基于电子鼻技术预测草莓采后品质

赵秀洁，吴海伦，潘磊庆，屠 康*

（南京农业大学食品科学技术学院，江苏 南京 210095）

基于电子鼻技术预测草莓采后品质

赵秀洁，吴海伦，潘磊庆，屠 康*

（南京农业大学食品科学技术学院，江苏 南京 210095）

为建立一种无损检测草莓品质等级的方法，分别将草莓在20 ℃（常温）和4 ℃（低温）条件下贮藏，对草莓进行感官评价，测定质量损失率和硬度以确定其品质等级，提取电子鼻响应信号并进行分析。结果显示：电子鼻传感器阵列所含的10 个传感器响应信号与草莓品质等级相关，大多数传感器与品质等级具有显著相关性。对于常温组和低温组，主成分分析都能够正确区分不同品质等级的草莓果实；通过Fisher判别建立的回归函数对草莓常温组一级、二级、腐败级品质的判别总体准确率为97.5%；对低温组一级、二级、腐败级品质的判别总体准确率为93.3%。结果说明应用电子鼻技术实时监测草莓采后贮藏和流通过程中的品质变化具有可行性。

草莓；理化指标；品质等级；电子鼻；预测

草莓（Fragaria ananassa Duchesne）是一种非呼吸跃变型果实，属于蔷薇科，草莓属。草莓含水量较高，皮薄肉嫩，采后在常温条件下极易失水皱缩，衰老变质，且易受病原菌侵染和机械损伤而腐烂，从而失去商品价值，限制了货架期[1]。目前针对草莓品质的检测技术已经有了快速的发展，但绝大部分都是破坏性检测，因此，非常有必要研究草莓的品质指标和无损检测参数的关系，建立基于无损检测技术的草莓品质评价体系。

电子鼻作为无损检测的一种重要手段，具有客观、准确、快捷地评价气味，重复性好的特点[2]，已广泛用于农畜产品的品质检测和分级，如食用油的检测[3-6]、水产品的检测[7-10]、蛋类检测[11-12]、肉类检测[13-16]等。在水果采后品质预测方面也取得了长足进展，朱娜等[17]对草莓分别接种灰霉、扩展青霉和根霉，电子鼻能在草莓感染霉菌的第2天将好果和病害果进行区分；Pallottino等[18]运用电子鼻技术对柑橘早期感染青霉菌和绿霉菌的果实进行判别，结果表明偏最小二乘判别分析能很好地区分青霉菌感染和非感染的样品；惠国华等[19]利用电子鼻技术预测梨的新鲜度，结果显示电子鼻响应信号和梨的新鲜程度存在显著相关性。本实验分别在20、4 ℃，85%～90%相对湿度条件下，以不同保藏时间的草莓为研究对象，采用电子鼻技术，研究气味与草莓品质等级的关系，通过主成分分析、多元统计相关性分析、Fisher判别建立了基于草莓气味的品质等级预测模型，从而确立一种基于电子鼻判别草莓品质等级的无损检测方法。

1 材料与方法

1.1 材料

实验材料为八成熟的‘红颜’草莓。于2013年4月1日采自南京锁石村草莓园，选择大小基本一致、着色均匀，无表面损伤的草莓。运回实验室后将草莓平均分成两组，分别在20 ℃常温组、4 ℃低温组，相对湿度85%～90%条件下贮藏。

1.2 仪器与设备

PEN3型便携式电子鼻 德国Airsense公司；LW203型电子天平 意大利BEL公司；FT-011型硬度计 意大利Affri公司。

1.3 方法

1.3.1 质量损失率的测定

参照程赛等[20]的方法。每次测3 组，每组30 个果实。常温组每天测量，低温组每隔2 d测量一次。按下式计算质量损失率：

1.3.2 电子鼻的测定

常温组：每天取出常温贮藏的草莓，一个样本（含3 颗草莓）放入250 mL烧杯中，并用锡箔纸封口，设30 个平行，在20 ℃中静置10 min后提取电子鼻响应值[17]，连续测定4 d，共120 个样本；低温组：每隔2 d将草莓从冰箱取出，多次预实验表明，于20 ℃、85%～90%相对湿度条件下回温2 h，草莓果实内部温度能达到20 ℃，然后将3 颗草莓（为一组样本）放入250 mL烧杯中，用锡纸封口，设30 个平行，于20 ℃中静置10 min后提取电子鼻响应值，测至15 d（检测6 次），共180 个样本。多次预实验确定实验参数如下：流速120 mL/min、测定时间60 s、洗气时间110 s、样品准备时间5 s、自动调零时间5 s。实验发现传感器响应值在50 s左右趋于稳定，所以选择55 s处的响应值用于数据分析。以不放草莓的空杯为校准样，数据分析时测定值需扣除校准样品值。电子鼻检测后的样品用于感官评价和硬度测定。

1.3.3 感官评价

常温组每天（低温组每隔2 d）取电子鼻检测后的草莓60 颗，由 10 位感官评定人员进行打分，草莓果实感官评定参照龚军等[21]的方法，结果取平均值。感官质量评分标准见表1，规定草莓品质一级为80～100 分，二级为60～80 分，腐败级（失去商品价值）为小于60 分。

表1 草莓感官评分表Table 1 Criteria for sensory evaluation of strawberry fruits

1.3.4 硬度测定

参照文献[20]方法，用FT-011型果实硬度计测量，常温组每天（低温组每隔2 d）取电子鼻检测后的草莓30 颗，测量草莓赤道部位的硬度，每颗草莓测量2 次，计算平均值。

1.4 数据处理

采用电子鼻自带的Winmuster软件进行主成分分析（principal component analysis，PCA），SPSS 18进行相关性分析及Fisher判别分析，利用Excel进行其他分析。

2 结果与分析

2.1 草莓采后品质等级的确定

2.1.1 感官评价

草莓采摘当天果型饱满，颜色亮丽，香气浓郁，20 ℃条件下贮藏1 d后，果实除颜色稍有加深外，其他指标无明显变化，口感依然很好，第0、1天草莓感官评定得分均值分别为95、81，根据评分标准品质为一级（L一级）；贮藏2 d后出现水渍状斑点，颜色变暗，果肉部分变软，口感变差，但仍可食用，第2天草莓感官评定得分均值63，根据评分标准品质为二级（L二级）；贮藏第3天，果面表面出现黄褐色斑点，随后，腐烂加速，果实表面出现白色和灰色菌丝，交叉感染严重，第3天草莓感官评定得分均值为20，根据评分标准为腐败级（L腐败级，失去商品价值）。另外，4 ℃条件下贮藏第0、3、6天的果实颜色鲜亮，口感好，感官评定得分分别为95、93、84，品质为一级；第9、12天的果实颜色虽未出现较大变化，但表面出现水渍状斑点，口感也有所下降，感官评定得分分别为69、66，品质为二级；贮藏15 d后的果实软化严重，有较多汁液外流，开始腐烂，感官评定得分为49，品质应为腐败级（失去商品价值）。

2.1.2 质量损失率变化

图1 草莓质量损失率随时间的变化Fig.1 Change in weight loss of strawberry fruits during storage

草莓含水量是评价草莓商品性的重要指标之一。草莓皮薄，表面积大，且表面没有蜡质和角质结构防止水分散发，因此草莓采后失水速度较快。新鲜草莓含水量在90%左右，室温条件下每天失水2.17%～2.65%，当草莓失水5%左右时失去商品价值[22]。由图1可知，草莓常温贮藏0～2 d期间质量损失率缓慢上升，但未超过5%，从第3天开始，质量损失率开始明显增加，超过5%，失去商品价值，这与感官评价结果一致。低温贮藏，前9 d质量损失率很小，从第9天开始质量损失率明显增加，15 d后质量损失率超过5%，失去商品性，这与感官评价结果一致。

2.1.3 硬度变化

图2 草莓硬度随时间的变化Fig.2 Change in hardness of strawberry fruits during storage

果实硬度直接影响草莓果实品质和商品性，也是采后贮藏品质评价的重要方面。草莓果实采后随着贮藏时间的延长，逐渐衰老软化，硬度下降[22]。由图2可知，常温组第1天硬度变化较小，低温组贮藏前6 d硬度基本无变化，说明果实品质变化不大，后期硬度快速下降，这也与感官评价结果具有一致性。

通过感官评价和质量损失率、硬度的检测结果可以确定20 ℃贮藏第0、1天的草莓品质等级为一级，第2天为二级，3 d后为腐败级；4 ℃贮藏第0、3、6天的草莓品质等级为一级，第9、12天为二级、15 d后为腐败级。

2.2 电子鼻信号

2.2.1 电子鼻对草莓气味的响应信号

图3为草莓的电子鼻响应图，图中每条曲线代表1 个传感器，共有10 个传感器，分别为W1C（S1：对芳香型化合物敏感）、W5S（S2：对氮氧化物敏感）、W3C（S3：对氨类、芳香型化合物敏感）、W6S（S4：对氢气敏感）、W5C（S5：对烷烃、芳香型化合物敏感）、W1S（S6：对烃类敏感）、W1W（S7：对硫化氢、萜烯类敏感）、W2S（S8：对醇类敏感）、W2W（S9：对有机硫化物敏感）、W3S（S10：对烷烃敏感）[23]。曲线上的点表示挥发性物质进入电子鼻时传感器相对电导率（G/G0）随检测时间的变化情况，响应气体体积分数越大，G/G0的值越偏离1（大于或者小于1），如果浓度低于检测限或者没有感应气体，则该比值接近甚至等于1[24]。由图3可知，在检测初始阶段相对电导率上升或下降较快，一定时间后逐渐趋于平缓。且S1、S3、S5、S6及S8和其他传感器相比有更大的变化值，说明这5个电子鼻传感器对草莓挥发性物质的响应明显，电子鼻对草莓气味敏感。

图3 10 个传感器（S1～S1100）对草莓挥发性物质的响应图Fig.3 The response values of 10 sensors (S1-S10) to strawberry aroma

2.2.2 草莓品质等级和电子鼻响应信号相关性分析

表2 草莓20 ℃贮藏品质等级及相应信号相关性分析Table 2 Correlation of strawberry quality grade and sensor response values at 20 ℃ storage condition

为了衡量草莓品质等级与传感器响应信号的关系，利用SPSS对草莓的不同品质等级的电子鼻响应信号进行相关性分析。由表2、3可知，常温组除S2和S4，低温组除S2的响应信号与品质等级基本无关外，其他传感器响应

信号与品质等级均有一定相关性，相关系数均达到显著水平，说明电子鼻响应信号和草莓品质等级具有高度相关性，应用电子鼻技术预测草莓品质等级具有可行性。

表3 草莓4 ℃贮藏品质等级及响应信号相关性分析Table 3 Correlation of strawberry quality grade and sensor response values at 4 ℃ storage condition

2.3 草莓采后品质等级的判别

2.3.1 PCA

图4 20 ℃贮藏条件下草莓果实品质等级主成分分析Fig.4 Principal component analysis of strawberry quality grade at 20 ℃ storage condition

图5 4 ℃贮藏条件下草莓果实品质等级主成分分析Fig.5 Principal component analysis of strawberry quality grade at 4 ℃ storage condition

由于本实验所用电子鼻系统具有10 个不同的传感器，提供的整体信息会发生重叠，因此使得在高维空间中研究样本的规律性变得复杂。主成分分析能通过降维，将多个变量间的变化转为较少的几个变量，这样在保证原来所有变量信息完整的情况下使得分析变得简单。由图4、5可知，无论是低温组还是常温组，主成分分析可将不同品质等级果实完全区分开来，且不同等级草莓样品点分布差别很大，这可能是由于草莓质量的下降伴随腐败的发生，而无氧呼吸加强，乙醇、乙醛等挥发性物质累积是水果组织败坏后发生的重要生理生化变化。同理，草莓在品质败坏过程中挥发性物质可能发生了较大变化，具体物质的确定还需后续结合气-质联用技术进一步分析。

2.3.2 草莓品质等级模型的建立及验证

表4 基于气味的草莓品质等级预测模型的建立及验证结果Table 4 Discrimination of training and testing sets for validating the predictive model for evaluating postharvest quality grade of strawberry fruits by aroma

Fisher线性判别分析方法是模式识别中一种行之有效的特征提取方法，通过将原始变量投影到最佳的方向上，以实现区分训练集中不同类别的样本的最佳区分[25]。随机取常温组、低温组每次测量的20 个样本（常温组共测4 次80 个样本，低温组共测6 次120 个样本）进行不同品质等级的草莓果实传感器响应值分析，利用逐步回归法（P＜0.05时引入变量，P＞0.1时剔除该变量）进行基于马氏距离的判别分析。常温组引入S4、S6、S7、S8、S9和S10作为变量时，判别模型具有最高的准确率；低温组引入S3、S5、S6、S7、S8、S9和S10作为变量时，判别模型具有最高的准确率。所得不同品质等级的Fisher判别式为：

常温组：

低温组：

式中：S3～S10代表传感器的响应值；Y一级、Y二级和Y腐败级为基于电 子鼻响应的不同品质等级的投影取值，下标为草莓果实的品质等级，Y值最大组则代表其属于哪个品质等级。

该模型Willks λ检验结果：变量P值均小于0.000 1，模型整体P值小于0.000 1，说明所建模型具有统计学意义。将未知样品电子鼻响应信号对应值带入判别式，得出Y值最大的组即为其品质等级。用常温组、低温组每次测量剩余的10 个样本（常温组共测4 次40 个样本，低温组共测6 次60 个样本）对所得模型进行验证，结果见表4，常温建模组总体准确率为98.8%，验证组总体准确率为97.5%；低温建模组总体准确率为95.0%，验证组总体准确率为93.3%。说明该模型能较好地判别草莓不同品质等级。

3 结 论

3.1 通过感官评价、硬度、质量损失率的测定，确定20 ℃条件下贮藏第0、1天的草莓品质等级为一级；贮藏第2天的草莓品质等级为二级；贮藏3 d后的草莓品质等级为腐败级。4 ℃条件下贮藏，第0、3、6天的草莓品质等级为一级；贮藏第9、12天的草莓品质等级为二级；贮藏15 d后的草莓品质等级为腐败级。

3.2 多元线性相关性分析结果显示，大多数传感器响应信号与品质等级具有显著性相关，说明基于电子鼻技术预测草莓品质等级具有可行性。

3.3 主成分分析能够正确区分不同品质等级的草莓果实，其中常温组第1、2主成分的累计贡献率达到99.52%；低温组第1、2主成分的累计贡献率达到98.34%。通过Fisher判别建立的回归函数对常温组一级、二级、腐败级品质的判别总体准确率为97.5%；对低温组一级、二级、腐败级品质的总体准确率为93.3%。本研究结果说明电子鼻技术可以预测草莓采后品质败坏，在实时监测草莓采后贮藏和流通过程中的品质变化具有可行性。

[1] POLYANNA A S, CELESTE M P A, ESTELA R Q, et al. Storage of strawberries (Fragaria ananassa L.) cv. ‘Oso Grande’, subjected to 1-MCP[J]. Acta Scientiarum, 2012, 34(3): 353-358.

[2] 柴春祥, 施婉君, 蔡悦, 等. 电子鼻检测鸡肉新鲜度的研究[J]. 食品科学, 2009, 30(2): 170-173.

[3] APETREI C, APETREI I M, VILLANUEVA S, et al. Combination of an e-nose, an e-tongue and an e-eye for the characterisation of olive oils with different degree of bitterness[J]. Analytica Chimica Acta, 2010, 663(1): 91-97.

[4] 钟诚, 薛雅琳, 王兴国, 等. 初榨橄榄油风味特征在掺伪检测中的应用[J]. 中国油脂, 2013, 38(12): 84-87.

[5] PARK M H, JEONG M K, YEO J D, et al. Application of solid phasemicroextraction (SPME) and electronic nose techniques to differentiate volatiles of sesame oils prepared with diverse roasting conditions[J]. Journal of Food Science, 2011, 76(1): 80-88.

[6] 贾洪锋, 邓红, 梁爱华. 电子鼻在芝麻油掺芝麻油香精识别中的应用[J]. 中国粮油学报, 2013, 28(8): 83-86.

[7] 赵梦醒, 丁晓敏, 曹荣, 等. 基于电子鼻技术的鲈鱼新鲜度评价[J].食品科学, 2013, 34(6): 143-147.

[8] 刘寿春, 钟赛意, 李平兰, 等. 基于电子鼻技术判定冷鲜罗非鱼片品质劣变进程[J]. 食品科学, 2012, 33(20): 189-195.

[9] 郭美娟, 柴春祥, 鲁晓翔, 等. 南美白对虾鲜度的气味检测技术研究[J].浙江农业学报, 2014, 26(1): 20-25.

[10] HUI Guohua, WANG Lüye, MO Yanhong, et al. Study of grass carp (Ctenopharyngodon idellus) quality predictive model based on electronic nose[J]. Sensors and Actuators B: Chemical, 2012, 35(2): 301-308.

[11] LIU Peng, TU Kang. Prediction of TVB-N content in eggs based on electronic nose[J]. Food Control, 2012, 23(1): 177-183.

[12] 刘明, 潘磊庆, 屠康, 等. 电子鼻检测鸡蛋货架期新鲜度变化[J]. 农业工程学报, 2010, 26(4): 317-321.

[13] WANG Danfeng, WANG Xichang, LIU Taiang, et al. Prediction of total viable counts on chilled pork using an electronic nose combined with support vector machine[J]. Meat Science, 2012, 90(2): 373-377.

[14] HONG Xuezhen, WANG Jun, HAI Zheng. Discrimination and prediction of multiple beef freshness indexes based on electronic nose[J]. Sensors and Actuators B: Chemical, 2012, 161(1): 381-389.

[15] 李芳, 孙静, 黄沁怡, 等. 禽肉风味指纹和识别模型的建立[J]. 中国食品学报, 2014, 14(2): 255-260.

[16] 贾洪锋, 卢一, 何江红, 等. 电子鼻在牦牛肉和牛肉猪肉识别中的应用[J]. 农业工程学报, 2011, 27(5): 358-363.

[17] 朱娜, 毛淑波, 潘磊庆, 等. 电子鼻对草莓采后贮藏早期霉菌感染的检测[J]. 农业工程学报, 2013, 29(5): 266-271.

[18] PALLOTTINO F, COSTA C, ANTONUCCI F, et al. Electronic nose application for determination of Penicillium digitatum in Valencia oranges[J]. Journal of the Science of Food and Agriculture, 2012, 92(9): 2008-2012.

[19] HUI Guohua, WU Yuling, YE Dandan, et al. Study of peach freshness predictive method based on electronic nose[J]. Food Control, 2012, 28(1): 25-32.

[20] 程赛, 邵兴锋, 郭安南, 等. 茶树油熏蒸对草莓采后病害和品质的影响[J]. 农业工程学报, 2011, 27(4): 383-388.

[21] 龚军, 付辉, 张茂美, 等. 改性魔芋葡甘聚糖涂膜对草莓的保鲜研究[J].食品工业科技, 2014, 35(1): 315-317.

[22] 陈学红, 贺菊萍. 草莓采后生理和品质变化及保鲜技术[J]. 河北农业科学, 2008, 12(9): 20.

[23] BENEDETTI S, BURATTI S, SPINARDI A, et al. Electronic nose as a non-destructive tool to characterize peach cultivars and to monitor their ripening stage during shelf-life[J]. Postharvest Biology and Technology, 2008, 47(2): 181-188.

[24] AMALIA B. Metal oxide sensors for electronic noses and their application to food analysis[J]. Sensors, 2010, 10(4): 3882-3910.

[25] LIANG Yixiong, LI Chengrong, GONG Weiguo, et al. Uncorrelated linear discriminant analysis based on weighted pairwise Fisher criterion[J]. Pattern Recognition, 2007, 40(12): 3606-3615.

Nondestructive Prediction of Postharvest Strawberry Quality by Electronic Nose

ZHAO Xiu-jie, WU Hai-lun, PAN Lei-qing, TU Kang*
(College of Food Science and Technology, Nanjing Agricultural University, Nanjing 210095, China)

A nondestructive method to predict the postharvest quality of strawberry fruits was proposed. Strawberry fruits were stored at 20 and 4 ℃, respectively. During the storage, sensory evaluation, weight loss and hardness of strawberry fruits were determined to evaluate the quality grade and the aroma components were analyzed by electronic nose. The correlation analysis between the responses of 10 sensors and quality grade showed that most of the sensor responses had a significant correlation with quality grade. Principal component analysis of sensor responses showed that electronic nose could be used to distinguish among different quality grades of strawberry fruits. Based on Fisher classifier method, the quality of strawberry fruits stored at room temperature could be classified at an accuracy of 97.5% for three different grades. Strawberry fruits stored at low temperature achieved classification accuracy of 93.3% based on electronic nose analysis. Therefore, electronic nose is applicable to monitor the quality of strawberry fruits during storage and transportation.

strawberry; physicochemical indexes; quality grade; electronic nose; prediction

TS255.2

A

1002-6630（2014）18-0105-05

10.7506/spkx1002-6630-201418021

2014-04-09

公益性行业（农业）科研专项（201303088）；国家自然科学基金青年科学基金项目（31101282）

赵秀洁（1989—），女，硕士研究生，研究方向为农产品无损检测。E-mail：2012108051@njau.edu.cn

*通信作者：屠康（1968—），男，教授，博士，研究方向为农产品无损检测、贮藏与加工。E-mail：kangtu@njau.edu.cn