电子鼻在肉制品早期污染检测技术中的应用研究进展

龚爱平

（深圳信息职业技术学院智能制造与装备学院，广东 深圳 518172）

引言

目前，我国是世界上肉制品生产的第一大国，也是肉制品消费总量最多的国家，我国的肉制品大体上分为中国传统风味的中式肉制品（如金华火腿）和中国特色的西式肉制品（如广式腊肠）。2015年，我国全年肉类总产量8625万t，肉与肉制品的进口量达268.4万t，到2020年，我国肉与肉制品的需求总量预计将达1亿t，将是肉制品生产与消费最大国家之一。随着人民群众生活水平的提高，肉类食品的质量安全问题越来越受到重视。

电子鼻又称气味扫描仪，是基于人类鼻子感知和识别气味的工作原理开发出来的一种检测气味的智能设备。风味物质的挥发性成分存在差异是电子鼻应用的物质基础，电子鼻检测是通过采集样品挥发性成分如酯类、醇类、醛类、酮类、烷及其他烃类、酸类、含N、S化合物、醚及环氧类等整体信息来评估食物品质的新测量方法。电子鼻通过一组气体传感器阵列的响应图案来识别多种气味，该技术具有响应时间短、检测速度快、评估范围广、重复性好等特点，可以检测多种不同类型的气味，还能检测一些人鼻不能够检测的气体。近年来，电子鼻技术得到广泛的研究和应用。

本文对近几年电子鼻在肉类新鲜度、肉类有害物质、肉类掺假等问题中的应用研究成果进行概述，并分析了电子鼻检测肉类制品存在的问题，对今后的发展提出几点看法。

1 电子鼻的组成及工作原理

电子鼻主要由气敏传感器阵列、信号预处理和模式识别三部分组成，作为一种分析仪器，这些组成部分必须能长期工作并保证可靠性和测试结果可重复性。如图1是电子鼻信号处理的典型工作原理，它的工作过程一般为：气味信息获取、数据预处理、模式识别分析、气味鉴别。电子鼻工作原理是：当被测样品散发的某种气味呈现在气相型、光传感型以及金属氧化物型等常见的活性材料传感器面前，传感器将化学输入转换成电信号，不同活性材料的传感器检测气体的数据响应不一样，例如样品的某种气味在特定的传感器上，反应非常敏感，产生强烈的电信号，而在其他传感器上，反应迟缓，只有微弱的电信号产生。从而，由多个传感器对一种气味的响应便构成了传感器阵列对该气味的响应谱，而系统以此作为依据，对不同气味进行有效区分。显然，气味中的各种化学成分均会与敏感材料发生作用，所以采集的数据是复杂气味的混合数据，为实现对气味的定性或定量分析，必须将采集到的传感器数据进行适当的预处理(消除噪声、特征提取、信号放大等)后，采用合适的数据挖掘方法（如模式识别）对数据进行适当的分析，然后实现混合气味分析。

图1电子鼻信号处理的典型工作原理Fig.1. Analog voltage adjustable circuit and Pulse width modulation circuit

图2是电子鼻数据分析的多元模式分析技术常用方法，电子鼻的传感器阵列识别某种范围内独特的气味信息，即所谓的气味指纹，与检测对象挥发性成分分子相互拟合而进一步对样品进行识别。表1是电子鼻数据分析的多元模式分析技术在肉类品质检测中最常用的方法简介。

图2 电子鼻数据分析的多元模式分析技术常用方法Fig.2. Classification scheme of the multivariate pattern analysis techniques applied to e-nose data.

表1. 电子鼻数据分析多元模式分析技术在肉类品质检测中常用方法简介Tab.1. Summary of the classification scheme of the multivariate pattern analysis techniques applied to e-nose data in meat quality testing

算法缩写 简介Loadings是PCA的一个函数，主要显示主成分分析Loadings或者因子分析当中的loadings的内容，在主成分分析中，实际上是对主成分对应的各列，即正交矩阵。在因子分析中，其内容就是载荷因子矩阵。多元线性回归（MLR）（multiple linear MLRregression）是分析一个随机变量与多个变量之间线性关系的统计方法。

2 电子鼻检测肉类问题研究成果

2.1 肉品新鲜程度的检测研究

随着气敏传感器和数据挖掘技术的发展，利用电子鼻技术检测肉品新鲜度引起人们的不断关注。孙钟雷利用电子鼻研究了猪肉气味随保存时期的变化，该团队根据猪肉的气味特征，合理选择了气敏传感器阵列，采用遗传优化的组合径RBF神经网络作为模式识别方法分析传感器阵列获得的数据，实验结果表明电子鼻系统对猪肉新鲜度的识别率达95%。李刚等利用电子鼻构建了一套检测识别肉类新鲜程度的测量系统，该系统由氨类气味和硫化氢气味传感器阵列、NI数据采集方案、BP神经网络构成，可识别6种新鲜等级，研究表明该方法识别肉类新鲜度的准确率可达90%以上。Tian等采用基于锡氧化物的MOS气体传感器阵列、多通道放大器、数据采集系统、A/D转换器、微控器和运行在PC上的软件，自制了电子鼻测量系统，对贮藏在15℃、10℃和5℃下的带鱼和猪肉的新鲜度进行了研究，以挥发性盐基氮（TVBN）和菌落总数作为对比检测，利用主成分分析方法（PCA）对数据结果进行处理分析，当实验带鱼样品的TVBN≤25g且菌落总数≤106 cfu/g时，认为该带鱼是新鲜的，当实验猪肉样品的TVBN≤15g且菌落总数≤106cfu/g时，认为该猪肉是新鲜的，研究表明自制电子鼻对不同货架期的带鱼新鲜度判别准确率达到87.5%，对猪肉的准确率则达到 91.7%。Li等为了快速无损检测猪肉新鲜程度，采用比色传感器阵列自制了便携式电子鼻，分别利用线性判别分析（LDA）模型和前向多层人工神经网络（BP-ANN）模型对采集数据进行了分析，实验结果表明BP-ANN模型和LDA模型的正确率分别达到了100%和97.5%。

2.2 肉制品有害物质的检测研究

我国肉制品存在的有害物质主要有微生物超标严重、食品添加剂、亚硝酸盐残留等。Wang等利用电子鼻结合支持向量机（SVM）数据挖掘技术对10天内存储在4℃条件下的猪肉活菌数量变化进行监测，采用PCA分析法分析电子鼻的检测结果，实验表明训练模型和验证模型的相关性达到0.94和0.88，同时表明电子鼻能够快速监测猪肉中菌落数的变化。Lippolis等利用电子鼻在实验室和大规模生产制品中，研究了干腌肉制品早期赭曲霉毒素 A、青霉菌的产生，利用DFA分析法识别率达到73%。Wang等借助电子鼻，利用SVM和PLS方法研究猪肉中菌落总数，实验表明电子鼻信号与菌落总数间的相关系数达到0.88。Zhang等采用电子鼻配置甲醛气体传感器检测毒章鱼，采用PCA技术正确识别率达到93.1%。

2.3 肉制品造假的检测研究

在肉制品的生产加工中，一些不法企业为了谋取利益，经常以次充好，或者将低品质产品添加到高品质产品中，影响商品质量，对消费者身体健康造成威胁。根据不同原料肉类商品的气味，电子鼻可以判断肉品是否掺杂其他成分。李颖康等用电子鼻对滩羊、小尾寒羊和山羊的背最长肌、后腿肌肉和胸部肌肉的挥发性物质进行了测定,采用主成分分析（PCA）、传感器贡献率分析（Loadings）、线性分析（LDA）3种方法进行区别分析，结果表明电子鼻可明显区分3个品种羊的胸部肌肉和背最长肌和胸部肌肉。贾洪峰等利用电子鼻探索了牦牛肉、牛肉和猪肉样品掺假识别的可行性，通过对所获得的数据进行主成分分析（principal component analysis，PCA）、判别因子分析（discriminant factor analysis，DFA）和偏最小二乘回归分析（partial least-squares analysis，PLS），结果表明电子鼻响应信号和猪肉馅掺入比例之间的相关性为0.9762；田晓静用电子鼻检测羊肉中掺入不同比例猪肉和鸡肉，采用主成分分析和Loading分析实验数据，对不同掺假羊肉样品的正确识别率高达99.17%。Tian等用德制PEN2电子鼻将猪肉掺杂到羊肉中进行探测，对获取的数据分别采用CDA、PLS、MLR 和 BPNN等方法进行分析，实验结果发现 BPNN的识别准确率达到97%。Santos等利用电子鼻技术对利比亚火腿进行品质检测，根据原料肉的种类和成熟时间散发的特征风味物质不同，选择合适的传感器阵列，采用主成分分析和人工神经网络方法分析对数据进行分析，结果表明电子鼻可以检测出不合格和假产品。Nurjuliana等利用电子鼻从猪肉、牛肉、羊肉、鸡肉为原料的香肠中挑出掺有猪肉的香肠，采用主成分分析等方法对电子鼻获得的数据进行分析，采用气相色谱检测结果进行校验，研究发现电子鼻可以检测出掺有猪肉的香肠。

以上研究结果表明，电子鼻技术在肉类新鲜程度、有害成分和掺假等方面的检测，理论和实践上均具有可行性。

表2. 文章中介绍的电子鼻检测肉类品质的相关文献摘要Tab.2. Summary of the applications of e-nose for detection of contamination and defect in foodstuffs

3 电子鼻技术研究过程中存在的问题

本文概述了电子鼻在肉类品质检测中的进展，正如文中所述，电子鼻在食品品质检测领域是潜在的重要仪器。随着科技的发展，电子鼻检测速度将越来越快，检测可重复性高、稳定性强、应用越来越简单。但目前来说，电子鼻的应用也存在一些问题：（1）运营成本相对还比较高。随着电子技术的发展，这问题将得到进一步的解决；（2）对于响应强的电子鼻传感器，目前的数据分析与处理技术还需进一步改善，数据预处理、模式识别算法、多维信息综合分析等与仿生特性存在一定的差距。解决这一问题需要依托计算机软件技术的发展，现有的模式识别方法还需要改进，深度学习已在人工智能领域日趋成熟，但还没有文献记载其在电子鼻领域的应用，深度学习将会是解决这一问题的一条途径；（3）传感器阵列专属性及稳定性还达不到广泛应用的标准，其易受温度漂移、湿度、振动等环境的影响。这需要研制性能更好的气体传感器。而石墨烯化学稳定性好、无电磁干扰和热稳定性好，由石墨烯制成的电子鼻传感器将会被广泛的应用于电子鼻；（4）实验方法的差异使获得的气味响应结果不同，研究者对食品的前期预处理（如存放、解冻等）导致食品感染了有害物质，在检测实验样品的微生物种类和化学成分时易产生误判。研究者前期预处理需要标准化，建议研究者在无菌实验室进行样品分析，并结合高光谱图像对样品进行分析，电子鼻结合光谱视觉将更有效进行食品质量检测。

总之，食品检测的发展趋势是把人工感官组合成质量的评价体系，这种评价体系包括机器视觉、电子鼻、电子舌等设备，即色、香、味的综合评价体系。

4 结束语

随着国内对电子鼻技术的不断深入研究，电子鼻将更好的应用于肉类检测。表2是文章中介绍的目前采用电子鼻检测肉类新鲜度、肉类有害物质、肉类掺假等问题的相关文献摘要。电子鼻未来的发展是与数据分析相结合并和其他仪器联用，相关研究可在硬件软件的优化、信息融合和网络化方面寻求突破。随着科学技术的快速发展，电子鼻技术近年来取得了一系列可喜的成就，但至今电子鼻走出实验室的应用还不多，与人们的期望还存在着较大差距，因此还有许多研究工作要做。随着传感器、数据挖掘等技术的发展，电子鼻技术作为人工智能的产物必将逐步出现在环境检测、医疗卫生、药品工业、安全保障、公安与军事等实际应用中。

应用 检测内容 分析技术 评价 参考文献区分滩羊、小尾寒羊和山羊肉 PCA、Loadings、LDA 可以明显区分 李颖康等[16]检测牦牛肉、牛肉和鸭肉样品 PCA、DFA、PLS 识别率高达到100% 贾洪锋等[17]检测羊肉中掺入鸡肉 CDA、PLS、MLR 、 BPNN 准确率高于 90% 田晓静[18]肉制 猪肉掺杂到羊肉中进行探测 CDA、PLS、MLR 、 BPNN 准确率达到97% Tian等[19]品假造的 利比亚火腿风味物质 PCA、ANN 可以区分出不合格和假产品 Santos等[20]检测 清真产品中是否掺有猪肉 PCA 可以检测出掺有猪肉的香肠 Nurjuliana等[21]