電子鼻檢測玉米象不同蟲態(tài)的技術(shù)研究

唐培安 侯曉燕 孔德英 吳學(xué)友 宋 偉

(南京財經(jīng)大學(xué)食品科學(xué)與工程學(xué)院/江蘇省現(xiàn)代糧食流通與安全協(xié)同創(chuàng)新中心/江蘇高校糧油質(zhì)量安全控制及深加工重點實驗室1，南京 210023)(重慶出入境檢驗檢疫局2，重慶 400020)

糧食在儲藏期間，儲糧害蟲的危害十分嚴(yán)重。據(jù)統(tǒng)計，全世界每年因儲藏物害蟲造成的糧食、豆類、油料的損失約占總儲存量的5%，經(jīng)濟損失約達1.2 ～2.4 億美元［1～2］。經(jīng)害蟲為害過的糧食，除了數(shù)量受到嚴(yán)重?fù)p失之外，糧食的品質(zhì)也受到了不同程度的污染。為了確保糧食的安全儲藏，每年國家用于糧食儲備方面的補貼費用就達數(shù)十億元。因此對儲糧害蟲進行檢測技術(shù)的研究，預(yù)測儲糧害蟲發(fā)生為害的具體情況，從而進行針對性的處理措施，不僅能為保障糧食安全儲藏提供技術(shù)支撐，還能降低儲糧成本、減少藥劑對糧食的污染［3～4］。

在糧倉中存在著特殊的揮發(fā)性物質(zhì)，一些是來自糧食自身代謝過程中的中間產(chǎn)物或終產(chǎn)物，還有的是來自有害生物(微生物和糧倉昆蟲)的新陳代謝活動。這些特殊的揮發(fā)性物質(zhì)可以被電子鼻予以捕捉和識別［5］。電子鼻是人類嗅覺的延伸，是由多個性能彼此重疊的氣味傳感器和適當(dāng)?shù)哪Ｊ椒诸惙椒ńM成的具有識別單一和復(fù)雜氣味能力的裝置［6］。它具有樣品無需前處理，不需借助有機溶劑，檢測速度快，綠色、安全、環(huán)保等優(yōu)點。目前，該技術(shù)在疾病診斷和食品分析及真?zhèn)舞b別中已廣泛報道［7－13］，并引起糧食儲藏科研人員的興趣，電子鼻技術(shù)在谷物的區(qū)分［14］、儲藏品質(zhì)［15－16］、儲藏年限［17］、霉變［18］等糧食儲藏方面的研究已見報道。本研究旨在研究電子鼻檢測玉米象不同密度、蟲態(tài)及其組合的應(yīng)用，以期為重要儲糧害蟲監(jiān)測現(xiàn)代化提供一些有益的探索。

1 材料與方法

1.1 供試蟲源

供試玉米象Sitophilus zeamais取自南京財經(jīng)大學(xué)糧食儲運國家工程實驗室的模擬倉中，經(jīng)人工飼養(yǎng)數(shù)代后用于試驗。將玉米象成蟲接種于含有40～60 g干凈小麥的500 mL玻璃瓶中，其中，玻璃瓶經(jīng)160℃干熱滅菌60 min，產(chǎn)卵7 d后將玉米象成蟲篩去，其后代在溫度為(30±1)℃、相對濕度為(75±5)%黑暗條件下繼續(xù)培養(yǎng)，待成蟲大量出現(xiàn)后1～2周內(nèi)，挑取發(fā)育健康的成蟲作為供試蟲源。

1.2 儀器設(shè)備

Fox 3000型電子鼻:法國Alpha MOS公司，傳感器性能如表1所示;PQX型分段可編程人工氣候箱:寧波東南儀器有限公司。

1.3 試驗方法

1.3.1 檢測參數(shù)

電子鼻檢測相關(guān)參數(shù)設(shè)置如表2所示。

1.3.2 玉米象密度的判定

挑取玉米象成蟲 1、2、3、10、15、20、25、30 只，清除其體表附著飼料粉末，分別置于潔凈的20 mL頂空瓶中，設(shè)置6個重復(fù)，并按照編號排列在電子鼻進樣托盤上，靜置1 h后，密封頂空瓶，按照1.3.1進樣方式和檢測參數(shù)進行檢測。

表1 Fox 3000型電子鼻12根傳感器的性能

表2 電子鼻檢測相關(guān)參數(shù)設(shè)置

1.3.3 玉米象不同蟲態(tài)的電子鼻檢測

將100頭玉米象成蟲放入200 g干凈無蟲的糙米中，放在溫度為(30±1)℃、相對濕度為(75±5)%的黑暗條件下產(chǎn)卵24 h后，將玉米象成蟲篩出獲得帶卵糙米。充分混勻后每個頂空瓶中裝6 g帶卵糙米，用100目的尼龍網(wǎng)將頂空瓶封口，放在溫度為(30±1)℃、相對濕度為(75±5)%的黑暗條件下進行培養(yǎng)，按照1.3.1進樣方式和檢測參數(shù)進行檢測，設(shè)置6個重復(fù)，每隔1周檢測1次，連續(xù)檢測8周。

1.3.4 玉米象混合蟲態(tài)的電子鼻檢測

每個20 mL的頂空瓶中放入6 g無蟲糙米，然后放入15頭玉米象成蟲，用100目的尼龍網(wǎng)將頂空瓶封口，放在溫度為(30±1)℃、相對濕度為(75±5)%的黑暗條件下進行培養(yǎng)，按照1.3.1進樣方式和檢測參數(shù)進行檢測，設(shè)置6個重復(fù)，每隔1周檢測1次，連續(xù)檢測8周。

1.4 數(shù)據(jù)處理

采用"SOFT V12.43數(shù)據(jù)處理軟件對數(shù)據(jù)進行采集、測量和分析，其中以主成分分析(PCA)和判別因子分析(DFA)為最主要方法。

PCA分析是一種多元統(tǒng)計方法，是對傳感器多指標(biāo)的信息進行數(shù)據(jù)轉(zhuǎn)換和降維，對降維后的特征向量進行線性分類，在PCA分析圖上顯示主要的二維圖。PCA圖譜中橫、縱坐標(biāo)分別表示在PCA轉(zhuǎn)換中得到的第一主成分(PC1)和第二主成分(PC2)的貢獻率(或權(quán)重)，貢獻率(或權(quán)重)越大，說明主成分可以較好地反映原來多指標(biāo)的信息。通過PCA分析判定各樣品間的差異程度，可用識別指數(shù)衡量，識別指數(shù)(Differentiation Index，DI)是區(qū)分樣品的程度表征，分析圖中具有有效區(qū)分的以綠色顯示，一般DI在70以上即為具有較好區(qū)分度，表明各組樣品間差異較大［19］。

判別因子分析(discriminate factorial analysis，DFA)是在有先驗知識的前提下，對原始數(shù)據(jù)量進行線性變換，使得各類樣品能夠更好地區(qū)分。在主成分分析的基礎(chǔ)上通過對樣品采集數(shù)據(jù)進一步做判別因子分析［20］，目的是使各個組間的重心距離最大的同時保證組內(nèi)差異最小，DFA通過一系列數(shù)學(xué)變化，在充分保存現(xiàn)有信息的前提下，使同類數(shù)據(jù)間的差異性盡量縮小，不同類數(shù)據(jù)間的差異盡量擴大。DFA圖的橫坐標(biāo)對應(yīng)于第一判別因子DF1，縱坐標(biāo)對應(yīng)于第二判別因子 DF2［21］。

2 結(jié)果與分析

2.1 不同密度的玉米象成蟲電子鼻檢測

為更好觀察和分析電子鼻12根傳感器對不同密度的玉米象揮發(fā)性物質(zhì)的變化，根據(jù)12根傳感器的響應(yīng)值大小及差異，繪制不同密度的玉米象雷達圖譜(圖1)。12根傳感器對不同密度的玉米象響應(yīng)值是不同的，其中傳感器P10/1、P10/2、P40/1的響應(yīng)值在0.4～0.8之間，T30/1、T70/2、PA/2的響應(yīng)值在0.2～0.4之間，其余6根傳感器的響應(yīng)值均低于0.2，說明玉米象成蟲的主要揮發(fā)物質(zhì)為烴類、甲烷、氟以及芳香族化合物等。不同密度的玉米象雷達圖譜具有相似的形狀和變化趨勢，說明玉米象所產(chǎn)生的揮發(fā)物類型是相同的，但傳感器 P10/1、P10/2、P40/1的檢測數(shù)據(jù)存在明顯的差異，說明揮發(fā)性物質(zhì)的濃度差異可以被傳感器敏感捕捉。此外，圖譜顯示電子鼻傳感器具有很好的穩(wěn)定性(變異系數(shù)＜5%)。

圖1 玉米象不同密度的雷達圖譜

圖2 不同密度的玉米象PCA和DFA分析圖

圖2是不同密度的玉米象成蟲分別采用PCA法和DFA法的分析圖。在PCA分析結(jié)果中，前2個主成分的貢獻率分別為99.31%，0.56%，累積貢獻率達99.87%，相同濃度的樣本重現(xiàn)性很高，密度低于20頭/瓶時，可有效區(qū)分。在DFA分析結(jié)果中，DF1、DF2的貢獻率分別為96.51%，2.72%，累積貢獻率為99.23%，當(dāng)玉米象密度較低時(低于20頭/瓶)能有效區(qū)分，玉米象密度高于20頭/瓶時，揮發(fā)物的濃度超出電子鼻的檢測范圍，不能進行有效區(qū)分。

2.2 玉米象不同蟲態(tài)的電子鼻檢測

根據(jù)電子鼻12根傳感器對玉米象不同蟲態(tài)的響應(yīng)值大小及差異，繪制傳感器對玉米象不同蟲態(tài)響應(yīng)值的柱狀圖(見圖3)。傳感器對玉米象不同蟲態(tài)的響應(yīng)值是不同的，其中LY型傳感器的響應(yīng)值較低，在 －0.1～0.1之間;傳感器 T30/1、T70/2、PA/2的響應(yīng)值在0.2～0.4之間;傳感器 P10/1、P10/2、P40/1的響應(yīng)值最高，在0.5～0.7之間。從第1周到第8周，玉米象的蟲態(tài)不同，傳感器的響應(yīng)值也存在差異。

根據(jù)玉米象在30℃時的發(fā)育速度推斷，第1周為初生的卵，第2周為卵期，第3周為低齡幼蟲，第4周為高齡幼蟲，第5周為蛹期，第6周成蟲開始羽化，第7周成蟲大量出現(xiàn)，第8周為成蟲與卵的混合蟲態(tài)［22］。

圖4為玉米象不同蟲態(tài)的電子鼻檢測PCA和DFA分析圖，由PCA分析圖可以看出，6次重復(fù)數(shù)據(jù)點較分散，重復(fù)間聚集性不好，且不同蟲態(tài)間交叉重疊現(xiàn)象嚴(yán)重，不能顯著區(qū)分。在主成分分析的基礎(chǔ)上對樣品進一步做判別因子分析，由DFA分析圖可以看出，6次重復(fù)間數(shù)據(jù)分布較集中，且不同蟲態(tài)間無交叉重疊現(xiàn)象，DF1的貢獻率為88.44%，DF2的貢獻率為9.438%，累計貢獻率達到97.878%，與PCA分析相比較，經(jīng)DFA分析后的樣本分布更加集中，不同樣本間距離變大，能有效區(qū)分玉米象的不同蟲態(tài)。

圖3 玉米象不同蟲態(tài)的電子鼻檢測柱狀圖

圖4 從卵開始的為害進程檢測的PCA和DFA分析圖

表3是經(jīng)DFA分析后玉米象從卵開始的為害進程檢測的氣味距離表，組間樣品差異的大小可以通過氣味距離表查看，若組間距離小，說明其相似性高，若組間距離大，說明其相似性低。從表3可以看出，第1周的樣本和其他周的樣本間的氣味距離較大，氣味距離在0.06～0.12之間。第5周之后，各樣本之間的氣味距離變小，氣味距離在0.01～0.04之間，可能是因為第5周已經(jīng)有少量玉米象成蟲出現(xiàn)，因此第5周之后是各蟲態(tài)混合存在，因此氣味距離較小。

表3 從卵開始的為害進程檢測的氣味距離表

2.3 玉米象混合蟲態(tài)的電子鼻檢測

根據(jù)玉米象的發(fā)育速度推理，將玉米象成蟲投入干凈的糙米后，第1周應(yīng)為玉米象成蟲，第2周為成蟲與卵的混合蟲態(tài)，第3周為成蟲、低齡幼蟲和卵的混合蟲態(tài)，第4周為成蟲、高齡幼蟲、低齡幼蟲和卵的混合蟲態(tài)，第5周為成蟲、蛹、高齡幼蟲、低齡幼蟲和卵的混合蟲態(tài)，第6周至第8周為成蟲、蛹、高齡幼蟲、低齡幼蟲和卵的混合蟲態(tài)。

圖5是玉米象混合蟲態(tài)電子鼻檢測PCA和DFA分析圖，由PCA分析圖可以看出，從第4周開始，重復(fù)間數(shù)據(jù)點分布分散，且樣本件重疊現(xiàn)象嚴(yán)重。由DFA分析圖可以看出，重復(fù)間數(shù)據(jù)點集中性好，樣本間均無重疊現(xiàn)象，DF1、DF2的貢獻率分別為82.432%、13.006%，累計貢獻率達 95.438%。因此，與PCA分析比較，DFA分析法能更好的將樣本間的檢測數(shù)據(jù)進行聚類和分析，更有效地識別玉米象混合蟲態(tài)樣品。

表4是玉米象混合蟲態(tài)檢測的氣味距離表，從表中可以更清楚地觀察各個樣本在空間的分布。由氣味距離表可以看出，兩樣本間相隔時間越長，氣味距離就越大，這從氣味距離的定量角度說明隨著時間的延長，樣本之間的差異性越來越大。

圖5 從成蟲開始的為害進程檢測的PCA和DFA分析圖

表4 從成蟲開始的為害進程檢測的氣味距離表

3 結(jié)論

本研究選擇FOX3000型電子鼻對玉米象不同密度及蟲態(tài)進行檢測，結(jié)果表明，該電子鼻傳感器不僅對玉米象不同蟲態(tài)具有不同的響應(yīng)，而且對同一蟲態(tài)的不同密度也有顯著的響應(yīng)差異，且重復(fù)間變異系數(shù)小于5%，因此，可以將該電子鼻用于玉米象密度及蟲態(tài)的檢測識別研究。

采用不同的分析方法對電子鼻檢測數(shù)據(jù)進行分析，結(jié)果表明，主成分分析法和判別因子分析法均可對玉米象不同密度進行區(qū)分，但是當(dāng)蟲口密度超過20頭/瓶時，揮發(fā)物的濃度超出電子鼻的檢測范圍，不能進行有效區(qū)分。而在檢測玉米象不同蟲態(tài)時，與主成分分析法相比，判別因子分析法能更好的將玉米象不同蟲態(tài)的檢測數(shù)據(jù)進行聚類，且各蟲態(tài)間分布無交叉重疊現(xiàn)象，能更有效的將玉米象的不同蟲態(tài)進行識別。此外，通過判別因子分析法還可將玉米象混合蟲態(tài)的不同樣本進行有效的區(qū)分。通過制作判別因子分析法的氣味距離表，能夠更形象、直觀的顯示不同樣本的氣味距離值。

本研究探索了電子鼻對玉米象這一頭號儲糧害蟲的密度、蟲態(tài)等進行鑒別檢測的可行性，以期為糧堆蟲儲糧害蟲的精確檢測提供技術(shù)支持。然而在糧堆中還存在化學(xué)藥劑、糧食陳化等其他揮發(fā)性成分，這些成分對電子鼻的檢測結(jié)果也會有較大的影響，需要對糧堆中其他揮發(fā)物質(zhì)進行綜合研究，以消除干擾成分對檢測結(jié)果的影響，提高電子鼻檢測結(jié)果的準(zhǔn)確性。

［1］白旭光.儲糧害蟲檢測技術(shù)評述［J］.糧食儲藏，2010，39(1):6－9

［2］王若蘭.河南省糧食儲藏?fù)p失現(xiàn)狀及分析［J］.糧食科技與經(jīng)濟，2009，34(3):38 －40

［3］路靜，傅洪亮.儲糧害蟲檢測和分類識別技術(shù)的研究［J］.糧食儲藏，2014，43(1):6 －9

［4］甄彤，董志杰，郭嘉，等.基于聲音的儲糧害蟲檢測系統(tǒng)設(shè)計［J］.河南工業(yè)大學(xué)學(xué)報:自然科學(xué)版，2012，33(5):79－82

［5］周顯青，崔麗靜，林家永，等.電子鼻用于糧食儲藏的研究進展［J］.糧油食品科技，2010，18(5):63－66

［6］Gardner JW.A brief history of electronic noses［J］.Sensors and Actuators B:Chemical，1994，18(1 －3):210 －211

［7］Drake M A，Gerard P D，Kleinhenz J P，et al.Application of an electronic nose to correlate with descriptive sensory analysis of aged Cheddar cheese［J］.LWT － Food Science and Technology，2003，36(1):13 －20

［8］Vestergaard JS，Martens M，Turkki P.Application of an electronic nose system for prediction of sensory quality changes of a meat product(pizza topping)during storage［J］.LWT －Food Science and Technology，2007，40(6):1095 －1101

［9］Gomez A H，Wang J，Hu G X，et al.Monitoring storage shelf life of tomato using electronic nose technique［J］.Journal of Food Engineering，2008，85(4):625 －631

［10］Kateb B，Ryan M A，Homer M L，et al.Sniffing out cancer using the JPL electronic nose:A pilot study of a novel approach to detection and differentiation of brain cancer［J］.Neuroimage，2009，47(Supplement 2):T5 －9

［11］Peris M，Escuder－ Gilabert L.A 21st century technique for food control:Electronic noses［J］.Analytica Chimica Acta，2009，638(1):1 －15

［12］Torri L，Sinelli N，Limbo S.Shelf life evaluation of fresh －cut pineapple by using an electronic nose ［J］.Postharvest Biology and Technology，2010，56(3):239 －245

［13］海錚，王俊.基于電子鼻山茶油芝麻油摻假的檢測研究［J］.中國糧油學(xué)報，2006，21(3):192 －197

［14］Zheng X Z，Lan Y B，Zhu J M，et al.Rapid identification of rice samples using an electronic nose［J］.Journal of Bionic Engineering，2009，6(3):290 －297

［15］宋偉，劉璐，支永海，等.電子鼻判別不同儲藏條件下糙米品質(zhì)的研究［J］.食品科學(xué)，2010，31(24):360 －365

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

［17］龐林江，王俊，路興花.電子鼻判別小麥陳化年限的檢測方法研究［J］.傳感技術(shù)學(xué)報，2007，20(8):1717 －1722

［18］宋偉，謝同平，張美玲，等.應(yīng)用電子鼻技術(shù)對粳稻谷中霉菌定量分析［J］.糧食儲藏，2011，40(6):34 －38

［19］李艷雙，曾珍香，張閩，等.主成分分析法在多指標(biāo)綜合評價方法中的應(yīng)用［J］.河北工業(yè)大學(xué)學(xué)報，1999，28(1):94－97

［20］胡志全，王海洋，劉友明.電子鼻識別大米揮發(fā)性物質(zhì)的應(yīng)用性研究［J］.中國糧油學(xué)報，2013，28(7):93－98

［21］張曉敏，朱麗敏，張捷，等.采用電子鼻評價肉制品中的香精質(zhì)量［J］.農(nóng)業(yè)工程學(xué)報，2008，24(9):175 －178

［22］黃建國.米象、玉米象生物學(xué)的研究［J］.鄭州糧食學(xué)院學(xué)報，1982(1):1－10.