電子鼻系統(tǒng)及其在谷物檢測(cè)中的應(yīng)用進(jìn)展

吳林蔚，屠 康，潘磊慶，朱 娜

(南京農(nóng)業(yè)大學(xué)食品科技學(xué)院，農(nóng)業(yè)部農(nóng)畜產(chǎn)品加工與質(zhì)量控制重點(diǎn)開放實(shí)驗(yàn)室，江蘇南京210095)

氣味是反映食品品質(zhì)的重要因素之一，也是食品評(píng)價(jià)的一個(gè)重要指標(biāo)。人體能夠感知到的氣味是揮發(fā)性風(fēng)味物質(zhì)刺激鼻腔嗅覺感受器產(chǎn)生信號(hào)(多個(gè)生理生化反應(yīng))，再經(jīng)一系列放大，輸入大腦，大腦接受信號(hào)與經(jīng)驗(yàn)比較后作出識(shí)別判斷而產(chǎn)生［1-2］。這種分析也可依靠由經(jīng)驗(yàn)專業(yè)人員組成的專家小組或通過氣相色譜法(GC)、色譜-質(zhì)譜聯(lián)用技術(shù)(GC-MS)及電化學(xué)等方法進(jìn)行。但依靠專家小組進(jìn)行鑒別的方法較為傳統(tǒng)，主觀性強(qiáng)、重復(fù)性差，且人的鼻子對(duì)氣味有適應(yīng)性，易出現(xiàn)疲勞而影響分析結(jié)果［3-4］。其他方法是目前檢測(cè)氣味的常用方法，但所得氣味都是經(jīng)樣品分離后測(cè)定的，還需繼續(xù)把分離后的結(jié)果再重組才可作對(duì)比，測(cè)試結(jié)果很難代表樣品整體性［4］。作為一種新興氣味檢測(cè)技術(shù)，電子鼻與普通化學(xué)分析儀器相比，不同之處在于它不需進(jìn)行樣品前處理，很少或幾乎不用任何有機(jī)溶劑。同時(shí)，經(jīng)電子鼻檢測(cè)后得到的不是被測(cè)樣品中某種或某幾種成分的定性或定量檢測(cè)結(jié)果，而是樣品中揮發(fā)性成分的整體信息(即“指紋信息”)，可用于指示樣品的隱含特征［5］。再者，電子鼻不僅可根據(jù)不同氣味響應(yīng)不同信號(hào)，而且可將這些信號(hào)與經(jīng)訓(xùn)練后建立的數(shù)據(jù)庫中信號(hào)進(jìn)行比對(duì)及判斷識(shí)別［2］。因此，采用電子鼻系統(tǒng)來表征氣味及檢測(cè)樣品品質(zhì)更為可靠、合理［4］。電子鼻迄今為止已應(yīng)用于食品工業(yè)、環(huán)境檢測(cè)、醫(yī)療衛(wèi)生、藥品工業(yè)、安全保障、公安與軍事等領(lǐng)域［6］。在食品工業(yè)中，它主要用在果蔬成熟度及新鮮度檢測(cè)(含貨架期評(píng)價(jià))、肉品鮮度(可進(jìn)行生產(chǎn)在線監(jiān)控)及發(fā)酵肉制品成熟度檢測(cè)、酒類鑒別(分類、分級(jí))、飲料識(shí)別、茶葉審核、煙草原料選控及工序質(zhì)監(jiān)、香精識(shí)別、乳制品檢測(cè)、谷物貯藏害蟲檢測(cè)等方面［7-10］。由于這一快速檢測(cè)方法還便于實(shí)現(xiàn)谷物糧食安全的實(shí)時(shí)監(jiān)測(cè)，能有效保障我國的儲(chǔ)糧質(zhì)量，電子鼻在谷物檢測(cè)中的應(yīng)用正受到全社會(huì)廣泛關(guān)注。對(duì)此，本文將從電子鼻起源、構(gòu)成原理及其在谷物檢測(cè)分析中的應(yīng)用展開介紹，為今后的相關(guān)研究提供參考。

1 電子鼻的簡介

電子鼻也稱氣味掃描儀，其概念最早是由英國Warwick大學(xué)的Persand和Dodd教授在1982年模仿哺乳動(dòng)物嗅覺系統(tǒng)結(jié)構(gòu)和機(jī)理，并對(duì)幾種有機(jī)揮發(fā)性氣體進(jìn)行類別分析時(shí)提出。從1990年第一屆國際電子鼻學(xué)術(shù)會(huì)議成功舉辦至今，電子鼻的相關(guān)研究已成為全球熱點(diǎn)課題之一。目前較著名的商品化電子鼻系統(tǒng)有英國Neotronics system和Aroma Scan system、德國Airsense系統(tǒng)、法國Alpha MOS系統(tǒng)、美國Cyranose、日本 Frgaro及臺(tái)灣 Smdll和 Keen Ween 等［5］。

1.1 電子鼻的構(gòu)成

電子鼻通常由氣敏傳感器陣列、信號(hào)處理系統(tǒng)和模式識(shí)別系統(tǒng)三大部分組成［11］。多個(gè)具有不同選擇性的傳感器組成作為電子鼻心臟的傳感器陣列，不同氣味分子將在其表面作用并將信息轉(zhuǎn)化為方便計(jì)算且與時(shí)間相關(guān)的可測(cè)物理信號(hào)組，以實(shí)現(xiàn)混合氣體的總體分析［12-14］。其組成應(yīng)至少滿足以下兩個(gè)要求:一是氣敏傳感器應(yīng)具有很高的靈敏度，以響應(yīng)很小的氣味成分;二是氣敏傳感器的選擇性不應(yīng)很高，以使其響應(yīng)信號(hào)可綜合描述多種樣品，但又因其選擇性差異，能使不同傳感器有不同的響應(yīng)值。按照氣敏傳感器敏感材料和陣列結(jié)構(gòu)的不同，主要可分為金屬氧化物型傳感器、導(dǎo)電聚合物氣敏傳感器、質(zhì)量傳感器及其陣列和L-B膜氣敏傳感器幾類，各優(yōu)缺點(diǎn)如表 1 所示［11，13］:

常用電子鼻的檢測(cè)示意圖如圖1所示［15］，圖中S1、S2至Sn為電子鼻內(nèi)部的傳感器陣列。電子鼻檢測(cè)過程可描述為:a.傳感器陣列與氣味分子反應(yīng)后，經(jīng)一系列物理化學(xué)變化產(chǎn)生電信號(hào);b.電信號(hào)經(jīng)電子線路放大后轉(zhuǎn)換成數(shù)字信號(hào)，輸入計(jì)算機(jī)中進(jìn)行數(shù)據(jù)處理;c.處理后的信號(hào)通過模式識(shí)別系統(tǒng)，最后定性或定量地輸出對(duì)氣體成分的檢測(cè)結(jié)果［16］。越來越多研究證明，運(yùn)用電子鼻技術(shù)進(jìn)行氣味分析，有客觀、準(zhǔn)確、快捷、重復(fù)性好等特點(diǎn)，這是人和動(dòng)物的鼻子實(shí)現(xiàn)不了的。

1.2 信號(hào)預(yù)處理的方法

信號(hào)預(yù)處理方法應(yīng)根據(jù)實(shí)際應(yīng)用的氣敏傳感器類型、模式識(shí)別方法和最終識(shí)別任務(wù)適當(dāng)選取。主要有差分法、相對(duì)差分法、分式差動(dòng)法、對(duì)數(shù)法、傳感器歸一化法及陣列歸一化法等［11］。

1.3 模式識(shí)別分析方法

表1 主要?dú)饷魝鞲衅麝嚵屑捌鋬?yōu)缺分析Table 1 The advantages and disadvantages of some main gas sensor arrays

圖1 常用電子鼻檢測(cè)示意圖Fig.1 Schematic diagram of common electronic nose

常用的模式識(shí)別方法有統(tǒng)計(jì)模式識(shí)別方法，包括主成分分析(PCA)、判別函數(shù)分析(DFA)、多元線性回歸(MLR)、偏最小二乘法(PLS)和聚類算法等(CA)，人工神經(jīng)網(wǎng)絡(luò)(ANN，包括BP網(wǎng)絡(luò)、Kohonen網(wǎng)絡(luò)等)及進(jìn)化神經(jīng)網(wǎng)絡(luò)(ENN)技術(shù)等的方法［11，17-20］。

2 電子鼻在谷物中的應(yīng)用現(xiàn)狀

作為人類主要糧食來源的谷物(包括稻米、小麥、玉米等)，因其自身易在貯存中受到霉菌污染而霉?fàn)€變質(zhì)，造成大量損失，甚至產(chǎn)生毒素，威脅人畜健康。目前，各國都在積極尋找快捷、高效的方法來開展各項(xiàng)有關(guān)谷物安全的研究，主要應(yīng)用于以下幾個(gè)方面。

2.1 谷物中微生物造成霉變的檢測(cè)

1997年瑞典Jonsson等人用電子鼻(MOSFET傳感器陣列)檢測(cè)燕麥、黑麥、大麥和含有不同麥角固醇含量、真菌及細(xì)菌菌落的小麥加熱后的氣味，并用人工神經(jīng)網(wǎng)絡(luò)(ANN)進(jìn)行模式識(shí)別分析，從而簡便、快速和安全的區(qū)分糧食質(zhì)量等級(jí)［21］。英國Evans等用導(dǎo)電聚合物傳感器陣列電子鼻進(jìn)行的類似小麥污染物氣味研究表明，該電子鼻分級(jí)準(zhǔn)確度可達(dá)92.3%［11，22］。此后，加拿大 Abramson 等用電子鼻檢測(cè)不同濕度(16%和20%)小麥揮發(fā)性物質(zhì)的變化，表明所用電子鼻的12個(gè)傳感器中有9個(gè)能區(qū)別出兩種濕度的揮發(fā)性物質(zhì)，且與赭曲霉毒素A(OA)有相關(guān)性(r=0.84～0.87)［11，23］。美國 Balasubramanian 等人用Cyranose-320型電子鼻分析三種大麥樣品(干凈、自然污染鐮刀菌及人工接種鐮刀菌的對(duì)照樣品)，并用線性判別(LDA)和二次判別法(QDA)分析，結(jié)果顯示刀切法交叉確認(rèn)的2組大麥樣品(以麥角固醇含量3.0μg/g為界分組)總分類精度達(dá)86.8%，此法便于識(shí)別儲(chǔ)藏谷物的霉變損害［24］。

此外，Olsson等和Paolesse等都將電子鼻結(jié)合氣質(zhì)聯(lián)用儀(GC-MS)用于定量檢測(cè)或評(píng)價(jià)目標(biāo)染菌樣品，前者研究發(fā)現(xiàn)電子鼻可區(qū)分出OA含量大于和小于5μg/kg(瑞典官方OA極值)的大麥，偏最小二乘法(PLS)可估計(jì)脫氧核糖核酸酶(DON)含量;GC-MS分析OA濃度比電子鼻更準(zhǔn)確，OA濃度與谷物香氣間不存在相關(guān)性［11，25］。后者得出電子鼻可成為檢測(cè)谷物籽粒樣品中真菌污染率有效工具的結(jié)論［26］。

我國鄒小波等研制出一套主要由一組厚膜金屬氧化錫氣體傳感器陣列和神經(jīng)網(wǎng)絡(luò)(RBF)組成、能快速檢測(cè)谷物是否霉變的電子鼻裝置，并用其檢測(cè)小麥、水稻、玉米3種谷物。最終，RBF對(duì)霉變小麥、水稻識(shí)別的正確率達(dá)100%，對(duì)霉變玉米的識(shí)別正確率也達(dá)90%以上［11，27］。相似研究也見于張紅梅等，其系統(tǒng)對(duì)稻谷霉變程度檢測(cè)有較高的分析精度，PCA、LDA對(duì)菌落總數(shù)有較高預(yù)測(cè)精度［28］。此后，惠國華等研制出一套快速檢測(cè)糧食霉變的電子鼻系統(tǒng)，并連續(xù)7天檢測(cè)蕎麥、大麥和燕麥等的霉變程度，用隨機(jī)共振方法處理實(shí)驗(yàn)數(shù)據(jù)，信噪比譜特征信息量化糧食霉變程度，以消除傳感器在高溫、長時(shí)間工作后引起的基線漂移，量化糧食霉變程度，提高檢測(cè)精度［29］。

2.2 谷物品種及品質(zhì)的辨別

美國Lan與我國 Zheng等，用 Cyranose-320型電子鼻區(qū)分4種長粒大米樣品氣味，并探究電子鼻的最佳參數(shù)設(shè)置，發(fā)現(xiàn)傳感器數(shù)量的減少可縮短數(shù)據(jù)處理時(shí)間，建立一個(gè)特殊的應(yīng)用程序利于降低儀器成本［30］。于慧春等用自行開發(fā)的電子鼻系統(tǒng)結(jié)合PCA分析、Fisher判別分析和BP神經(jīng)網(wǎng)絡(luò)方法對(duì)4種同產(chǎn)地水稻進(jìn)行區(qū)分后發(fā)現(xiàn)，BP神經(jīng)網(wǎng)絡(luò)分類效果最好，測(cè)試正確率均達(dá)100%，PCA分析效果最差［31］。趙丹等也做了類似研究，并發(fā)現(xiàn)經(jīng)PCA分析區(qū)分面包用小麥和饅頭面條用小麥的總貢獻(xiàn)率為85.6%，遠(yuǎn)高于 LDA的 31.7%［32］。宋偉等用 Fox 4000型電子鼻檢測(cè)不同儲(chǔ)藏條件下的2010年粳稻，用PCA分析區(qū)分連續(xù)儲(chǔ)藏5個(gè)月的5份同種粳稻樣品，總貢獻(xiàn)率達(dá)99.284%，樣品建立的DFA判別因子分析數(shù)據(jù)模型可用于粳稻歸屬判別分析，識(shí)別正確率可達(dá)93%;PLS對(duì)樣品霉變程度的預(yù)測(cè)正確率可達(dá) 100%［33］。

胡桂仙等用PEN 2電子鼻分析測(cè)定5種稻米的質(zhì)量、頂空空間、靜置時(shí)間等匹配實(shí)驗(yàn)參數(shù)，樣品均分別制備成稻谷、糙米、精米和米飯4種狀態(tài)。分析后得出，儀器能較好地區(qū)分樣品，識(shí)別稻米的綜合揮發(fā)性物質(zhì)狀態(tài);10g樣品以200mL頂空空間、60min靜置時(shí)間測(cè)定時(shí)的電子鼻響應(yīng)值相對(duì)較穩(wěn)定;PCA和LDA法均對(duì)谷物狀態(tài)和精米狀態(tài)區(qū)分效果較佳，對(duì)米飯狀態(tài)區(qū)分欠佳［34］。

2.3 谷物的蟲害檢驗(yàn)

張紅梅等用PEN 2型電子鼻對(duì)15種不同蟲害程度的同種小麥及5種不同儲(chǔ)藏年份的同種正常小麥進(jìn)行檢測(cè)，并優(yōu)化傳感器陣列，研究響應(yīng)值與一些理化指標(biāo)間的相關(guān)性。研究發(fā)現(xiàn)，電子鼻可成功區(qū)分不同儲(chǔ)存年份的小麥樣品;PCA分析適于傳感器陣列的優(yōu)化，用于區(qū)分5種不同存儲(chǔ)時(shí)間的小麥時(shí)數(shù)據(jù)有很強(qiáng)的收斂性;優(yōu)化后的傳感器陣列較優(yōu)化前有更高的識(shí)別率［35-36］。王俊等利用電子鼻與計(jì)算機(jī)組成的水稻蟲害快速檢測(cè)系統(tǒng)及氣質(zhì)聯(lián)用儀(GC-MS)檢測(cè)接種有不同褐飛虱成蟲的水稻樣品，研究表明電子鼻和GC-MS能檢測(cè)農(nóng)作物的蟲害情況;培訓(xùn)后的數(shù)據(jù)識(shí)別率高于92.5%，逐步判別分析(SDA)的識(shí)別率為70%，三層反向傳播神經(jīng)網(wǎng)絡(luò)(BPNN)的模型預(yù)測(cè)值與真實(shí)值間線性相關(guān)系數(shù)超過0.78［37-38］。周博等還用同一電子鼻判別不同損傷類型的水稻植株，最終矢量量化網(wǎng)絡(luò)(LVQ)和BPNN模型識(shí)別正確率可達(dá)100%［39］。

2.4 谷物的新陳識(shí)別

龐林江利用PEN 2型電子鼻檢測(cè)不同陳化程度的小麥品質(zhì)，在優(yōu)化傳感器陣列后，PCA法可成功辨別不同年份的小麥樣品，而LDA法則不太理想;用PLS模型預(yù)測(cè)有關(guān)指標(biāo)的相關(guān)性系數(shù)可達(dá)0.8613;電子鼻檢測(cè)信號(hào)對(duì)小麥脂肪酸值、濕面筋含量、穩(wěn)定時(shí)間、弱化度、彈性和拉力比數(shù)較為靈敏，對(duì)氣味綜合信息貢獻(xiàn)率較大［11］。偉利國等用自制電子鼻評(píng)價(jià)系統(tǒng)檢測(cè)5種不同活性的小麥，并用概率神經(jīng)網(wǎng)絡(luò)進(jìn)行模式識(shí)別處理后發(fā)現(xiàn)，該系統(tǒng)能快速、準(zhǔn)確地評(píng)判小麥活性情況，識(shí)別率可達(dá)91%［40］。

2.5 評(píng)價(jià)谷物的蒸煮時(shí)間

意大利 Sinelli等用瑞典 Applied Sensor公司3320型電子鼻及傅立葉近紅外光譜儀(NIR spectroscopy)評(píng)價(jià)3種米飯(碾磨米、半熟米、快煮米)的糊化時(shí)間，以提出建議蒸煮時(shí)間。實(shí)驗(yàn)結(jié)果表明，電子鼻能測(cè)出大米樣品在蒸煮過程中的最大芳香變化率(主要由米的品種決定)，而NIR能準(zhǔn)確測(cè)出樣品米最佳蒸煮時(shí)間;電子鼻、NIR測(cè)定大米的方法快速、簡便、客觀且可替代傳統(tǒng)感官分析和糊化時(shí)間的測(cè)定方法［41］。

綜上所述，國內(nèi)外在谷物上的研究主要集中在小麥、水稻、玉米中，且大多應(yīng)用于新鮮度、儲(chǔ)藏過程蟲害監(jiān)測(cè)、霉變或污染程度檢測(cè)及分級(jí)識(shí)別等方面。據(jù)相關(guān)研究的實(shí)驗(yàn)對(duì)象，可統(tǒng)計(jì)得表2中顯示的研究狀況［11，21-41］。

3 展望

總的說來，國內(nèi)外運(yùn)用電子鼻對(duì)谷物的研究大多局限于實(shí)驗(yàn)室檢測(cè)，與實(shí)際現(xiàn)場(chǎng)環(huán)境的測(cè)試要求差距較大［42］。不少研究是先用霉變、蟲害的方法處理谷物，再用單一的霉變、蟲害指標(biāo)評(píng)價(jià)谷物品質(zhì)，或是用與現(xiàn)實(shí)條件差距較大的陳化方法模擬谷物的陳化過程以研究其陳化特性。但這些往往不夠，因?yàn)楣任锉旧淼睦砘匦詻Q定了谷物中產(chǎn)生的某些揮發(fā)性物質(zhì)的特性。而在儲(chǔ)藏過程中，倉儲(chǔ)昆蟲和微生物也會(huì)散發(fā)出揮發(fā)性物質(zhì)，所以谷物的揮發(fā)性物質(zhì)由多種復(fù)雜成分組成，其品質(zhì)表現(xiàn)在很多方面。應(yīng)從多角度出發(fā)，結(jié)合多種儀器檢測(cè)自然陳化或是自然蟲害的谷物，并對(duì)數(shù)據(jù)進(jìn)行綜合分析，以期更好地評(píng)價(jià)谷物的儲(chǔ)藏品質(zhì)。

表2 1997年至今的電子鼻在谷物中研究進(jìn)展Table 2 The progress of electronic nose in grain odor detection from 1997

此外，和國外相比，我國利用電子鼻對(duì)谷物鑒定及理化品質(zhì)檢測(cè)方面的研究才剛起步，且大多著眼于小麥霉變、分級(jí)、蟲害等的檢測(cè)中，只有極少數(shù)用在稻米、玉米等糧谷檢測(cè)中。我國在電子鼻中的應(yīng)用還不夠廣泛，這可能受限于敏感膜材料、制造工藝和數(shù)據(jù)處理方法等［43］。隨著生物芯片及生物信息學(xué)的發(fā)展，生物與仿生材料研究的進(jìn)步，微細(xì)加工技術(shù)的提高和納米技術(shù)的應(yīng)用［44］，電子鼻在谷物安全研究中將會(huì)有更為廣闊的應(yīng)用前景，以滿足人們對(duì)食品安全的需求。

［1］張曉敏.電子鼻在食品工業(yè)中的應(yīng)用進(jìn)展［J］.中國食品添加劑，2008(2):52-56.

［2］席志勇，王鳳花.谷物品質(zhì)無損檢測(cè)方法的研究進(jìn)展［J］.食品工業(yè)科技，2012，33(15):394-396.

［3］張曉華，張東星，劉遠(yuǎn)方，等.電子鼻對(duì)蘋果貨架期質(zhì)量的評(píng)價(jià)［J］.食品與發(fā)酵工業(yè)，2007，33:20-23.

［4］周亦斌，王俊.電子鼻在食品感官檢測(cè)中的應(yīng)用進(jìn)展［J］.食品與發(fā)酵工業(yè)，2004(6):129-132.

［5］唐月明，王俊.電子鼻技術(shù)在食品檢測(cè)中的應(yīng)用［J］.農(nóng)機(jī)化研究，2006(10):169-172.

［6］李光，傅均，張佳.基于嗅覺模型的電子鼻仿生信息處理技術(shù)研究進(jìn)展［J］.科學(xué)通報(bào)，2008，53(22):2674-2682.

［7］姚智慧，徐保港，郝博.基于氣體傳感器陣列的電子鼻對(duì)混合氣體定量識(shí)別的研究［J］.電子工業(yè)專用設(shè)備，2006(6):57-60.

［8］王金美.電子鼻及其在食品行業(yè)中的應(yīng)用［J］.山東食品發(fā)酵，2009(1):37-41.

［9］江津津，陳麗花，黎海彬，等.基于電子鼻的魚露香氣品質(zhì)識(shí)別［J］.農(nóng)業(yè)工程學(xué)報(bào)，2011，27(12):374-377.

［10］喻勇新，孫曉紅，潘迎捷，等.應(yīng)用電子鼻檢測(cè)食源性致病菌的研究［J］.化學(xué)通報(bào)，2010(2):154-159.

［11］龐林江.電子鼻技術(shù)在小麥陳化評(píng)定中的應(yīng)用研究［D］.杭州:浙江大學(xué)，2005:1-49.

［12］王俊，胡桂仙，于勇，等.電子鼻與電子舌在食品檢測(cè)中的應(yīng)用研究進(jìn)展［J］.農(nóng)業(yè)工程學(xué)報(bào)，2004，20(2):292-295.

［13］張紅梅.基于氣體傳感器陣列的幾種農(nóng)產(chǎn)品品質(zhì)檢測(cè)研究［D］.杭州:浙江大學(xué)，2007:1-136.

［14］趙鐳，史波林，汪厚銀，等.電子鼻傳感器篩選的組合優(yōu)化法研究［J］.食品科學(xué)，2009，30(20):367-370.

［15］江琳琳，潘磊慶，屠康，等.基于電子鼻對(duì)水蜜桃貨架期評(píng)價(jià)的研究［J］.食品科學(xué)，2010，31(12):229-232.

［16］張哲，佟金.電子鼻和電子舌在食品檢測(cè)中的研究和應(yīng)用［J］.華中農(nóng)業(yè)大學(xué)學(xué)報(bào)，2005，10(S1):25-30.

［17］黃燕，吳平.SAS統(tǒng)計(jì)分析及應(yīng)用［M］.北京:機(jī)械工業(yè)出版社，2006:315.

［18］張小蒂.應(yīng)用回歸分析［M］.杭州:浙江大學(xué)出版社，1991:22-23.

［19］孫亮，禹晶.模式識(shí)別原理［M］.北京:北京工業(yè)大學(xué)出版社，2009:137-144.

［20］李晶皎，王愛俠，王驕，等譯 .Sergios Theodoridis，Konstantinos Koutroumbas模式識(shí)別［M］.北京:電子工業(yè)出版社，2010:70.

［21］Jonsson A，Winquist F，Schnürer J，et al.Electronic nose for microbial quality classification of grains［J］.International Journal of Food Microbiology，1997，35(2):187-193.

［22］Evans Phillip，Persaud Krishna C，McNeish Alexander S，et al.Evaluation of a radial basis function neural network for the determination of wheat quality from electronic nose data［J］.Sensors and Actuators B，2000，69(3):348-358.

［23］Abramsona D，Hulasare R，York R K，et al.Mycotoxins，ergosterol，and odor volatiles in durum wheat during granary storage at 16%and 20%moisture content［J］.Journal of Stored Products Research，2005，41(1):67-76.

［24］Balasubramanian S，Panigrahi S，Kottapalli B，et al.Evaluation of an artificial olfactory system for grain quality discrimination［J］.LWT-Food Science and Technology，2007，40(10):1815-1825.

［25］Olsson J，B?rjesson T，Lundstedt T，et al.Detection and quantification of ochratoxin A and deoxynivalenol in barley grains by GC-MS and electronic nose［J］.International Journal of Food Microbiology，2002，72(3):203-214.

［26］Paolesse Roberto，Alimelli Adriano，Martinelli Eugenio，et al.Detection of fungal contamination of cereal grain samples by an electronic nose［J］.Sensors and Actuators B，2006，199(2):425-430.

［27］鄒小波，趙杰文.電子鼻快速檢測(cè)谷物霉變的研究［J］.農(nóng)業(yè)工程學(xué)報(bào)，2004(2):121-124.

［28］張紅梅，王俊，葉盛，等.電子鼻傳感器陣列優(yōu)化與谷物霉變程度的檢測(cè)［J］.傳感技術(shù)學(xué)報(bào)，2007，20(6):1207-1210.

［29］惠國華，倪彧.基于電子鼻系統(tǒng)的糧食霉變檢測(cè)方法研究［J］.中國食品學(xué)報(bào)，2011，8(11):162-168.

［30］Zheng Xian-zhe，Lan Yu-bin，Zhu Jian-min，et al.Rapid Identification of Rice Samples Using an Electronic Nose［J］.Journal of Bionic Engineering，2009，6(3):290-297.

［31］于慧春，熊作周，殷勇.基于電子鼻的水稻品種鑒別研究［J］.中國糧油學(xué)報(bào)，2012，27(6):105-109.

［32］趙丹，張玉榮，林家永，等.電子鼻在小麥品質(zhì)控制中的應(yīng)用研究［J］.糧食與飼料工業(yè)，2012(3):10-15.

［33］宋偉，謝同平，張美玲，等.應(yīng)用電子鼻判別不同儲(chǔ)藏條件下粳稻谷品質(zhì)的研究［J］.中國糧油學(xué)報(bào)，2012，27(5):92-96.

［34］胡桂仙，王俊，王建軍，等.基于電子鼻技術(shù)的稻米氣味檢測(cè)與品種識(shí)別［J］.浙江大學(xué)學(xué)報(bào):農(nóng)業(yè)與生命科學(xué)版，2011，37(6):670-676.

［35］Zhang Hong-mei，Wang Jun.Detection of age and insect damage incurred by wheat，with an electronic nose［J］.Journal of Stored Products Research，2007，43(4):489-495.

［36］Zhang Hong-mei，Wang Jun，Tian Xiao-jing，et al.Optimization of sensor array and detection of stored duration of wheat by electronic nose［J］.Journal of Food Engineering，2007，82(4):403-408.

［37］葉盛，王俊.水稻蟲害信息快速檢測(cè)方法實(shí)驗(yàn)研究［J］.農(nóng)機(jī)化研究，2010(6):146-204.

［38］Zhou Bo，Wang Jun.Use of electronic nose technology for identifying rice infestation by Nilaparvata lugens［J］.Sensors and Actuators B:Chemical，2011，160(1):15-21.

［39］Zhou Bo，Wang Jun.Discrimination of different types damage of rice plants by electronic nose［J］.Biosystems Engineering，2011，109(4):250-257.

［40］偉利國，張小超，趙博，等.電子鼻技術(shù)及其在小麥活性檢測(cè)中的應(yīng)用［J］.農(nóng)機(jī)化研究，2010(6):150-196.

［41］Sinelli Nicoletta，Benedetti Simona，Bottega Gabriella，et al.Evaluation of the optimal cooking time of rice by using FT-NIR spectroscopy and an electronic nose［J］.Journal of Cereal Science，2006，44(2):137-143.

［42］胡寰翀.不同儲(chǔ)藏條件下稻谷品質(zhì)變化規(guī)律研究［D］.南京:南京財(cái)經(jīng)大學(xué)，2010:8-9.

［43］吳莉莉，林愛英，鄭寶周，等.電子鼻檢測(cè)技術(shù)在糧食霉變識(shí)別中的應(yīng)用研究［J］.安徽農(nóng)業(yè)科學(xué)，2009，37(21):10133-10135.

［44］Botre BA，Gharpure DC，Shaligram AD.Embedded electronic nose and supporting software tool for its parameter optimization［J］.Sensors and Actuators B:Chemical，2010，146(2):453-459.