电子舌在饮用水识别中的应用

胡金祥 何 莲

(四川旅游学院，四川 成都 610100)

味觉的产生是基于呈味物质溶解在水中对味觉器官(舌)产生的适宜刺激，称为味觉。研究表明，人类的基本生理味觉包括酸、甜、苦、辛和咸[1]。而其他如辣、涩味则是痛觉和蛋白质收敛时的感觉。评价食品的滋味，一般采用感官评价，感官评价是评价食品最直接、最快捷、最方便的方法。但感官评价易受个体差异、嗜好、生理特征等影响，其重复性、稳定性差[2]。电子舌是一种基于仿生学的模拟人类味觉的定性、定量检测仪器。它通过交叉敏感传感器阵列，结合化学计量学实现样品的快速分类[3]。电子舌通过传感器获得样品的整体信息，相对于传统分析技术单纯精确追求某些单一成分获得的信息更加丰富，更加全面[4]。

本文以成都市龙泉驿地区消费者常用的饮用水为研究对象，采用电子舌分析自来水、净化水(含净化后烧沸的水)以及不同品牌的瓶装水、桶装水，结合化学计量学主成分(PCA)、聚类分析(CA)等分析方法，分析饮用水在滋味维度的差异。实验结果可为饮用水水质的评价提供参考。

1 样品、仪器及方法

1.1 样品

样品详见表1。

表1 样品信息

1.2 仪器

Astree电子舌：法国Alpha MOS公司；ZY-A60-3智水源饮水机(滤芯已使用1个月)：佛山市好自然电器有限公司；其他实验室常用设备。Alpha MOS公司Astree型电子舌传感器分为非专一性传感器和部分专一性传感器。部分专一性传感器电子舌包括AHS(酸)，PKS，CTS(咸)，NMS(鲜)，CPS，ANS，SCS共7根传感器，选择Ag/AgCl作为参比电极。该套传感器对酸、咸、鲜具有专一性识别。通过传感器获得的数据结合Alpha soft电子舌分析软件，能够获得样品在0～12之间的酸、咸和鲜味的相对强度值。利用强度值可对样品在酸、咸和鲜味维度上进行滋味强度排序。由于甜味、苦味呈味机理比较复杂，该套传感器无法直接获得其滋味强度，须结合标准品实现滋味强度比较。

1.3 电子舌检测

取样品80mL置于电子舌检测专用烧杯，将样品A、B、C、D、E、F、G、H分别放置在自动进样器的2、4、6、8、10、12、14、16位；在自动进样器的1、3、5、7、9、11、13、15位放置装有100mL超纯水的电子舌专用烧杯，作为清洗传感器的液体。检测时，传感器先在奇数位的烧杯中清洗120s，然后检测样品120s；每个样品检测8次，取后5次电子舌获得的稳定值作为检测数据，进行分析。

1.4 数据分析及作图

使用电子舌系统自带的Alpha soft软件采集数据，作图采用Origin 2018。

2 结果与分析

2.1 雷达图分析

图1是样品电子舌检测结果的传感器原始数据取平均值制作的雷达图。图中样品在CTS、ANS、NMS传感器上的响应值差异较大；在AHS、CPS传感器上响应值差异较小。样品在CTS传感器上差异最大，而CTS为咸味传感器，推测受试样品所含无机盐差异较大。在CTS传感器上，样品响应值强度顺序为A>B>C>D>H>E>F>G。A样品在CTS传感器上响应值最高，而A样品为自来水，B、C为饮水机的净化水(原料为A)，其他样品为瓶装水或者桶装水；这可能能够说明自来水与以自来水为原料的净化水(B、C)以及瓶装水和桶装水在无机盐含量上差异大(推测这种差异是由过滤工艺差异引起)；响应值最弱的为G(YB桶装水)，可以推测G样品的无机盐含量应该是最低的。样品在AHS(酸)味传感器上的响应值变化不大，说明样品的pH的差异不大，但A样品的响应值依然最高，推测A样品可能偏弱碱性。

图1 雷达图分析

2.2 样品滋味(酸、咸、鲜)强度比较

图2是样品电子舌检测结果，结合Alpha soft软件的味觉分析模块的味觉强度图。图中，酸味强度：D>C>E>F>H>B>G>A；咸味强度：A>B>C>D>H>E>F>G；鲜味强度：H>A>F>B≥C>E>G>D。一般认为酸性体质属于亚健康状态，因此酸性体质的人最好不要喝酸味较强的水[5]。比较滋味强度发现自来水(A)的各项指标相对于其他样品均偏高或者偏低，这可能能够反映出自来水的品质相对于其他样品差异较大。从A样品的咸味最强，可以推测A样品含有较多的无机盐，如钙镁离子等，具体原因仍需要进一步研究。

图2 滋味(酸、咸、鲜)强度比较

2.3 主成分分析(PCA)

图3是样品检测结果传感器原始数据的主成分及载荷图分析。

图3 电子舌主成分及载荷分析图

主成分分析(Principal Component Analysis PCA)是化学计量学中一种常用的分类方法，它通过对原始数据降维处理，将众多相互之间有关联的变量处理成较少的几个不相关的综合指数，提取原始数据最大的几个特征向量作为主成分，再辅以二维或三维坐标系，将所得的数据在坐标系下进行投影，从而实现高维数据可视化。在PCA分析中，X轴(横坐标)代表第一主成分(PC1)，Y轴(纵坐标)代表第二主成分(PC2)。PC1所占权重大，即说明样品在PC1上的距离即使很小，样品间差异也会很大；PC2所占权重较小，而样品在PC2上的距离即使很大，其差异也不会明显。图中PC1为69.35%，PC2为16.53%，PC1+PC2为85.55%。有研究表明[6-7]，电子舌PC1+PC2超过70%即可认为降维是有效的，且能够反映样品的总体滋味轮廓。样品A(自来水)分布在二维坐标的最右面，说明样品A与其他样品差异明显。样品B(净化水)、C(净化水烧沸)分布在第一象限且紧邻Y上半轴；样品D(NFSQ饮用天然水)、E(YB纯净水)分布第二象限且紧邻Y上半轴。由B、C、D、E所在二维图中的分布，可以看出B、C差异较小；D、E差异较小；B、D在滋味上差异较大。相对而言，F与D、E差异小(其差异主要来源于PC2)；F与B、C的差异较D、E大，其差异来源于PC1和PC2。样品G(YB桶装水)分布在X轴的最左面，可以看出A、G差异最大。G与B、C、E、D有一定差异，且差异来源于PC1+PC2。F在二维图中所处位置与B、C、E、D的差异主要来源于PC2；所以可以直观地看出F与B、C、E、D的差异较G与B、C、E、D的差异小，相似度高。H分布在第四象限靠近Y下半轴的最下侧，可以推测H较G与A、B、C、E、D、F相似度高。

识别指数是主成分分析中用于表示样品之间区分度的参考值。一般认为识别指数在80～100之间，其识别是有效的。识别指数越大，说明识别效果越好。图3中，识别指数为98，说明8个样品之间差异明显，识别效果好。

载荷图是将对第一、二主成分贡献大的影响因子在主成分分析的二维图中表示出来，影响因子越靠近样品所在的二维坐标(x，y)，则说明载荷因子对其影响越大。图3中传感器ANS和CTS与样品A靠近，说明其对A的识别贡献大。在雷达图分析中，样品A在传感器ANS和CTS上的响应值高，或许能够说明这一点。传感器NMS与样品D靠近，说明NMS对D样品的识别贡献大。这与雷达图分析的结论类似(雷达图中，D样品在NMS传感器上响应值高)。

2.4 聚类分析(CA)

聚类分析(Cluster Analysis)是一种基于无监督的机器学习方法，它不同于分类，它是依据特定标准将数据划分成若干个簇，尽量使簇内数据间相似性尽可能小，而使簇间数据差异尽可能大。K-means聚类、层次聚类、密度聚类、模糊聚类、系统聚类是目前比较常见的聚类算法。本文采用系统聚类。图4是样品聚类分析结果。

图4 聚类分析

图中可以看出B、C在279.24处聚类，B、C差异极小。说明同一种设备净化水的水质相当，但烧沸和不烧沸在滋味上略有差异。D、E在316.31处聚类，这与主成分分析结果一致。在主成分分析中，B、C相似度高，D、E相似度高。F与D、E在447.39处聚类，F、D、E均为瓶装水，这说明瓶装水的在滋味上类似。B、C、D、E、F在520.22处聚类，这与电子舌主成分分析中这5个样品分布在相对较小的区域类似。H与B、C、D、E、F在673.83处聚类，说明H(BCKQ)与瓶装水及净化的水在滋味上有类似之处。G与H、B、C、D、E、F在896.87处聚类，A样品与G、H、B、C、D、E、F在1 070.966处聚成大类。

3 结论

为探究饮用水在滋味上的差异，实验采用电子舌并结合化学计量学的主成分、聚类分析等方法分析自来水、以自来水为原料的净化水、瓶装饮用水和桶装饮用水。实验结果表明：雷达图研究表明样品在传感器CTS、ANS、NMS响应值差异大，在AHS、CPS传感器上响应值差异较小。滋味强度分析表明：酸味强度：D>C>E>F>H>B>G>A；咸味强度：A>B>C>D>H>E>F>G;鲜味强度：H>A>F>B≥C>E>G>D。主成分分析表明：A、G在滋味上差异最大；B(饮水机的净化水)和C(净化后烧沸的水)差异最小；瓶装水(D、E、F)在滋味上差异小；传感器ANS和CTS对样品A的识别贡献大，传感器NMS对D样品的识别贡献大。聚类分析结果与主成分分析趋势一致。自来水与净化水及瓶装和桶装水在滋味上存在差异。实验结果对饮用水品质评价具有一定参考价值。