歐氏距離、相關性、馬氏距離、判別函數(shù)等方法共同判定樣品歸屬于哪一類，達到一個用電子鼻驗證未知樣的實驗結果，4種指標判定結果相同的視為一類，不同的視為另一類。

2 結果與分析

2.1 電子鼻測定值取值范圍的確定

圖1 電子鼻中的10個傳感器對食醋樣品的的響應曲線(A)及雷達圖(B)Fig.1 The response curves(A)and the radar chart(B)of ten senses to vinegar samples

以響應值初始電阻（G0）和最后電阻（G）的比率為縱坐標，樣品的測定時間為橫坐標。食醋樣品測定的特征響應曲線及雷達圖見圖1。

從圖1可以看出，在90 s的測定時間內(nèi)，電阻率隨時間的增加達到峰值，然后趨于平緩，大約在60～90 s之間信號較穩(wěn)定，因此在本實驗中取用74～76 s的電阻率值作為樣品分析數(shù)據(jù)。

2.2 未經(jīng)處理樣品的模板分析結果

主成分分析（principal component analysis，PCA）是一種對數(shù)據(jù)進行分析的技術，這種方法可以有效的找出數(shù)據(jù)中的主要成分，去繁趨簡，揭示復雜數(shù)據(jù)背后的簡單結構[7]。未處理食醋樣品的PCA分析結果見圖2。

圖2 優(yōu)化前的PCA結果分析Fig.2 PCA analysis results before optimization

以上述兩類產(chǎn)品測定數(shù)值建立模板，由圖2可知，采用電子鼻的PCA分析可以看到第1主成分貢獻率80.893%，第2主成分貢獻率12.766%，兩者合計93.659%，雖然差異性較大，但模板分析顯示兩類產(chǎn)品不能很好的區(qū)分，圖2中也可看到兩類數(shù)據(jù)有較多重疊之處。

線性判別分析（linear discriminant analysis，LDA）是一種有效的特征抽取方法。它能夠使模式樣本有最小的類內(nèi)距離和最大的類間距離，有最佳的可分離性[7]。未處理食醋樣品的線性判別分析結果見圖3。

圖3 優(yōu)化前的LDA結果分析Fig.3 LDA analysis results before optimization

由圖3可知，兩類樣品得到很好的區(qū)分，左邊為Ⅰ類，右邊為非Ⅰ類，兩類樣品類間距明顯，但是從差異性和主成分分析來看，第1主成分貢獻率56.679%，第2主成分貢獻率5.421 5%，兩者合計只有62.1%，差異性較低。

以上述模板對11個樣品進行了識別判定歸屬實驗，已知其中4個樣品屬于Ⅰ類，7個樣品屬于非Ⅰ類。因為只有兩類樣品，而判斷指標有4個，且非Ⅰ類模板是混合樣品模板，為簡化結果，規(guī)定當只有4個判斷指標判定相同時才能認定為一類產(chǎn)品，如果有任意一個判斷指標判定不同則認定為另一類產(chǎn)品，對比已知樣品歸屬，計算判斷正確率和誤判率。結果見表1。

由表1可知，對比樣品已知歸類，Ⅰ類樣品全部判斷正確，非Ⅰ類樣品中有2個誤判為Ⅰ類，誤判率為18.2%，正確判斷率為81.8%。

上述實驗顯示用4個指標共同判定樣品歸屬的效果有待提高[11]（魯小利等在可樂飲料的電子鼻檢測研究中樣品誤判率為0）。因此，實驗中將兩類樣品模板數(shù)據(jù)分別輸出后進行分析，對比了10個傳感器的數(shù)值區(qū)間，Ⅰ類、非Ⅰ類樣品的初始電阻和最后電阻的比率及變動區(qū)間測定結果分別見表2及表3。

表1 未處理樣品模板的判定結果Table 1 Determination of untreated sample template

表2 Ⅰ類樣品的初始電阻和最后電阻的比率及變動區(qū)間測定結果Table 2 The ratio of initial resistance,final resistance and variable interval determination results of type I sample

表3 非Ⅰ類樣品的初始電阻和最后電阻的比率及變動區(qū)間測定結果Table 3 The ratio of initial resistance,final resistance and variable interval determination results of non-type I sample

由表2及表3可知，通過區(qū)間對比發(fā)現(xiàn)傳感器1、3、4、5、6、7、8、10測定數(shù)據(jù)有交集，傳感器2、9測定數(shù)據(jù)無交集，2、7、9傳感器反應敏感，數(shù)值較大。結果表明，可用于區(qū)別不同產(chǎn)品的傳感器數(shù)量少，不足以進行區(qū)別判定，需要進行樣品處理增加識別性。實驗采用正交試驗方式對傳感器性能進行評價和優(yōu)化組合。

2.3 傳感器性能參數(shù)優(yōu)化正交試驗

實驗中烘干過程考慮了85℃和105℃兩個溫度，根據(jù)頂空瓶的實際大小，選擇了0.5 mL和1 mL兩個取樣量，時間方面選擇了20 min和60 min為參數(shù)進行了3因素2水平正交試驗，重復測定6個同類樣品，因素與水平見表4，正交試驗設計見表5?？疾煲蛩睾退綄Σ煌悩悠烦跏茧娮韬妥詈箅娮璧谋嚷蕼y定數(shù)值及區(qū)間交集范圍，有交集的，結果記為1，否則記為2，結果數(shù)值小，表示測定數(shù)值變動范圍無交集，即無相關性，也就是能完全區(qū)別開兩組數(shù)據(jù)。非Ⅰ類樣品、Ⅰ類樣品的4種處理通過區(qū)間對比得到結果見表6。

表4 傳感器性能參數(shù)優(yōu)化正交試驗因素與水平Table 4 Factors and levels of orthogonal experiments for sensors performance parameter optimization

表5 傳感器性能參數(shù)優(yōu)化正交試驗結果與分析Table 5 Results and analysis of orthogonal experiments for sensors performance parameter optimization

由表6可知，1處理即取樣量0.5 mL、烘干溫度85℃、烘干時間20 min，只有4號傳感器對Ⅰ類樣品和非Ⅰ類樣品的感應值不存在交集；

表6 Ⅰ類樣和非Ⅰ類樣的區(qū)間交集對照結果Table 6 Comparison results of type I sample and non-type I sample of overlap section

2處理即取樣量0.5 mL、烘干溫度105℃、烘干時間60 min，有3號、5號、6號、10號共4支傳感器對Ⅰ類樣品和非Ⅰ類樣品的感應值不存在交集；

3處理即取樣量1.0mL、烘干溫度85℃、烘干時間60 min，全部10支傳感器對Ⅰ類樣品和非Ⅰ類樣品的感應值均有交集；

4處理即取樣量1.0 mL、烘干溫度105℃、烘干時間20 min，有1號、5號共2支傳感器對Ⅰ類樣品和非Ⅰ類樣品的感應值不存在交集。

結果說明傳感器對樣品的感應與樣品處理的方式有相關。通過計算求和可知1號傳感器各因素的2水平結果之和（值為3）大于1水平結果之和（值為2），顯示該傳感器在取樣量1 mL、105℃、60 min的處理條件下有區(qū)分能力；2號傳感器各因素的2個水平結果之相等（值為2），顯示該傳感器對各因素的水平無感應差別，即無區(qū)分能力；3號、6號、10號傳感器因素1的2水平結果之和（值為2）小于1水平結果之和（值為3），因素2的2水平結果之和（值為3）大于1水平結果之和（值為2），因素3的2水平結果之和（值為3）大于1水平結果之和（值為2），顯示3號傳感器在1因素1水平、2因素2水平、3因素2水平的條件下有感應差別，即在取樣量0.5 mL、105℃、60 min的處理條件下有區(qū)分能力；4號傳感器各因素的2水平結果之和（值為2）均小于1水平結果之和（值為3），顯示4號傳感器對各因素的1水平即在取樣量1 mL、85℃、20 min的處理條件下有區(qū)分能力；5號傳感器因素1的2個水平結果之和相等（值為3），因素2的2水平結果之和（值為4）大于1水平結果之和（值為2），因素3的2個水平結果相等（值為3），顯示5號傳感器只對因素2敏感，且在2水平即105℃時有區(qū)分能力，因素1和3對其無影響；7號、8號、9號傳感器各因素的2個水平結果之和相等（值為2），顯示7號傳感器對各因素的水平無感應差別。

綜合上述結果分析，由于數(shù)據(jù)來源于兩組不同樣品，但兩組樣品是同一類產(chǎn)品，因此，無區(qū)分能力的傳感器2、7、8、9可以理解為體現(xiàn)同類產(chǎn)品的共性特征，這些傳感器在特征識別時雖然不能發(fā)揮作用，但是從體現(xiàn)樣品完整信息的角度考慮，應作為可選；傳感器3、6、10區(qū)分條件相同；傳感器5指向溫度；傳感器4是條件孤例，應舍去；傳感器1對取樣量有要求，為統(tǒng)一處理條件和測定數(shù)據(jù)一致性，應作為可選。這樣可用傳感器為1、2、3、5、6、7、8、9、10共9支。

2.4 優(yōu)化模板的建立

以取樣量0.5 mL、烘干溫度105℃、烘干時間60 min的傳感器性能優(yōu)化條件處理樣品后建模，LDA分析結果見圖4，PCR分析結果見圖5。

由圖4可知，左邊為非Ⅰ類樣品，右邊是Ⅰ類樣，數(shù)值顯示第1主成分貢獻率75.422%，第2主成分貢獻率3.519 9%，差異達到78.942%，區(qū)分效果比較明顯。

由圖5可知，左下圓圈為Ⅰ類樣品，靠上的為非Ⅰ類樣品，數(shù)值顯示第1主成分貢獻率99.446%，第2主成分貢獻率0.428 87%，差異達到99.875%，區(qū)分度也有顯著的增強。

圖4 優(yōu)化后的LDA分析結果Fig.4 LDA analysis results after optimization

圖5 優(yōu)化后的PCA分析結果Fig.5 PCA analysis results after optimization

由于對樣品進行了前處理，并對傳感器進行了優(yōu)化，與未優(yōu)化前（即未處理樣品的模板，見圖2、圖3）模板對比，LDA差異率由62.1%提高至78.942%；PCA差異率由93.659%提高至99.875%，區(qū)分度得到提高。

2.5 識別檢驗

從市場選購31個食醋樣品，其中13個是Ⅰ類樣品（生產(chǎn)日期不同），其余為非Ⅰ類樣品（生產(chǎn)廠家不同），按優(yōu)化條件進行樣品處理后測定，數(shù)據(jù)歸納總結，得到電子鼻識別結果見表7。

表7 電子鼻識別結果Table 7 Identification results of electronic nose

續(xù)表

由表7可知，對比樣品已知歸類，Ⅰ類樣品全部判斷正確，非Ⅰ類樣品中有2個誤判為Ⅰ類，誤判率為5.4%，正確判斷率為94.6%。

3 結論

電子鼻傳感器經(jīng)優(yōu)化選擇后可以較好區(qū)分兩類食醋產(chǎn)品。經(jīng)過樣品處理和優(yōu)化后，電子鼻對兩類樣品的識別率由81.8%提高至94.6%，誤判率由18.2降低至5.4%，準確性有了顯著提高。

食醋生產(chǎn)過程復雜，可變因素多，按國家標準檢測的項目并不能真實反映樣品的真正生產(chǎn)方式，食醋本身的原料標注和它實際生產(chǎn)工藝不符也會導致誤判，因此對電子鼻進行訓練時樣品的準確性至關重要，有助于誤判率的降低和判定準確性的提高。

[1]成劍峰，郭文娟，胡紅娟.一株耐酸酵母菌的分離及性能測定[J].中國釀造，2013，32（6）：39-42.

[2]華南工學院，無錫輕工業(yè)學院，天津輕工業(yè)學院，大連輕工業(yè)學院.酒精與白酒工藝學[M].北京：輕工業(yè)出版社，1980.

[3]傅金泉.中國釀酒微生物研究與應用[M].北京：中國輕工業(yè)出版社，2008.

[4]張 杰，侯小歌，王俊英，等.高溫大曲中酵母菌的分離、鑒定及耐高溫性[J].中國釀造，2011，30（11）：112-114.

[5]GARDNER J W,BARTLETT P N.A brief history of electronic nose[J].Sensor Actuat B-Chem,1994,18(3):210-211.

[6]GARDNER J W,BARTLETT P N.Electronic nose:principles and applications[M].Oxford:Oxford University Press,1999.

[7]魯小利，王 俊，海 錚.基于遺傳優(yōu)化神經(jīng)網(wǎng)絡的電子鼻對可樂的檢測[J].傳感技術學報，2007，20（6）：1211-1214.

[8]孫鐘雷.電子鼻技術在豬肉新鮮度識別中的應用[J].肉類研究，2008（2）：50-53.

[9]TORRI L,SINELLI N,LIMBO S.Shelf life evaluation of fresh-cut pineapple by using an electronic nose[J].Postharvest Biol Tec,2010,56(3):239-245.

[10]于慧春，王 俊，張紅梅，等.龍井茶葉品質的電子鼻檢測方法[J].農(nóng)業(yè)機械學報，2007，38（7）：103-106.

[11]魯小利，海 錚，王 俊.可樂飲料的電子鼻檢測研究[J].浙江大學學報：農(nóng)業(yè)與生命科學版，2006，32（6）：677-682.

[12]張覃軼，胡 偉，葉衛(wèi)平，等.一種基于電子鼻的食醋識別新方法[J].傳感器與微系統(tǒng)，2008，27（6）：29-32.

[13]張厚博，梅笑冬，趙 萬，等.用于食醋品質預評價的電子鼻研究[J].傳感器與微系統(tǒng)，2013，32（3）：62-63.

[14]李德茂，陳利梅，馬淑鳳.電子鼻在醬油識別中的應用研究[J].中國釀造，2010，29（4）：107-109.

[15]杜榮騫.生物統(tǒng)計學[M].北京：高等教育出版社，1985.