电子鼻技术在果蔬病害检测中的研究进展_吴嘉雯.pdf

基金项目:国家甘薯产业技术体系项目(编号:C A R S );浙江省自然科学基金(编号:L Y C )作者简介:吴嘉雯,女,浙江农林大学在读硕士研究生.通信作者:成纪予(),女,浙江农林大学副教授,博士.E m a i l:j y_c h c o m收稿日期:改回日期:D O I:/j s p j x 文章编号 ()电子鼻技术在果蔬病害检测中的研究进展R e s e a r c hp r o g r e s so f e l e c t r o n i cn o s e i n f r u i t a n dv e g e t a b l ed i s e a s ed e t e c t i o n吴嘉雯WUJ i a w e n刘智昊L I UZ h i h a o庞林江P ANGL i n j i a n g成纪予CHENGJ i y u(浙江农林大学食品与健康学院,浙江 杭州 )(C o l l e g eo fF o o da n dH e a l t h,Z h e j i a n gA&FU n i v e r s i t y,H a n g z h o u,Z h e j i a n g ,C h i n a)摘要:归纳和总结了近年来电子鼻技术在果蔬采后单种和多种病原菌侵染检测中的最新研究成果,分析了当前电子鼻技术存在的缺点,预测了电子鼻技术在果蔬病害检测中的发展方向.关键词:果蔬;电子鼻;传感器;挥发性有机化合物;病原菌侵染A b s t r a c t:T h i sp a p e r s u mm a r i z e d t h e l a t e s t r e s e a r c hp r o g r e s s a n da c h i e v e m e n t s o f e l e c t r o n i c n o s e t e c h n o l o g y i n f r u i t s a n dv e g e t a b l e s p o s t h a r v e s t d i s e a s e s,i n c l u d i n g s i n g l e p a t h o g e ni n f e c t i o na n dm u l t i p l ep a t h o g e n si n f e c t i o n T h es h o r t c o m i n g so fc u r r e n tE n o s ew e r ea n a l y z e d,a n dt h ed e v e l o p m e n td i r e c t i o no fE n o s e i nf r u i t a n dv e g e t a b l ed i s e a s ew a sp r e d i c t e d K e y w o r d s:f r u i t s a n d v e g e t a b l e s;e l e c t r o n i c n o s e;s e n s o r s;v o l a t i l eo r g a n i cc o m p o u n d s;p a t h o g e n s i n f e c t i o n病害是造成果蔬损耗的主要原因.例如,感染黄龙病菌的茶枝柑果皮中倍半萜类物质和脂肪酸类物质含量显著下降,烷烃类和酯类物质含量显著增加;感染软腐病菌的洋葱球茎中酯类、酮类、烷烃类和含硫化合物含量大量升高;感染果胶杆菌和腐霉菌的马铃薯酮类、烯类和有机胺类等含量明显增加.传统的果蔬病害识别方法大多依赖人工,效率低下且易受主观因素的影响.不同果蔬具有各自独特的风味,在受到病菌侵染后,果蔬的正常生 理 代 谢 受 到 干 扰,会 造 成 挥 发 性 有 机 化 合 物(VO C s)的种类及含量发生明显的变化.而VO C s在一定条件下可被检测,因此可以通过检测VO C s的变化反映果蔬病变情况,及时预警和防治病害.常用的VO C s检测技术主要有气相色谱(G C)、气相色谱质谱联用(G C M S)、气相色谱离子迁移谱(G C I M S)、气相色谱嗅闻联用(G C O)等.但这些技术需要较高昂的运营成本和较多专业技术人员,同时仪器升温过程及高温可能会导致相关物质的结构发生变化,且不能实现实时在线检测.电子鼻作为一种VO C s检测 技 术,兼 容 人 类 嗅 觉 系 统 和 传 统 的 感 觉 分析,具有无损、快速、灵敏、实时、操作简单等优点,已被广泛应用于食品、农业、医学等行业.在食品行业中,随着气体传感器技术的发展及其种类的不断增加,电子鼻技术越 来 越 多 地 被 用 于 品 种 的 鉴 别,新 鲜 度 的 检测,果蔬成熟度的鉴定,货架期的预测,肉制品掺假 及农药残留的检测 等方面.随着社会的发展,人们对健康的认识在逐渐改变,对食用果蔬的新鲜度、营养价值及安全性要求越来越高.在果蔬采后病害检测中,电子鼻技术能够高效和准确地识别病原菌种类和病害程度,为果蔬的新鲜度评价、过程监测和质量控制等提供快速、准确的信息反馈.研究拟归纳总结电子鼻技术用于果蔬采后病害检测的最新研究进展,旨在为其实际应用提供参考与借鉴.电子鼻的构成及算法应用电子鼻的构成电子鼻由硬件系统和软件系统两大部分组成,其中,硬件系统由气体传感器阵列和数据采集系统组成,软件系统由信号预处理和模式识别系统等部分组成.电子鼻的工作原理与人类嗅觉系统相似,其气体传感器阵列先对收集的VO C s进行响应,然后模数转换器将捕获的化学信号转化为可计量的电信号,最后通过模式识别算法作出决策.果蔬的VO C s复杂多样,在采后病害检测中,检测的准确度不仅受传感器种类的影响,同时也受到传感器数F OO D&MA CH I N E R Y第 卷第期 总第 期|年月|量的影响,各类传感器在果蔬病害检测中的应用见表.目前,P E N是果蔬行业中应用最为广泛的电子鼻,由 个金属氧化物(MO S)传感器组成,F o x 由 个MO S传感器组成,而其他自制的传感器则可根据试验需要搭建传感器阵列.不同的果蔬病害所产生的VO C s种类各不相同,因此由多个传感器组成的传感器阵列能够综合、全面、准确地检测果蔬病害.算法的应用通过气体传感器阵列采集的VO C s响应信号,需要结合各种化学计量学算法进行分析和建模,以进一步确定电子鼻的适用性.目前,在果蔬采后病害检测中,常用的分 析 算 法 及 其 优 缺 点 见 表.其 中,主 成 分 分 析(P C A)、线性判别分析(L D A)、偏最小二乘判别分析(P L S D A)和K 最邻近(KNN)等是应用最为广泛的传统方法.支持向量机(S VM)、分类回归树(C A R T)和随机森林(R F)等作为新型方法相比于传统方法能够使分类结果更加客观,同时降低了分析复杂性和数据处理的时间.如S VM相 比 于P L S D A不 受 样 本 类 分 布 的 影 响,C A R T能够根据决策树图直观地做出决策分类、提取知识规则,R F能够对预测变量之间的复杂相互作用进行表不同种类传感器在果蔬病害检测中的应用T a b l eA p p l i c a t i o no fd i f f e r e n t s e n s o r s i nf r u i t a n dv e g e t a b l ed i s e a s ed e t e c t i o n厂家型号应用敏感传感器文献德国A i r s e n s e公司P E N火龙果桃吉尔霉感染W W(硫化物)、W W(芳香成分和有机硫化物)日本F i g a r o公司日本F i s公司洋葱佰克霍尔德菌感染T G S (氨气)、S B AQ(VO C s)河南汉威电子公司石榴链格孢菌感染MQ (臭氧、C l、NO)和MQ (氨、硫化物、苯蒸气)德国A i r s e n s e公司P E N草莓灰葡萄孢菌感染W S(氮氧化物)、W W(硫化物)、W W(芳香族化合物和有机硫化物)德国A i r s e n s e公司P E N桃子灰葡萄孢菌、褐腐病菌和匍枝根霉感染W C(苯和芳香族化合物)、W W(硫化物)和W W(芳香族化合物和有机硫化物)河南汉威电子公司大蒜尖孢镰刀菌交链孢菌和灰霉菌感染MQ (烷烃、乙醇)、MQ (乙醇)、MQ (一氧化碳)、MQ (甲烷、天然气)、MQ (天然气、异丁烷、丙烷)、MQ (氢气)、MQ (一氧化碳、燃料气体)、MQ (氨、硫化物、苯蒸气)、MQ (异丁烷、丙烷)法国A l p h aMO S公司F o x 双孢蘑菇黄曲 霉、烟曲 霉、赭曲霉感染L Y/AA(酮类)、L Y/gC T(醇类)、P /(胺类)、L Y/GH(有机胺类)、L Y/gC T L(硫类化合物)德国A i r s e n s e公司P E N苹 果 扩 展 青 霉 和 黑 曲 霉感染W S(甲烷)、W S(醇 类 和 芳 香 族 化 合 物)、W S(氮 氧 化物)、W W(硫化物)和W W(芳香族化合物和有机硫化物)表常见不同算法的优缺点T a b l eT h ea d v a n t a g e sa n dd i s a d v a n t a g e so f c o mm o nd i f f e r e n t a l g o r i t h m s算法种类优点缺点分类回归树不受异常值或非线性关系的影响样本类别较多而训练集较少时,性能较差支持向量机能够区分边界复杂的样本模型开发较为困难,需要大量信息学数据朴素贝叶斯分类效率稳定,所需参数少,对缺失值不敏感变量较多或者变量之间相关性较大时,分类效果不好K 最邻近易于实现,无需估计参数类别的偏态分布可能导致分类错误随机森林能够处理高维度数据,模型泛化能力强在某些噪音较大的分类或回归问题上可能产生过拟合偏最小二乘判别分析能够处理变量间的多重共线性问题不同类别样本区域之间的分离不够,可能会导致分类错误深度学习学习能力强,适应性好无法对数据量较小的数据的规律进行无偏差估计,模型设计复杂K 均值聚类对大规模数据集的聚类效果较好聚类结果可能收敛于局部最优而非全局最优解主成分分析能够快速显示样本之间的差异性与相似性不适合用于区分不同的样本类线性判别分析在降维过程中可以使用类别的先验知识经验不适用于非高斯分布的样本|V o l ,N o 吴嘉雯等:电子鼻技术在果蔬病害检测中的研究进展建模 等.在实际应用中,各种识别算法具有不同的适用性,为了更好地检测果蔬病害,通常采用多种算法来处理大量 复 杂 的 试 验 数 据.如P C A、L D A和 载 荷 分 析(L A)被用于红香梨腐烂检测;L D A、多层感知器神经网络(ML P NN)和径向基函数神经网络(R B F NN)被用于苹果霉心病检测,KNN和反向传播神经网络(B P NN)被用于马铃薯真菌性腐烂检测 等.随着人工智能领域的快速发展,深度学习(D L)在电子鼻中也有了部分应用,如电子鼻结合卷积神经网络(C NN)判别普洱茶的贮藏时间;电子鼻结合修正卷积神经网络(I MC NN)判别牛肉的新鲜度 等,日后也将逐渐被应用于果蔬病害的检测.电子鼻在果蔬病害检测中的应用果蔬采后贮藏和运输各环节中很容易受到割伤、切伤、擦伤、压伤等机械损伤,病原菌容易从果蔬表皮的伤口入侵而导致病变.侵染性病害以真菌和细菌侵染为主,是引起果蔬采后腐烂变质的主要病害.例如,葡萄、草莓等灰霉病的发生由灰葡萄孢菌 引起,番茄、辣椒等黑斑病的发生由互隔交链孢霉 引起,甜菜细菌性斑点病的发生由丁香假单胞菌 引起,黄瓜细菌性角斑病的发生由丁香假单胞菌和胡萝卜软腐果胶杆菌 引起.侵染性病害在果蔬采后贮藏期间具有较强的传染性,若不能及时剔除染菌果蔬,容易引起大规模的病变.单种病原菌的检测和识别病原菌对果蔬的侵染包括入侵、潜伏和病变个阶段,当病原菌侵入后,会诱导VO C s相关生物合成酶活性