电子鼻在食品分类和检测系统中的应用

王晓明,陈开兵

（滁州职业技术学院，安徽 滁州 239000）

一、电子鼻在食品分类检测中的优势

“电子鼻”的概念最早在1982年由英国华威大学的Persand和Dodd两位教授通过研究动物嗅觉系统的结构和机理，对几种有机挥发气体进行类别分析时提出来的。在此之后，随着材料科学、制造工艺、计算机、应用数学等相关科学的快速发展，经过全世界研究人员十几年的努力，电子鼻技术取得了长足性的突破。至今该技术已初步应用到环境检测、军事海关、食品、化工、医药等领域，并且在各国研究人员的努力下，其研究和应用领域还在不断地扩大。

长期以来，人们对气味的识别大多数是由训练有素、经验丰富的专业工作人员来进行。比如在醋类、烟草、化妆品等行业中，研究人员通过嗅觉来检验产品质量。对于白酒进行分类时，专业人员受过系统、专业的训练，通过看（色泽）、摇（清澈度）、闻（香气）、尝（味道）等一系列手段对白酒的多个指标进行打分，判断白酒的种类。可是，这个办法对工作人员的要求较高，实验结果受他们的主观性影响，容易产生误判。

而对食材的客观分析还可以使用化学方法，典型就是利用气相色谱法。利用此方法可以对食材样本进行标定。但是化学分析方法有缺点：分析过程繁琐、困难，对实验环境要求苛刻、成本高，检测周期长、不适合现场检测。

与这两种方法相比，电子鼻用在食材分类上主要是利用食品散发的气味来测量其中包含的信息，这些特征成分是使用电子鼻对食品分类的重要依据。具有如下显著的优点：

（1）电子鼻利用多个传感器组成阵列，这些传感器都是广谱型器件，对食品多种挥发物质都进行响应，且对同一种物质响应程度各不相同，是对同一个食品进行“整体”检测并分析。

（2）因为电子鼻是一个整体，测试不同品牌食品不需要再调节其他参数，保证了食品分类实验条件的统一性，也只有在统一性的条件下实验结果才有意义。

（3）电子鼻对食品的响应信号直接转换为电压信号，并利用数据采集系统对数据进行记录和保存，数据可直接用于分析处理，大大减少分析过程的繁琐步骤。

（4）与传统实验室检测方法耗时几天相比，电子鼻对食品分类的检测过程很短，时间和成本都能得到很好控制。采用电子鼻技术对食材进行快速、准确的定性分析，具有很大的应用潜力。所以开展电子鼻在食材分类上研究既有社会效益，又有广阔的市场应用前景，对国民经济和学术上存在非同凡响的价值和意义。

二、电子鼻组成

国内外学者对电子鼻技术的研究，主要从传感器选择及其外围硬件电路的设计、模式识别理论、电子鼻技术在多个领域的应用三个方面来研究[1]。其中电子鼻技术在检测方面的应用，主要是对检测对象的挥发性气味进行识别和分类，从而对检测对象作出质量分级和新鲜判别。

电子鼻是一种仿照人的鼻子设计而成的电子器件，主要由气体传感器阵列、信号采集系统、数据处理系统和控制系统四个部分组成。它的工作流程与人的嗅觉过程很相像：气体传感器阵列对气味反应产生信号，信号经过信号采集系统集中，再经数据处理系统进行处理，控制系统采用相应算法对气体传感器阵列、信号采集系统、数据处理系统进行采样、控制等，最后综合输出检测结果。电子鼻系统通过记录阵列中的每个传感器对被测气体的特征响应来对被测气体建立“指纹信息”，从而判断被测气体的身份。

电子鼻结构框图如图1所示：

图1电子鼻结构框图

三、电子鼻的应用领域

（一）电子鼻在酒类和液体类食品领域的应用

酒类、醋类食品在经济发展中占有重要地位，其品质检测也备受关注。

2000年，秦树基等利用4个金属氧化物气体传感器组成的阵列[2]，研究了3种人工神经网络(BPN,LVQ和PNN)对电子鼻识别4种白酒的影响。同年，史志存等参考了气象色谱仪的结构，自行研制了一个简单的电子鼻系统[3]，不仅可以识别不同香型的白酒，而且可以识别同一香型的白酒。2009年，邹小波等运用30个可视化传感器阵列[4]，对4种白酒进行测试，不仅可以区分不同酒精度的白酒，还能区分酒精度相似、香型不同的白酒。2014年，张鑫通过应用德国AIRSENSE公司生产的电子鼻系统PEN3对4个不同质量等级的清香型大曲酒进行挥发物特征响应分析、PCA分析、LDA分析、LOADING分析[5]，发现使用PCA和LDA分析区分贡献率都很高。2015年，周宇等等采用自主设计的电子鼻结合单类支持向量机可以很好地对白酒真假进行识别[6]。

Yin Y等人在2014年提出了一种基于Wilks Λ旋转变换方法对传感器阵列进行优化[7]，从13个传感器中选取其中的9个组成阵列并建立了有序组，利用主成分分析（PCA）对三种食醋进行鉴别，效果显著。这说明在模式识别之前对传感器进行优选时很重要的，对后续识别率提高很有帮助。Xu K等人设计了基于MOS传感器的电子鼻，用于检测中国山核桃质量。根据对山核桃挥发气体的GC-MS结果来优化传感器阵列，通过平均微分系数、稳定值和反应面积提取得到特征矩阵。使用主成分分析（PCA）来验证经过优化后的特征矩阵的分类能力，分别应用偏最小二乘回归（PLSR）和反向传播神经网络（BPNN）方法来比较优化特征矩阵和未优化特征矩阵的预测能力。实验结果显示：优化特征矩阵构 建 的 回 归 模 型（PLSR：R2=0.9377；BPNN：R2=0.9787）比未优化的特征矩阵构建的回归模型（PLSR：R2=0.8887；BPNN：R2=0.9093）效果更好，预测精度更高，表明传感器阵列优化确实能够提高传感器电子鼻性能。

（二）电子鼻在水果蔬菜新鲜度检测中的应用

由于果蔬种类较多，通过计算机视觉技术检测利用图像传感器，将果蔬图像信息转化为数字信息，模拟人类判别方法对果蔬新鲜度做出判断，Blasoc J等开发了一个能同时检测苹果、柑桔和桃的机器视觉在线判别系统，该系统能完成对这些水果的尺寸、形状、颜色、果梗位置和水果的外部缺陷的检测；冯甲一等利用计算机视觉技术，构建叶类蔬菜新鲜度识别系统，并利用后续算法对叶类蔬菜新鲜度进行识别，探究叶类蔬菜新鲜度等级。

Hong X等人研究使用电子鼻来实现判断西红柿的新鲜度，利用模式识别算法对番茄质量指标进行建模；通过检测榨汁来判断果实质量，为电子鼻的应用领域增加一种可能。Mujawar T等人利用电子鼻研究香蕉和番石榴的各个成熟阶段（不够成熟，成熟，熟透）。该电子鼻由MOS型传感器组成阵列，检测从水果中散发的香气成分，对实验数据使用人工神经网络（ANN）的模式识别方法对果实的成熟度进行判断，以此来指导客户的水果可食用状态。

（三）电子鼻在水产检测中的应用

Li J等人研究了一种便携式电子鼻[8]，对大黄鱼测量8天获得响应样本，微生物和化学指标（总活菌数、K值和GC-MS）也同时测量。利用主成分分析（PCA）和随机共振（SR）对数据进行分析。结果表明，随着时间的推移，微生物繁殖，K值增加。GC-MS结果为电子鼻反应提供可靠的参考。PCA无法区分全部大黄鱼样本，通过K值和SR信噪比最大值SNRmax线性拟合回归获得K值预测模型，该模型预测精度能达到83%。这样，电子鼻在水产品质量快速分析中得到应用。

李婷婷等运用电子鼻技术分析了冷藏过程中三文鱼片挥发性成分的变化[9]；徐永霞等采用电子鼻对大菱鲆的冷藏货架期进行了研究[10]。

四、存在的问题与发展前景

国外专家学者对电子鼻开展研究较早，理论发展也已经很成熟。在实用化和商业化领域，国外已经有好多家商业电子鼻公司能够提供稳定的产品，最具有代表性的就是法国Alpha M.O.S.公司的FOX系列和德国Airsense公司PEN系列电子鼻。

在国内，电子鼻研究的历史还不长，还处于实验室阶段。虽然己有一些利用电子鼻进行牛奶、葡萄酒、水果、橄榄油等质量进行评价的成功报道，但是对于带有浓郁地方特色的食材，很少有人对其进行电子鼻研究。

电子鼻技术将以多种技术集合向便携化、智能化方向发展。