電子鼻技術(shù)在果蔬病害檢測中的研究進展

吳嘉雯 劉智昊 龐林江 成紀(jì)予

(浙江農(nóng)林大學(xué)食品與健康學(xué)院，浙江 杭州 311300)

病害是造成果蔬損耗的主要原因。例如，感染黃龍病菌的茶枝柑果皮中倍半萜類物質(zhì)和脂肪酸類物質(zhì)含量顯著下降，烷烴類和酯類物質(zhì)含量顯著增加[1]；感染軟腐病菌的洋蔥球莖中酯類、酮類、烷烴類和含硫化合物含量大量升高[2]；感染果膠桿菌和腐霉菌的馬鈴薯酮類、烯類和有機胺類等含量明顯增加[3]。傳統(tǒng)的果蔬病害識別方法大多依賴人工，效率低下且易受主觀因素的影響。不同果蔬具有各自獨特的風(fēng)味，在受到病菌侵染后，果蔬的正常生理代謝受到干擾，會造成揮發(fā)性有機化合物(VOCs)的種類及含量發(fā)生明顯的變化[4]。而VOCs在一定條件下可被檢測，因此可以通過檢測VOCs的變化反映果蔬病變情況，及時預(yù)警和防治病害。

常用的VOCs檢測技術(shù)主要有氣相色譜(GC)[5]、氣相色譜—質(zhì)譜聯(lián)用(GC-MS)[6]、氣相色譜—離子遷移譜(GC-IMS)[7]、氣相色譜—嗅聞聯(lián)用(GC-O)[8]等。但這些技術(shù)需要較高昂的運營成本和較多專業(yè)技術(shù)人員，同時儀器升溫過程及高溫可能會導(dǎo)致相關(guān)物質(zhì)的結(jié)構(gòu)發(fā)生變化[9]，且不能實現(xiàn)實時在線檢測[10]。電子鼻作為一種VOCs檢測技術(shù)，兼容人類嗅覺系統(tǒng)和傳統(tǒng)的感覺分析[11]，具有無損、快速、靈敏、實時、操作簡單等優(yōu)點，已被廣泛應(yīng)用于食品、農(nóng)業(yè)、醫(yī)學(xué)等行業(yè)。在食品行業(yè)中，隨著氣體傳感器技術(shù)的發(fā)展及其種類的不斷增加，電子鼻技術(shù)越來越多地被用于品種的鑒別[12]，新鮮度的檢測[13]，果蔬成熟度的鑒定[14]，貨架期的預(yù)測[15]，肉制品摻假[16]及農(nóng)藥殘留的檢測[17]等方面。

隨著社會的發(fā)展，人們對健康的認(rèn)識在逐漸改變，對食用果蔬的新鮮度、營養(yǎng)價值及安全性要求越來越高。在果蔬采后病害檢測中，電子鼻技術(shù)能夠高效和準(zhǔn)確地識別病原菌種類和病害程度，為果蔬的新鮮度評價、過程監(jiān)測和質(zhì)量控制等提供快速、準(zhǔn)確的信息反饋。研究擬歸納總結(jié)電子鼻技術(shù)用于果蔬采后病害檢測的最新研究進展，旨在為其實際應(yīng)用提供參考與借鑒。

1 電子鼻的構(gòu)成及算法應(yīng)用

1.1 電子鼻的構(gòu)成

電子鼻由硬件系統(tǒng)和軟件系統(tǒng)兩大部分組成，其中，硬件系統(tǒng)由氣體傳感器陣列和數(shù)據(jù)采集系統(tǒng)組成，軟件系統(tǒng)由信號預(yù)處理和模式識別系統(tǒng)等部分組成[18]。電子鼻的工作原理與人類嗅覺系統(tǒng)相似，其氣體傳感器陣列先對收集的VOCs進行響應(yīng)，然后模數(shù)轉(zhuǎn)換器將捕獲的化學(xué)信號轉(zhuǎn)化為可計量的電信號，最后通過模式識別算法作出決策。

果蔬的VOCs復(fù)雜多樣，在采后病害檢測中，檢測的準(zhǔn)確度不僅受傳感器種類的影響，同時也受到傳感器數(shù)量的影響，各類傳感器在果蔬病害檢測中的應(yīng)用見表1。目前，PEN 3是果蔬行業(yè)中應(yīng)用最為廣泛的電子鼻，由10個金屬氧化物(MOS)傳感器組成，F(xiàn)ox 3000由12個MOS傳感器組成，而其他自制的傳感器則可根據(jù)試驗需要搭建傳感器陣列。不同的果蔬病害所產(chǎn)生的VOCs種類各不相同，因此由多個傳感器組成的傳感器陣列能夠綜合、全面、準(zhǔn)確地檢測果蔬病害。

表1 不同種類傳感器在果蔬病害檢測中的應(yīng)用

1.2 算法的應(yīng)用

通過氣體傳感器陣列采集的VOCs響應(yīng)信號，需要結(jié)合各種化學(xué)計量學(xué)算法進行分析和建模，以進一步確定電子鼻的適用性。目前，在果蔬采后病害檢測中，常用的分析算法及其優(yōu)缺點見表2。其中，主成分分析(PCA)、線性判別分析(LDA)、偏最小二乘—判別分析(PLS-DA)和K-最鄰近(KNN)等是應(yīng)用最為廣泛的傳統(tǒng)方法。支持向量機(SVM)、分類回歸樹(CART)和隨機森林(RF)等作為新型方法相比于傳統(tǒng)方法能夠使分類結(jié)果更加客觀，同時降低了分析復(fù)雜性和數(shù)據(jù)處理的時間。如SVM相比于PLS-DA不受樣本類分布的影響[27]，CART能夠根據(jù)決策樹圖直觀地做出決策分類、提取知識規(guī)則[28]，RF能夠?qū)︻A(yù)測變量之間的復(fù)雜相互作用進行建模[29]等。在實際應(yīng)用中，各種識別算法具有不同的適用性，為了更好地檢測果蔬病害，通常采用多種算法來處理大量復(fù)雜的試驗數(shù)據(jù)。如PCA、LDA和載荷分析(LA)被用于紅香梨腐爛檢測[30]；LDA、多層感知器神經(jīng)網(wǎng)絡(luò)(MLPNN)和徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)(RBFNN)被用于蘋果霉心病檢測[31]，KNN和反向傳播神經(jīng)網(wǎng)絡(luò)(BPNN)被用于馬鈴薯真菌性腐爛檢測[32]等。隨著人工智能領(lǐng)域的快速發(fā)展，深度學(xué)習(xí)(DL)在電子鼻中也有了部分應(yīng)用，如電子鼻結(jié)合卷積神經(jīng)網(wǎng)絡(luò)(CNN)判別普洱茶的貯藏時間[33]；電子鼻結(jié)合修正卷積神經(jīng)網(wǎng)絡(luò)(IMCNN)判別牛肉的新鮮度[34]等，日后也將逐漸被應(yīng)用于果蔬病害的檢測。

表2 常見不同算法的優(yōu)缺點

2 電子鼻在果蔬病害檢測中的應(yīng)用

果蔬采后貯藏和運輸各環(huán)節(jié)中很容易受到割傷、切傷、擦傷、壓傷等機械損傷，病原菌容易從果蔬表皮的傷口入侵而導(dǎo)致病變。侵染性病害以真菌和細(xì)菌侵染為主，是引起果蔬采后腐爛變質(zhì)的主要病害。例如，葡萄、草莓等灰霉病的發(fā)生由灰葡萄孢菌[35]引起，番茄、辣椒等黑斑病的發(fā)生由互隔交鏈孢霉[36]引起，甜菜細(xì)菌性斑點病的發(fā)生由丁香假單胞菌[37]引起，黃瓜細(xì)菌性角斑病的發(fā)生由丁香假單胞菌和胡蘿卜軟腐果膠桿菌[38]引起。侵染性病害在果蔬采后貯藏期間具有較強的傳染性，若不能及時剔除染菌果蔬，容易引起大規(guī)模的病變。

2.1 單種病原菌的檢測和識別

病原菌對果蔬的侵染包括入侵、潛伏和病變3個階段，當(dāng)病原菌侵入后，會誘導(dǎo)VOCs相關(guān)生物合成酶活性升高，促進萜類、脂肪酸和氨基酸等底物轉(zhuǎn)化為VOCs，隨著侵染的進程，VOCs的種類和含量均會發(fā)生明顯的變化。例如，粉紅單端孢菌侵染甜瓜早期會產(chǎn)生大量的醇類和醛類[39]，指狀青霉侵染柑橘中晚期會產(chǎn)生大量LOX-衍生酯類[40]等。電子鼻可以有效地判別健康果蔬與染菌果蔬。在識別由桃吉爾霉引起的火龍果采后病害中，傳感器陣列采集的健康火龍果和染菌火龍果的VOCs差異顯著，結(jié)合PCA、LDA及LA分析響應(yīng)信號，得出PCA和LDA算法能準(zhǔn)確地判別出染病的火龍果[19]。在檢測洋蔥佰克霍爾德菌(Burkholderiacepacia)感染引起的酸皮病害中，感染4～7 d后，染菌洋蔥VOCs信號較健康洋蔥有明顯的變化，再采取相對響應(yīng)特征結(jié)合相對基線校正的方法提取特征響應(yīng)信號，并利用SVM算法區(qū)分健康洋蔥和染菌洋蔥，準(zhǔn)確率達85%[20]。

當(dāng)果蔬受到病原菌侵染后，在不同的感染時期產(chǎn)生的VOCs各不相同，電子鼻可用于判別不同病變程度的果蔬，為果蔬產(chǎn)業(yè)采后病害的分級提供理論依據(jù)。如馬鈴薯易受到胡蘿卜軟腐歐文氏菌(Euclideancoli)侵染而引起軟腐病，Chang等[41]通過自主設(shè)計和優(yōu)化的仿生電子鼻氣室和采樣裝置，采用RBFNN和SVM算法區(qū)分新鮮和5種不同病變程度的馬鈴薯。結(jié)果顯示，SVM算法對腐爛的馬鈴薯判別準(zhǔn)確率最高為89.7%，RBFNN算法的判別準(zhǔn)確率最高為87.5%，SVM算法的識別準(zhǔn)確率優(yōu)于RBFNN算法。甘薯長喙殼菌(Ceratocystisfimbriata)侵染引起的黑斑病是造成甘薯采后損失的主要病害，病原菌侵染過程中，會引起酮類、醇醚類物質(zhì)的增加，烷烴類、烯烴類物質(zhì)的減少，張小瓊等[42]利用電子鼻對3種不同病變程度的甘薯進行判別，比較PCA、PLS-DA、正交偏最小二乘法—判別分析(OPLS-DA)和SVM算法的區(qū)分效果，得出SVM算法的判別效果最好，訓(xùn)練集和測試集準(zhǔn)確率分別為97%和96%。

若病原菌在果蔬生長早期侵入并潛伏于果蔬內(nèi)部，隨著果蔬的發(fā)育成熟，病原菌會在果蔬內(nèi)部生長繁殖從而引起病變。在病害的早期，果蔬表面觀察不到明顯的病變癥狀，依靠傳統(tǒng)的人工無法及時發(fā)現(xiàn)病變。目前，電子鼻技術(shù)的應(yīng)用可以實現(xiàn)果蔬表面肉眼不可見病害的早期識別。Nouri等[21]研究表明，電子鼻可以快速診斷石榴內(nèi)部鏈格孢菌(Alternariaspp.)侵染引起的黑心病，利用PCA篩選高性能傳感器，再通過LDA、BPNN、SVM算法對染病石榴建立判別模型進行對比分析，其中BPNN算法對不同病害程度石榴的分類精度最高，準(zhǔn)確率可達100%。表明電子鼻在果蔬病害表面無癥狀感染的識別效果較好，在果蔬病害檢測中較傳統(tǒng)方法具有更大的優(yōu)越性和應(yīng)用前景。

2.2 不同病原菌的檢測和識別

在日常的貯運過程中，果蔬通常會受到多種病原菌的交叉感染。而即使是同一種果蔬受到不同種類的病原菌侵染后，發(fā)生的生理生化反應(yīng)與合成的代謝產(chǎn)物各不相同，導(dǎo)致產(chǎn)生的VOCs具有特異性，即獨特的氣味指紋信息。如蘋果感染擴展青霉后產(chǎn)生癸酸乙酯、2-苯基乙酸乙酯和碳酸二乙酯等，感染葡萄座腔菌后產(chǎn)生3-己烯-1-醇、2-苯基乙醛和α-萜烯等，感染鏈格孢菌后產(chǎn)生2-乙基己烷-1-醇和苯乙酮[43]等；草莓感染灰葡萄孢菌后產(chǎn)生乙酸辛酯、5-羥基甲基糠醛和辛酸等，感染青霉菌后產(chǎn)生肉桂酸甲酯和苯并環(huán)丁烯等，感染匍枝根霉后產(chǎn)生γ-十二內(nèi)酯和α-法尼烯[44]等。電子鼻可以準(zhǔn)確地識別果蔬受到不同病原菌侵染后而引起的各種病害，該技術(shù)的應(yīng)用可為病害的精準(zhǔn)防控提供強有力的依據(jù)。大蒜易受到尖孢鐮刀菌(Fusariumoxysporumf.sp.Cepae)、交鏈孢菌(Alternariaembellisia)和灰霉菌(Botrytisallii)感染引發(fā)不同病害，Makarichian等[24]根據(jù)不同病菌侵染時釋放的特征VOCs，先采用PCA篩選對染菌大蒜敏感的傳感器，再結(jié)合LDA、SVM和BPNN分析電子鼻響應(yīng)信號，3種算法均可有效區(qū)分不同病原菌感染的大蒜，準(zhǔn)確率分別為97.5%，92.5%，92.5%。在判別雙孢蘑菇受到黃曲霉(Aspergillusflavus)、煙曲霉(Aspergillusfumigatus)和赭曲霉(Aspergillusochraceus)侵染時，將電子鼻響應(yīng)信號結(jié)合PLS-DA算法，可以很好地區(qū)分真菌種類，判別準(zhǔn)確率達97.0%，同時對不同侵染時間的識別準(zhǔn)確率高達98.3%[25]。蘋果在采后易受到擴展青霉(Penicilliumexpansum)和黑曲霉(Aspergillusniger)的侵染，Jia等[26]利用電子鼻采集不同病原菌侵染蘋果后的VOCs響應(yīng)信號，篩選和優(yōu)化了與染菌蘋果VOCs信息相關(guān)性較高的特征氣體傳感器，再采用LDA、BPNN、SVM和RBFNN算法進行判別，其中BPNN算法構(gòu)建的模型判別效果最好，準(zhǔn)確率為72.0%。

電子鼻技術(shù)與其他風(fēng)味檢測技術(shù)的聯(lián)合分析，可以校驗電子鼻檢測結(jié)果的可靠性，同時可以提高對多種病原菌判別的準(zhǔn)確性和客觀性。Liu等[23]利用電子鼻結(jié)合GC-MS檢測桃子褐腐病菌(Moniliniafructicola)、匍枝根霉和灰葡萄孢菌侵染引起的VOCs變化，GC-MS的結(jié)果顯示正己醛、E-2-己烯醛、乙酸己酯、Z-2-己烯-1-醇、芳樟醇、γ-十八內(nèi)酯、γ-癸內(nèi)酯和β-月桂烯8種物質(zhì)是影響桃子風(fēng)味特征的主要VOCs，同時也是引起傳感器響應(yīng)變化的主要物質(zhì)。再將電子鼻響應(yīng)信號結(jié)合PLS-DA算法對不同病原菌侵染的桃子進行判別，結(jié)果表明電子鼻在48 h后即可以有效區(qū)分由3種真菌侵染引起的灰霉病、褐腐病和軟腐病，判別準(zhǔn)確率分別為86.67%，86.67%，100.00%。Ezhilan等[45]采用電子鼻技術(shù)結(jié)合GC-MS對受到葡萄球菌(Staphylococcus)、沙門氏菌(Salmonella)和志賀菌(Shigella)感染的西蘭花樣品進行評價。將菌落總數(shù)、GC-MS與西蘭花的新鮮度進行相關(guān)性分析，確定西蘭花新鮮度評判標(biāo)準(zhǔn)，最后利用電子鼻對不同新鮮度的西蘭花進行判別。結(jié)果表明，西蘭花感染3種細(xì)菌后產(chǎn)生的乙酸、己酸和壬醇等標(biāo)志性VOCs為電子鼻的判別提供了物質(zhì)基礎(chǔ)；電子鼻結(jié)合PCA和中心鏈接聚類分析(CA)可以定量區(qū)分新鮮(0 CFU/mL)、半污染(106CFU/mL)和完全污染(107CFU/mL)的西蘭花。表明電子鼻在果蔬中多種病原菌侵染的檢測方面也有很好的應(yīng)用前景。

綜上，電子鼻技術(shù)無需復(fù)雜的樣品前處理，采集頂空氣體后即可實時獲取VOCs的響應(yīng)信息，結(jié)合適當(dāng)?shù)幕瘜W(xué)計量學(xué)方法可實現(xiàn)果蔬采后病害實時、準(zhǔn)確的判別。同時，電子鼻技術(shù)結(jié)合HSI和微生物、理化指標(biāo)測定等方法可以使電子鼻定量預(yù)測病害果蔬中的病原菌含量或其他生理指標(biāo)。其次，電子鼻技術(shù)聯(lián)合GC-MS等其他風(fēng)味檢測技術(shù)可以從不同角度捕獲更全面、更綜合的VOCs信息，多源信息的融合使得果蔬侵染性病害的檢測結(jié)果更為準(zhǔn)確和可靠。

3 總結(jié)與展望

電子鼻技術(shù)能夠檢測果蔬肉眼可見和不可見的病害，具有快速、無損、操作簡便、批量檢測等優(yōu)點，在果蔬采后病害檢測中具有較好的應(yīng)用可行性和發(fā)展前景。但目前電子鼻技術(shù)仍存在部分缺點，如傳感器穩(wěn)定性較差，容易受到噪聲的影響產(chǎn)生漂移；測量的高精度性和高重復(fù)性需要嚴(yán)格控制樣品制備和采樣環(huán)境，使得電子鼻在田間或者運輸過程中使用困難。因此，電子鼻技術(shù)落地到實際農(nóng)業(yè)應(yīng)用推廣中還有很多工作需要研究和完善。① 新型傳感材料的研發(fā)方面，開發(fā)高靈敏度和選擇性的無漂移傳感器，利用新型納米材料或在材料中添加元素或多種催化劑提高響應(yīng)，減少響應(yīng)時間；② 不斷開發(fā)新的模式識別算法，不僅要提高樣品的分類準(zhǔn)確率和適用性，還要能夠?qū)鞲衅鞯母鼡Q、漂移補償、穩(wěn)定性和可靠性進行數(shù)據(jù)處理；③ 開發(fā)微型電子鼻結(jié)合嵌入式技術(shù)設(shè)備如GSM、GPS，一旦檢測到目標(biāo)氣體即可產(chǎn)生報警信號并顯示目標(biāo)樣品實時定位；④ 將電子鼻技術(shù)應(yīng)用于病變果蔬中毒素的檢測，如番茄鏈格孢菌侵染產(chǎn)生的鏈格孢毒素、葡萄赭曲霉和黑曲霉侵染產(chǎn)生的赭曲霉毒素，蘋果擴展青霉侵染產(chǎn)生的展青霉素等?？偟膩碚f，電子鼻技術(shù)在果蔬病害中的應(yīng)用，使得檢測結(jié)果更加客觀、準(zhǔn)確和高效，能夠?qū)崿F(xiàn)果蔬采后病害的動態(tài)監(jiān)測和早期預(yù)警。