电子鼻检测烤后烟叶挥发性组分的方法研究

冯莉，常爱霞，郭从涛，李艳丽，高亭亭，文轲，罗成刚*

(1.中国农业科学院烟草研究所，青岛 266101；2.中国农业科学院研究生院，北京 100081；3.青岛农业大学，青岛 266109；4.四川农业大学，成都 611130)

电子鼻检测烤后烟叶挥发性组分的方法研究

冯莉1,2，常爱霞1，郭从涛3，李艳丽1,2，高亭亭1,2，文轲4，罗成刚1*

(1.中国农业科学院烟草研究所，青岛 266101；2.中国农业科学院研究生院，北京 100081；3.青岛农业大学，青岛 266109；4.四川农业大学，成都 611130)

本研究采用电子鼻系统对不同形态烤后烟样进行测定，以便初步建立一个烤后烟叶挥发性组分判别检测的方法。结果表明，不同样品形态、同一样品不同放置时间均对电子鼻检测效果有一定影响。对于烟丝样品，放置 4 h 检测为宜；对于烟末样品，放置 30 min 检测为宜；采用烟丝样品检测效果优于烟末样品。结果分析表明，线性判别分析（LDA）比主成分分析（PCA）更能有效的区分不同样品，幵且 LDA 分析的结果更能代表样品的整体特征。传感器 Loadings 分析表明，烟丝样品检测时贡献率较大的传感器是 2、7、8、9；烟末样品检测时贡献率较大的传感器是 2、7、9。利用电子鼻技术在合适的条件下，可以对不同品种不同部位的烟样进行区分和鉴别。

电子鼻；检测；烟叶；挥发性成分；方法

烟叶质量是卷烟质量的主要决定因素，烟叶香气是衡量烟叶质量的重要指标。一直以来，感官评吸是评价烟叶香气及吃味优劣的最主要方法，但感官评吸主观性较强且影响人体健康，样品量大时难以有效进行[1]。随着分析检测技术的发展，人们开始利用气相色谱/质谱联用技术(GC/MS)，对烟叶香吃味的物质基础进行探索，以期能够找到客观的评价烟叶香吃味的方法，但这些检测方法检测费用昂贵，前处理方法繁琐，检测周期长，特别是所得气味都是经样品分离后的结果，很难代表样品的整体性，与人的嗅觉很难作系统化和科学化的对照[2]。近年来，研究人员开始将气敏传感器阵列和模式识别技术相结合，构造了能够对生物嗅觉功能进行模拟的电子鼻。与其他常规仪器分析法如色谱-质谱联用、色谱-红外联用、核磁共振等波谱技术相比，操作简便，样品前处理简单，测定速度快、基本不用有机溶剂，是一种“绿色”的仿生检测仪器。同时，它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成分的整体信息，也称“指纹”数据[3]。因此，电子鼻技术已在酒类的品质评价和水果、茶叶等农产品品质评价的研究中得到应用[4-10]。目前，电子鼻在烟草行业研究中的应用，多集中在卷烟内在品质的分析[11]、卷烟真伪的鉴别[12]、卷烟烟丝加香质量的评价[13]、卷烟烟丝挥发性组分的整体性研究[14]等方面，关于电子鼻技术对烟叶原料评价的研究报道还较少。本研究通过对烟叶样品不同处理形态、不同处理时间以及不同数据分析方法的研究，初步探索电子鼻判别烟叶样品挥发性组分整体性的可行方法，旨在为烟叶原料以及新品种选育过程中香气性状的快速判定筛选奠定方法基础。

1 材料与方法

1.1 材料和仪器

1.2方法

分别秤取各品种不同部位的烟丝和烟末样品各 5 g，置于 100 mL 三角烧瓶中，封口膜密封，每个试验样品重复3次；样品经快速密封后，按设置时间 0 min、30 min、60 min、4 h、24 h 和 48 h 进行测定。采用直接顶空吸气法(室温 20 ℃，湿度60%)直接将进样针头插入密封的三角瓶中，用电子鼻进行测定。电子鼻的测定条件为:传感器自清洗时间为 100 s，传感器归零时间为 10 s，样品准备时间为 5 s，进样流量为 300 mL/min，分析采样时间为 60 s。

表1 PEN 3 传感器阵列及其性能Table 1 Sensor array and its performance

1.3 数据处理

对于样品区分分析，利用主成分分析法(PCA)和线性判别式分析(LDA)。对电子鼻不同传感器贡献率，主要采用 Loadings分析。

2 检测方法的研究确立

2.1 烤后烟叶挥发物检测中电子鼻响应值的变化

图 1 呈现了 0～60 s 10 个传感器对烤后烟叶烟丝挥发物的相应强度变化。从图1可以看出，电导率比值刚开始接近于 1(与 G0相近)，随着挥发物质在传感器表面的富集，传感器的电导率出现明显变化，随着采样时间的延长在 30 s后基本趋于平缓，达到一个平稳的状态。从图2可以看出，烟末如烟丝。因此，本研究用稳定状态下信号进行分析，取45～55 s的信号作为分析的时间点。

2.2 电子鼻对不同形态及不同放置时间样品的响应

图1 10 个传感器对烤后烟丝香气的典型响应曲线Fig. 1 Typical response curves of 10 sensors to volatiles of flue-cured tobacco leaves cut

图2 10 个传感器对烤后烟末香气的典型响应曲线Fig. 2 Typical response curves of 10 sensors to volatiles of flue-cured tobacco leaf powder

图3 烟丝样品不同放置时间下传感器响应值的变化Fig. 3 Response values of cut tobacco by different storage time

对比图 3 和图 4，烟末样品的 10 个传感器的电导率比值明显低于烟丝样品，说明利用烟丝样品检测效果要好于烟末样品。

图4 烟末样品不同放置时间下传感器响应值的变化Fig. 4 Response values of tobacco powder by different storage time

2.3 不同数据分析方法比较

根据电子鼻对不同形态及不同放置时间样品的响应结果，放置 4 h 的烟丝样品电子鼻检测效果最好。在此，选择放置 4 h 的烟丝样品检测数据进行分析。

2.3.1 PCA 分析 主成分分析(PCA)是将所提取的传感器多指标的信息进行数据转换和降维，并对降维后的特征向量进行线性分类，最后在 PCA分析的散点图上显示主要的两维散点图。PC1 和PC2 上包含了在 PCA 转换中得到的第一主成分和第二主成分的贡献率，贡献率越大，说明主要成分可以较好地反映原来多指标的信息[15]。

从图 5可以看出，PCA分析的第一主成分的贡献率为 94.69%(横坐标 PC1)，第二主成分的贡献率为 3.18%(纵坐标 PC2)，两个主成分贡献率之和已达 97%以上，表明 PCA 第一主成分、第二主成分的二维图可以代表原始数据中的总体信息。利用PCA分析不能将烟丝样品进行有效区分，不同样品间重合度较高，仅红大的上部叶与其他样品没有重叠。云烟 87 的上部叶和中烟 103 的上部叶出现重叠，中烟 103、红大和云烟 87 的下部叶和中烟 103、云烟 87 的中部叶出现重叠，表明其挥发性物质类似。

图5 放置 4 h 烟丝样品检测结果的 PCA 分析图Fig. 5 Analytical results by PCA for cut tobacco after storing 4 hours

从图 6可以看出，在 LDA 分析中，线性判别函 数 LD1 和 LD2 的 贡 献 率 分 别 为 71.10% 和22.86%，总的贡献率为 93.96%，可以很好的将不同品种上、中、下3个部位的样品区分开，并且 3个品种同一部位的样品聚集度较好，表明3个品种同一部位挥发性物质总体特征接近。就同一部位不同品种比较，红大与云烟 87 总挥发性成分差异相对较大，与中烟 103 差异相对较小，中烟 103 与红大和云烟 87均有部分重叠。

图6 放置 4 h 烟丝样品检测结果的 LDA 分析图Fig. 6 Analytical results by LDA for cut tobacco after storing 4 hours

2.4 电子鼻不同传感器贡献率分析

Loadings分析可用来分析电子鼻各传感器贡献率，帮助区分在当前模式下各传感器的相对重要性。如果某个传感器在坐标轴上的位置距原点(0，0)越远，其负载参数值就越大，说明该传感器在识别时的贡献就越大；反之，贡献率就越小。当某个传感器在模式识别中的负载参数接近0时，那么该传感器的识别能力可以忽略不计；若传感器的响应值很高，则该传感器就是识别传感器[16]。

由图 7可知，在烟丝样品中，7传感器对第一主成分贡献率最大，2传感器、9传感器次之；8传感器对第二主成分贡献率最大，9传感器、6传感器次之；5、3传感器相近，且距离原点最近，说明其贡献率很低，可以忽略；7、9、2、8 传感器距离原点较远，响应值较大，在识别不同品种的烤烟烟丝样品时作用最大。据此可对传感器进行选择与优化，据本实验中对烟丝样品的传感器 Loadings 分析，去掉的传感器为 5、3、4、1、10。

由图 8可知，在烟末样品中，7传感器对第一主成分贡献率最大，2传感器、9传感器次之；2传感器对第二主成分贡献率最大，8传感器次之；1、3和 5传感器几乎重合，且距离原点最近，说明其贡献率很低，可以忽略；7、2、9 距离原点较远，响应值较大，在识别不同品种的烤烟烟末样品时作用最大。据此可对传感器进行选择与优化，据本实验中对烟末样品的传感器 Loadings分析，去掉的传感器为 5、3、1、4。

图7 烟丝样品的 Loadings 分析图Fig. 7 Analytical results by loadings for cut tobacco

图8 烟末样品的 Loadings 分析图Fig. 8 Analytical results by loadings for tobacco powder

3 讨 论

本研究中烟末样品的检测峰值远低于烟丝样品，主要原因可能有两个，一是烟末样品相比烟丝样品，多了 40 ℃烘箱中的烘烤及烤后研磨的处理工序，挥发性物质散失量较多；二是烟末样品压得相对紧密，部分样品挥发组分不能充分挥发，而烟丝样品相对蓬松，易于挥发性组分的溢出。由于烟叶在卷烟使用的过程中，也主要是以烟丝形态利用，所以利用电子鼻检测时采用烟丝样品要优于烟末样品。此外，由于检测的是挥发性气体受温度影响较大，同时烟叶在切丝利用前还需要经过 70 多度的复烤工序，因此，今后还应该探索不同温度处理对烟叶挥发性组分的影响，以便有效鉴别不同烟叶原料在后续卷烟利用中的应用价值。

利用电子鼻进行烤后烟叶挥发性组分检测时，不同样品形态、同一样品不同放置时间均对检测效果有一定影响。实验表明，对于烟丝试样，放置 4小时检测为宜；对于烟末样品，放置 30 min 检测为宜。从样品形态上来看，烟丝样品的检测效果最好。利用电子鼻技术在合适的条件下，可以对不同品种不同部位的烟样进行很好的区分和鉴别，采用电子鼻系统中的 LDA分析比 PCA 分析更能有效的区分不同样品，并且 LDA 分析的结果更能代表样品的整体特征。经过传感器 Loadings 分析，对烟丝样品，检测时贡献率较大的传感器是 2、7、8、9，优化时去掉的传感器为 1、3、4、5、10；对烟末样品，检测时贡献率较大的传感器是 2、7、9，贡献率较小、优化时去掉的传感器为 1、3、4、5。可以看出，电子鼻作为检测挥发性组分的一种操作简单、速度快的新型仪器，随着试验方法的不断完善和化学计量学方法的不断进步，其在烟叶原料相关研究领域中将得到广泛应用。

[1]毛友安，刘巍，黄建国，等. 用电子鼻技术评价烟叶挥发性组分的研究[J]. 化学传感器，2006，26(2):23-28.

[2]唐晓伟，刘明池，何洪巨，等. 新鲜番茄风味组分研究[J]. 食品科学，2007，28(2):28-30.

[3]张红梅，王俊. 电子鼻传感器阵列优化及其在小麦储藏年限检测中的应用[J]. 农业工程学报，2006(12): 164-167.

[4]王俊，胡桂仙，于勇，等. 电子鼻与电子舌在食品检测中应用研究进展[J]. 农业工程学报，2004，20(2): 292-295.

[5]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(4):113-117.

[6]Stijn Saevels, Jeroen Lammertyn, Amalia Z Berna, et al. An electronic nose and a mass spectrometry-based electronic nose for assessing apple quality during shelf life[J]. Postharvest Bio logy and Technology, 2004, 31: 9-19.

[7]Corrado Di Natale, Antonella Macagnano, Eugenio Martinelli, et al. The evaluation of quality of postharvest oranges and apples by means of an electronic nose[J]. Sensors and Actuators B, 2001, 78: 26-31.

[8]Brezmes J, Llobet E, Vilanova X, et al. Fruit ripeness monitoring using an electronic nose[J]. Sensors and Actuators B, 2000, 69: 223-229.

[9]Corrado Di Natale, Manuela Zude-Sasse, Antonella Macagnano, et al. Outer product analysis of electronic nose and visible spectra: Application to the measurement of peach fruit characteristics[J]. Analytica Chimica Acta, 2002, 459: 1072117.

[10] 周亦斌，王俊. 新技术在茶叶品质评价中应用的现状及趋势[J]. 茶叶科学，2004，24(2):82-85.

[11] 殷勇，吴守一. 用基于神经网络的电子鼻评定卷烟香气质量[J]. 仪器仪表学报，2003，24(1):86-88.

[12] Luo D H, Gholam H, John R. Application of ANN with extracted parameters from an electronic nose in cigarette brand identification [J]. Sens Actuators B, 2004, 99: 253-257.

[13] 黄勇强，邹小波，赵杰文. 电子鼻在香精识别中的应用研究[J]. 食品工业科技，2005(12):85-88.

[14] 毛友安，刘巍，黄建国，等. 用电子鼻技术评价烟叶挥发性组分的研究[J]. 化学传感器，2006，26(2):23-28.

[15] 唐晓伟，张万清，耿利华，等. 电子鼻评价甜瓜成熟度及风味的研究[J]. 中国农学通报，2010，26(21): 75-80.

[16] 宋伟，刘璐，支永海，等. 电子鼻判别不同储藏条件下糙米品质的研究[J]. 食品农业科学，2006，32(6): 677-682.

Study on the Method of Using Electronic Nose to Detect the Volatile Components in Cured Leaves

FENG Li1,2, CHANG Aixia1, GUO Congtao3, LI Yanli1,2, GAO Tingting1,2, WEN Ke4, LUO Chenggang1*
(1. Tobacco Research Institute of CAAS, Qingdao 266101, China; 2. Graduate School of CAAS, Beijing 100081, China; 3. Qingdao Agricultural University, Qingdao 266109, China; 4. Sichuan Agricultural University, Chengdu 611130, China)

This study attempted to use electronic nose system to measure cured tobacco leaf samples of various forms, so that a method for determining volatile component in tobacco leaves could be established. The results showed that the detection results were influenced by tobacco forms and storage periods. Storage time of 4 hours was the best for detecting cut tobacco leaves, and 30 minutes was optimum for tobacco powder. The detection results for cut tobacco was better than those of tobacco powder. Linear discrimination analysis (LDA) discriminate different tobacco materials more effectively than principal component analysis (PCA). The result of LDA could represent overall characteristics of sample. Tested by the Loadings analysis, sensor 2, 7, 8, 9 had higher contribution rates during test cut tobacco sample, while, sensor 2, 7, 9 had higher contribution rates during test tobacco powder. Electronic nose detection could be used to discriminate the varieties or regions produced of flue-cured tobacco leaves.

electronic nose; detection; tobacco leaf; volatile component; method

S572

1007-5119（2014）04-0092-07 DOI：10.13496/j.issn.1007-5119.2014.04.018

国家烟草专卖局项目“„浓香型‟烤烟品种的选育及应用研究”(110200902044)

冯 莉，女，在读硕士，从事作物遗传育种理论与方法研究。E-mail:fengliyebo520@163.com。*通信作者，E-mail:ctsqz@163.net

2013-03-21

2013-12-30