使用電子鼻預測低溫貯藏羅非魚儲存時間*

黃 潔，李 燕，尹芳緣，趙夢田，姜 燕，沈 鳳，王綠野，惠國華*，陳裕泉

(1.浙江工商大學食品與生物工程學院，杭州310035;2.國家知識產(chǎn)權(quán)局專利審查協(xié)作北京中心光電部，北京100083;3.浙江大學生物醫(yī)學工程與儀器科學學院，杭州310027)

羅非魚(Tilapia)又稱非洲鯽魚，屬硬骨魚綱鱸形目，是一種熱帶中小魚類，肉質(zhì)細嫩，肉味鮮美，富含蛋白質(zhì)和多種不飽和脂肪酸，是世界水產(chǎn)業(yè)的重點科研培養(yǎng)的淡水養(yǎng)殖魚類。近年來國內(nèi)羅非魚養(yǎng)殖和出口勢頭迅猛［1］。羅非魚的生產(chǎn)和儲運環(huán)節(jié)中易受環(huán)境因素的影響而發(fā)生質(zhì)變，因此對于簡便、成本低、可靠的羅非魚儲存時間和新鮮度快速無損檢測方法需求迫切。目前檢測羅非魚新鮮度的方法主要有理化檢驗、微生物檢測、人工感官評價等［2］。這些方法需要耗費大量的時間，難以滿足快速檢測的需求。近年來，電子鼻成為研究的熱點，在水產(chǎn)品品質(zhì)分析領(lǐng)域許多研究人員都開展了大量的工作［3］。佟懿等利用電子鼻對帶魚在不同貯藏溫度與貯藏時間下的揮發(fā)性氣味變化進行了分析，根據(jù)獲得的貨架期預測模型對帶魚在273 K～283 K條件下的貨架期進行預測，預測誤差小于20%［4］。Di Natale等采用兩種不同的電子鼻檢測鱈魚新鮮度，結(jié)論幾乎一致，說明電子鼻可以成功的預測鱈魚的新鮮度［5］。Hui等采用電子鼻檢測不同儲存時間的草魚樣品，并采用檢測數(shù)據(jù)的隨機共振特征值構(gòu)建草魚儲存時間預測模型，具有較好的預測準確度［6］。張軍等采用4氣體傳感器的電子鼻檢測冷藏鰱魚樣品，系統(tǒng)研究了采樣方式、采樣時間和樣品質(zhì)量對新鮮度測量的影響，最終獲得了最佳測量條件［7］。劉紅秀等采用Cyranose320測量了不同儲藏時間的紅甲魚、魴魚、唇指鱸和澳洲鲹樣品，將實驗數(shù)據(jù)進行特征提取及人工神經(jīng)網(wǎng)絡(luò)分析，得到這四類魚新鮮度的估計方法［8］。楊華等采用PEN3電子鼻檢測分析了不同儲藏溫度下美國紅魚的風味成分，以PCA、LDA等模式識別方法分析數(shù)據(jù)，結(jié)果表明LDA方法可以更好的區(qū)分不同儲藏溫度的美國紅魚［9］。楊毅等實用Gemini電子鼻系統(tǒng)檢測4℃下不同貯藏時間的羅非魚氣味，以PCA和DFA分析實驗數(shù)據(jù)，結(jié)果表明電子鼻可以進行羅非魚新鮮度識別［10］。施文正等采用FOX4000電子鼻檢測了養(yǎng)殖草魚背肉、腹肉、紅肉、魚皮、魚鰓和魚腸等部位的揮發(fā)性成分，主成分分析結(jié)果表明電子鼻可以區(qū)分草魚不同部位［11］。李來好等采用PEN3電子鼻對不同冷凍時間的羅非魚魚肉進行檢測，以PCA和LDA方法分析數(shù)據(jù)，結(jié)果表明電子鼻可以區(qū)分不同冷凍時間的羅非魚肉［12］。賈洪鋒等采用FOX4000電子鼻分析了不同保藏時間的鰱魚樣品，樣品的分布隨著保藏時間的增加而規(guī)律變化［13］。實際上目前電子鼻在穩(wěn)定性、可重現(xiàn)性等方面尚存在一些需要克服的難題，同時由于食品樣品是非常復雜的，不同批次之間存在差異，而同一批獲取的水產(chǎn)樣品之間也存在各種不同的差異，因此找尋到某一種水產(chǎn)品種電子鼻檢測的穩(wěn)定特征值，用于表征水產(chǎn)品鮮度，這是電子鼻這種仿生嗅覺檢測技術(shù)的一大發(fā)展趨勢。

本文采用電子鼻檢測不同儲存時間的羅非魚樣品，輔以揮發(fā)性鹽基氮指標作為羅非魚新鮮度標識量，采用改進的隨機共振模型提取羅非魚樣品電子鼻檢測數(shù)據(jù)的特征值，并依據(jù)特征值構(gòu)建羅非魚新鮮度和儲存時間判定模型，實驗結(jié)果表明所構(gòu)建的模型具有較好的準確度。本研究與其他以往電子鼻研究的新穎之處在于，采用非線性雙穩(wěn)態(tài)隨機共振分析技術(shù)，提取不同儲存時間羅非魚樣品的揮發(fā)氣體特征值，該特征值與以往電子鼻研究指標不同，同一儲存時間羅非魚電子鼻信噪比特征值是不隨著樣品的不同而改變，只與儲存時間有關(guān)，這就說明該特征值可以滿足穩(wěn)定的反映羅非魚品質(zhì)的需求。因此，基于不同儲存時間羅非魚電子鼻信噪比特征值所構(gòu)建的羅非魚儲存時間預測模型可以準確反映儲存過程中羅非魚樣品的物化性質(zhì)變化。

1 材料和方法

1.1 原料和預處理

冷庫冷鏈系統(tǒng)是肉類保鮮最為重要的手段。冷庫冷藏是肉品保管在略高于其冰點的溫度，通常在2℃～4℃之間，這一范圍內(nèi)大部分致病菌停止繁殖，有利于肉類的保鮮貯藏。因此，我們選擇了4℃開展了實驗。新鮮羅非魚，購自杭州某大型超市，質(zhì)量約(500±50)g。預處理:將購買的羅非魚去除魚鱗和內(nèi)臟后用清水洗凈后，分割成若干質(zhì)量為10 g的樣本，然后置于4℃的冰箱中貯藏。在實驗過程中，每天隨機選取5個羅非魚樣本用于電子鼻檢測實驗，3個樣本進行TVBN檢驗，另外隨機選取5個樣本用于電子鼻驗證實驗。實驗連續(xù)進行8 d。

1.2 電子鼻檢測實驗

本研究采用浙江工商大學食品學院自制的電子鼻系統(tǒng)開展，該系統(tǒng)包括8個氣敏傳感器構(gòu)成的傳感器陣列，系統(tǒng)結(jié)構(gòu)如圖1所示，主要包括機械控制、傳感器陣列、數(shù)據(jù)采集模塊等［6］。首先開啟清洗泵和氣閥2，通入潔凈空氣清洗各傳感器，待各傳感器的響應穩(wěn)定至基線時，關(guān)閉清洗泵和氣閥。將魚肉樣品置入樣品瓶并使用封口膜密封瓶口，放置40 min后把采樣探頭和氣壓平衡器同時插進封口膜中，啟動采樣泵和氣閥1采集樣品響應數(shù)據(jù)，采集45 s。氣壓平衡器通過活性炭去除空氣中的雜質(zhì)氣體，并將清潔空氣導入樣品杯，實現(xiàn)氣壓平衡。

圖1 電子鼻結(jié)構(gòu)示意圖

1.3 實驗方法

1.3.1 pH 值測定

pH 測定方法依據(jù) GB/T 9695.5—2008［14］操作，pH計型號為:PHS－25。

1.3.2 揮發(fā)性鹽基氮檢驗

揮發(fā)性鹽基氮檢驗方法根據(jù)SC/T 3032—2007標準檢驗［15］操作。

1.3.3 電子鼻檢測實驗

隨機選取低溫貯存的一個羅非魚樣本(10 g)放置于50 mL樣品瓶中，密封，放置半小時樣本的氣體揮發(fā)出來達到一定濃度，然后將檢測探頭插入樣品瓶頂空采集氣體，持續(xù)40 s并記錄實驗數(shù)據(jù)。實驗結(jié)束后，打開電子鼻清洗泵吸入潔凈空氣清洗傳感器，使各傳感器的響應值恢復至穩(wěn)定值，等待下次測量。

1.4 預測方法

隨機共振模型在信號特征分析中已得到廣泛使用［16－19］。使用雙穩(wěn)態(tài)隨機共振分析羅非魚電子鼻數(shù)據(jù)，選擇隨機共振輸出信噪比特征值建立存放時間預測公式。雙穩(wěn)隨機共振具有3個因素:一個雙穩(wěn)系統(tǒng)，一個微弱輸入信號和一個外部噪聲。式(1)描述了一個布朗運動粒子在雙勢阱中的運動模式:

式中:V(s)是勢阱模型;ξ(t)是自相關(guān)函數(shù)E［ξ(t)ξ(0)］=2αδ(t)的 Gaussian噪聲，其強度是 α;A是信號強度;f0是信號的頻率;m、n是實參數(shù)。

因此式(1)可以改寫為:

一般使用信噪比來表征非線性隨機共振，信噪比SNR(Signal Noise Rate)的定義是:

S(ω)表示信號頻譜密度，SN(Ω)代表未超出信號頻率范圍的噪聲強度。

信號分析路線圖如圖2所示，隨機共振調(diào)節(jié)外源性噪聲強度使系統(tǒng)出現(xiàn)共振，傳感器檢出數(shù)據(jù)內(nèi)部噪聲的能量轉(zhuǎn)化到弱檢測信號中，實現(xiàn)“抑噪”與“放大微弱信息”的目的。

圖2 隨機共振信噪比分析路線圖

2 結(jié)果與分析

2.1 pH檢驗結(jié)果

羅非魚肉pH測定結(jié)果如圖3所示，初始魚肉的pH值約為6.4，在冷藏儲存過程中由于糖元分解生成乳酸，導致pH值出現(xiàn)下降的情況，隨著儲存時間的增加pH值上升，至第7天時pH約為6.7。檢驗結(jié)果表明pH和羅非魚儲存時間之間并無明確的相關(guān)關(guān)系。

圖3 pH值測定結(jié)果

2.2 TVBN 檢驗結(jié)果

羅非魚在微生物以及內(nèi)源酶的作用下，蛋白質(zhì)分解成氨及胺類等堿性含氮物質(zhì)，具有一定的揮發(fā)性，TVBN檢驗為羅非魚新鮮度判定提供了一種標準方法。TVBN檢驗結(jié)果如圖4所示，可以看出揮發(fā)性鹽基氮數(shù)值隨著羅非魚貯存時間的延長而變化。根據(jù)國家動物性水產(chǎn)品衛(wèi)生標準，當羅非魚魚肉的TVBN檢驗值超過20 mg/100 g時已為不新鮮［20］。根據(jù)圖4可知前3天的羅非魚樣本為新鮮，而第4天以后則為不新鮮。前5天的TVBN值持續(xù)上升，而在第6天TVBN值出現(xiàn)下降，然后又持續(xù)上升，第6天至第7天中TVBN值迅速上升，此時的魚肉已經(jīng)嚴重腐敗。一種可能的解釋在于羅非魚樣本上的微生物數(shù)量隨著貯藏時間的增加而增加，至第6天時，微生物數(shù)量增長到一定程度后由于對營養(yǎng)物質(zhì)的競爭導致部分微生物的死亡，因此代謝產(chǎn)生的揮發(fā)性氮物質(zhì)的量出現(xiàn)下降。

圖4 TVBN指標檢驗結(jié)果

2.3 電子鼻檢測結(jié)果

圖5是電子鼻的原始響應圖，傳感器陣列的8種氣體傳感器對羅非魚樣本有不同的響應。由圖中可看出，傳感器S4對樣品瓶中羅非魚樣本頂空氣體的響應最為強烈，說明頂空氣中乙醇類氣體含量較高。其次是S1、S6、S5和S7，表明烷烴類和硫化物等成分也有一定的含量。響應最小的為S8、S2和S3，說明氨類和氮氧化物類氣體含量較低。

圖5 電子鼻響應信號

2.4 主成分分析結(jié)果

不同儲存時間的羅非魚樣本電子鼻檢測數(shù)據(jù)為多維數(shù)據(jù)，主成分分析可以對數(shù)據(jù)進行降維處理，將復雜參量轉(zhuǎn)換成若干個主成分以實現(xiàn)數(shù)據(jù)區(qū)分。主成分分析結(jié)果如圖6所示，在連續(xù)的8 d內(nèi)，羅非魚樣本的第一主成分持續(xù)增大，第二主成分先增大后減小。同時，每天的樣本沿第二主成分方向離散度明顯增加。PC1與PC2的貢獻率只有72.26%，主成分分析不能實現(xiàn)羅非魚樣品的區(qū)分。

圖6 主成分分析結(jié)果

雙穩(wěn)態(tài)隨機共振輸出信噪比指的是指以激勵噪聲激發(fā)雙穩(wěn)態(tài)系統(tǒng)，使布朗運動粒子可以越過勢壘，從一個勢阱躍遷到另一個勢阱，此時系統(tǒng)輸出的信噪比將達到極大值，根據(jù)信噪比極大值來表征被測樣品的特征信息。它與傳統(tǒng)數(shù)據(jù)分析方法的不同在于通過向系統(tǒng)輸入白噪聲，誘發(fā)系統(tǒng)產(chǎn)生隨機共振，使得信息更容易被檢測到［15－18］。羅非魚樣品分析結(jié)果如圖7所示，在激勵噪聲強度125左右羅非魚樣品輸出信噪比達到最大值。并且隨著貯存時間的增加，信噪比特征峰值依次增大。選取不同儲存時間羅非魚樣本數(shù)據(jù)的峰值作為特征值，如圖8所示。

圖7 隨機共振信噪比曲線

圖8 羅非魚儲存時間預測模型

2.5 羅非魚儲存時間預測模型

輸出信噪比極大值與貯存時間的函數(shù)關(guān)系如圖7所示，羅非魚樣品的信噪比極大值隨著貯存時間的增加而增大。選取信噪比最大值進行線性擬合得到儲存時間預測模型，如式(5)所示。根據(jù)式(5)，我們可以獲得確定貯藏時間羅非魚樣品的信噪比分析值。

我們實驗觀察到每類羅非魚樣品的信噪比極大值基本為常數(shù)，具有較好的重現(xiàn)性，因此可以作為品質(zhì)預測模型建立的基礎(chǔ)。將式(5)進行反變換得到式(6)作為低溫貯藏羅非魚品質(zhì)預測模型。根據(jù)所得到的預測模型，我們使用電子鼻檢測某羅非魚樣品后，通過計算確定該樣品的輸出信噪比特征值，代入式(6)即可確定被測羅非魚樣本的貯藏時間信息。根據(jù)2.2節(jié)中TVBN檢驗結(jié)果，前3天的羅非魚樣本是新鮮的，即當Timestorage≤2時魚肉是新鮮的，利用式(6)可以計算出 MaxSNR≤－61.168 8，即電子鼻檢測信噪比極大值不超過－61.168 8時，魚肉是新鮮的。如果電子鼻檢測信噪比極大值超過這個閾值，那就是不新鮮的，從而實現(xiàn)了魚肉儲存時間的判定。

將若干一批未知儲存時間的羅非魚樣品的電子鼻信噪比特征值代入式(6)計算儲存時間預測值，樣品預測值與真實值的線性回歸結(jié)果如圖9所示，預測誤差R2=0.910，證明所建立的預測模型可以用于羅非魚儲存時間預測。我們隨機選取了15個未知儲存時間樣品根據(jù)式(6)計算出預測時間值，然后計算與樣品實際儲存時間之間的預測誤差，結(jié)果如表1所示。我們根據(jù)實際實驗檢測結(jié)果，定義預測誤差如果不大于15%代表預測結(jié)果是正確的，反之為錯誤的。15個樣品中僅有的一次錯誤預測出現(xiàn)在第1天樣品的預測中，其他預測結(jié)果均為正確。結(jié)果表明所構(gòu)建的模型預測性能較好。

圖9 羅非魚儲存期的電子鼻預測結(jié)果

表1 模型驗證實驗結(jié)果(√為正確;×為錯誤;/為未計算)

3 結(jié)論

本文采用電子鼻結(jié)合理化檢驗方法探索了一種低溫(4℃)貯藏羅非魚儲存時間預測方法，得到以下結(jié)果:

(1)分別檢驗了羅非魚樣品的pH值、TVBN以及電子鼻響應數(shù)據(jù)，根據(jù)國家標準以TVBN檢驗結(jié)果標定羅非魚的新鮮度。

(2)采用主成分分析和隨機共振分析檢測數(shù)據(jù)，主成分分析不能實現(xiàn)不同儲存時間羅非魚樣品的區(qū)分，隨機共振輸出信噪比可以實現(xiàn)羅非魚樣品的完全區(qū)分。

(4)所構(gòu)建的模型樣品預測值與真實值的線性回歸R2=0.910，模型驗證實驗結(jié)果表明所構(gòu)建的模型具有較好的預測準確性能。

本研究采用非線性雙穩(wěn)態(tài)隨機共振分析技術(shù)，提取不同儲存時間羅非魚樣品的揮發(fā)氣體特征值，同一儲存時間羅非魚電子鼻信噪比特征值僅與儲存時間有關(guān)，基于羅非魚電子鼻信噪比特征值所構(gòu)建的預測模型可以準確預測羅非魚樣品的儲存時間。

本文僅研究了4℃儲藏條件下基于電子鼻的羅非魚儲存時間預測方法，尚存在一定的局限性，我們將開展一項長期的研究工作，以拓展電子鼻在羅非魚品質(zhì)快速檢測中的應用。

［1］中國農(nóng)產(chǎn)品出口產(chǎn)品指南－羅非魚［S］.2009.中華人民共和國商務部.

［2］蔡慧農(nóng)，陳發(fā)河，吳光斌，等.羅非魚冷藏期間新鮮度變化及控制的研究［J］.中國食品學報，2003，3(4):46－50.

［3］Miguel Peris，Laura Escuder-Gilabert.A 21st Century Technique for Food Control:Electronic Noses［J］.Analytica Chimica Acta，638(2009)1－15.

［4］佟懿，謝晶，肖紅，等.基于電子鼻的帶魚貨架期預測模型［J］.農(nóng)業(yè)工程學報，2010，26(2):356－360.

［5］Corrado Di Natale，Gudrun Olafsdottir，Sigurdur Einarsson，et al.Comparison and Integration of Different Electronic Noses for Freshness Evaluation of Cod-Fish Fillets［J］.Sensors and Actuators B:Chemical，2001，77(1－2):572－578.

［6］Hui Guohua，Wang Lüye，Mo Yanhong，et al.Study of Grass Carp(Ctenopharyngodon Idellus)Quality Predictive Model Based on E-lectronic Nose［J］.Sensors and Actuators B:Chemical，2012，35(2):301－308.

［7］張軍，李小昱，王為，等.電子鼻檢測鰱魚新鮮度的試驗參數(shù)優(yōu)化［J］.農(nóng)業(yè)機械學報，2009，40(4):129－132，142.

［8］劉紅秀，李洪波，李衛(wèi)東，等.基于電子鼻的魚類新鮮度估計研究［J］.中山大學學報(自然科學版)，2010，49(2):28－30，36.

［9］楊華，耿利華.不同貯藏溫度下美國紅魚風味的電子鼻檢測研究［J］.食品科技，2011，36(4):276－279.

［10］楊毅，周少明，段振華，等.基于電子鼻快速檢測羅非魚新鮮度研究［J］.食品科技，2011，36(8):255－258.

［11］施文正，王錫昌，楊薇，等.基于電子鼻的養(yǎng)殖草魚不同部位揮發(fā)性成分分析［J］.江蘇農(nóng)業(yè)科學，2011，39(6):505－507.

［12］李來好，王國超，郝淑嫻，等.電子鼻檢測冷凍羅非魚肉的研究［J］.南方水產(chǎn)科學，2012，8(4):1－6.

［13］賈洪鋒，范文教，陳云川，等.基于電子鼻的鰱魚新鮮度評價［J］.2012，33(7):191－194.

［14］GB/T 9695.5—2008，肉與肉制品 pH 測定［S］.2008.

［15］SC/T 3032—2007，水產(chǎn)品中揮發(fā)性鹽基氮的測定［S］.2007.

［16］惠國華，陳裕泉.隨機共振信噪比譜分析方法及其初步應用研究［J］.傳感技術(shù)學報，2010，23(8):1134－1136.

［17］Hui Guohua，Mi Shanshan，Deng Shaoping.Sweet and Bitter Tastants Specific Detection by the Taste Cell-Based Sensor［J］.Biosensors and Bioelectronics，2012，35(1):429－438.

［18］Hui Guohua，Wu Yuling，Ye Dandan，et al.Study of Peach Freshness Predictive Method Based on Electronic Nose［J］.Food Control，2012，166－167:25－32.

［19］惠國華，陳裕泉.基于碳納米管微傳感器陣列和隨機共振的氣體檢測方法研究［J］.傳感技術(shù)學報，2010，23(2):179－182.

［20］GB 2733—2005，鮮、凍動物性水產(chǎn)品衛(wèi)生標準［S］.