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.浙江大學生物醫(yī)學工程與儀器科學學院,杭州310027)
草魚(Ctenopharyngodon Idellus)屬鯉形目鯉科雅羅魚亞科草魚屬,是我國“四大家魚”之一,價廉味美,營養(yǎng)價值高,深受消費者的喜愛。草魚肉嫩,含有豐富的不飽和脂肪酸和硒元素,具有抗衰老、開胃、滋補等價值[1]。新鮮草魚在低溫貯存過程中,其品質易受多種因素影響而發(fā)生腐敗變質,同時產生異味。隨著貯藏時間的增長其揮發(fā)性能的氣體組分也不斷變化。人工感官評價方法雖可區(qū)分這種細微變化,但該方法的結果因評價人員個體差異、健康狀況等因素影響導致重復性和參考性均較差。理化指標動力學模型在水產品品質變化預測中有著廣泛的應用[2-5],但該方法需要進行理化檢驗實驗,存在耗時長、實驗過程繁瑣等不足。作為人類嗅覺功能的延伸,電子鼻使用特異性能的氣體傳感器陣列采集被測樣品的揮發(fā)性氣體信息,輔以模式識別方法實現(xiàn)樣品區(qū)分的目標,已經在食品鮮度檢測中大顯身手[6-9]。佟懿等開展了基于電子鼻的帶魚貨架期預測分析,以主成分分析方法(PCA)實現(xiàn)了273 K與283 K溫度下不同貯藏時間的帶魚氣味變化情況,結合理化指標動力學模型實現(xiàn)了對帶魚貨架期的預測[10]。
本文使用電子鼻對不同貯藏期的草魚樣品進行了檢測,同時檢驗了樣品的菌落總數指標,電子鼻傳感器陣列響應與微生物檢驗結果之間具有較好的關聯(lián)性,這是由于微生物的繁殖導致草魚樣品揮發(fā)氣體的成分產生了變化。主成分分析方法的樣品區(qū)分效果并不理想,而隨機共振信噪比譜方法可以完全區(qū)分草魚樣品。以信噪比特征值建立了低溫貯藏草魚品質預測模型,該模型的預測誤差低于10%。
草魚:購自杭州某農貿市場。
樣品預處理:將新鮮草魚放入碎冰塊中,用冰水清洗,去內臟、頭、尾后于277 K溫度下貯存。每次實驗所需的樣品在互不相涉的情況下隨機取樣。連續(xù)8 d對草魚的菌落總數和電子鼻氣味分析指標進行測定。
實驗采用本實驗室自主研制的電子鼻系統(tǒng),結構如圖1所示,主要包括數據采集、調理與傳輸單元,傳感器陣列及氣室,以及供氣動力裝置三個部分。我們采用8種半導體氣體傳感器構成敏感器件陣列,如表1所示。氣室采用聚四氟乙烯材料制成,每個傳感器的氣室獨立,樣品氣/清洗氣均勻泵入每個傳感器的氣室。
圖1 電子鼻系統(tǒng)結構示意圖
表1 氣體傳感器陣列構成
1.3.1 菌落總數測量
根據 GB-4789.2—2010 操作[11]。
1.3.2 電子鼻分析
將草魚樣品25g置于100 mL樣品瓶中,密封貯存于277 K的溫度下,1 h后待揮發(fā)性物質積累一定的濃度,然后將電子鼻檢測探頭伸入到樣品瓶中,將頂空氣體吸入電子鼻傳感器氣室內與傳感器接觸,同時采集檢測信號,實驗過程持續(xù)40 s并保存實驗數據至計算機。實驗結束后,持續(xù)通入潔凈空氣直至電子鼻傳感器陣列恢復至初始值,再進行下一次頂空采樣。每天測量9個平行樣本,每個樣本間隔測量3次。
意大利學者Benzi等在研究地球古冰川期問題時提出了隨機共振理論,經過多年實驗驗證和深入研究,該理論得到長足發(fā)展[12]。經典隨機共振系統(tǒng)包含三個因素:雙穩(wěn)態(tài)系統(tǒng),輸入信號與外噪聲源,通常以一個在雙穩(wěn)態(tài)勢阱中被周期力驅動的過阻尼布朗運動粒子來描述該物理過程:
V(x)為非線性對稱勢函數,ξ(t)為高斯白噪聲,其自相關函數為:E[ξ(t)ξ(0)]=2Dδ(t),A 是輸入信號強度,f0是調制信號頻率,D是噪聲強度,
因此,式(1)可以改寫為:
信噪比是表征隨機共振特性常用的參量,我們將信噪比定義為:
S(ω)是信號頻譜密度,SN(Ω)是信號頻率范圍內的噪聲強度。信噪比參數隨系統(tǒng)輸入參數變化已有許多學者進行了研究[14-15],并且在傳感技術領域信號檢測及特征提取研究中有著廣泛的應用[13-18]。隨機共振信噪比分析技術的核心思想在于輸入的弱信號在噪聲的幫助下被放大,系統(tǒng)輸出信噪比在適合的噪聲強度下可達到極大值并轉換為信噪比譜圖作為結果輸出,使特征信息得到完整表達[19]。圖2所示為隨機共振信噪比分析路線圖,從信號處理角度考慮,隨機共振是在非線性信號傳輸過程中,通過調節(jié)外噪聲的強度或者系統(tǒng)其它參數,使系統(tǒng)輸出達到最佳值,實際上也可以認為是輸入信號、非線性系統(tǒng)、噪聲的協(xié)同狀態(tài)。一般情況下,雙穩(wěn)態(tài)模型中輸入外力可以認為是理想電子鼻系統(tǒng)的信號,噪聲是檢測過程中引入的信道噪聲,而雙穩(wěn)態(tài)系統(tǒng)的輸入(信號加噪聲)作為電子鼻系統(tǒng)實際的檢測信號。在激勵噪聲的激勵下,系統(tǒng)產生隨機共振,此時輸出信號大于輸入信號,起到了信號放大的作用。同時,隨機共振將部分檢測信號中的噪聲能量轉換到信號中去,有效地抑制了檢測信號中的噪聲量。隨機共振系統(tǒng)相當于提高輸出信號信噪比的作用,實際上該系統(tǒng)等同于一個高效信號處理器。在進行預測之前,首先選用一批數據作為訓練樣本,用于訓練和優(yōu)化隨機共振系統(tǒng),然后將測試樣本數據集輸入該系統(tǒng)進行預測判定,根據系統(tǒng)輸出信噪比參數特征值實現(xiàn)測試樣本的分類判定。
圖2 隨機共振信噪比分析路線圖
圖3 電子鼻傳感器陣列響應圖
在電子鼻檢測過程中,被測樣品揮發(fā)氣體富集于樣品瓶頂空,我們將電子鼻的探頭插入樣品瓶將揮發(fā)氣體吸入傳感器氣室與敏感材料接觸,引起材料電學特性的變化,以此表征被測樣品揮發(fā)氣體信息。由圖3分析得到,不同貯存時間的草魚樣品的特征性揮發(fā)氣體量也不同。圖3(a)所示新鮮草魚樣品的揮發(fā)氣味比較少,因此電子鼻傳感器陣列響應信號都比較微弱。存放第6天的草魚樣品由于微生物的生長和代謝,因而產生了較多的氣味,8種傳感器的響應信號均大于圖3(a),響應最大的是傳感器S8,其次是S6。貯存第7天的樣品較第6天又有所增長,傳感器S8、S6等的響應值幾乎是前一天的兩倍。
為量化各傳感器響應情況,我們取各傳感器對不同貯存時間的草魚樣品響應的穩(wěn)定值,如圖4所示。隨著貯存時間的增加,8種傳感器的響應值都呈現(xiàn)變大的趨勢,但是依類型不同增大的比例也不同。傳感器S8在每次的檢測中響應均最強,表明隨著貯存時間的增加樣品揮發(fā)氣體中硫化物成分有明顯增加。S5、S6次之,S7、S2、S3在前半段檢測過程中變化并不太明顯,而在后半段中增長較快。電子鼻傳感器陣列對不同貯藏期草魚樣品響應靈敏,這有利于提高草魚品質預測的準確性。
圖4 電子鼻對草魚樣品響應穩(wěn)定值對比圖
如圖5可知,隨著貯藏時間的增加菌落總數逐漸增多,3 d后的數量為初始值的40倍,5 d后為初始值的80倍。草魚樣品理化指標隨時間變化的回歸擬合方程為 y=2 314.537 74e0.59892x,R2=0.993 13,表明不同貯藏時間的草魚樣品菌落總數變化符合一級化學反應動力學模型規(guī)律(R2>0.9)。菌落總數前半程增長不明顯,而后半程呈現(xiàn)快速增長趨勢,這與圖4中電子鼻對草魚樣品響應穩(wěn)定值變化趨勢一致
圖5 菌落總數實驗結果
參考國家生鮮水產品的衛(wèi)生標準SC-T 3108—1986中細菌指標[20],前3天的細菌總數均未超出1.0×104CFU/g,因此屬于一級鮮度;而冷藏超過3天的樣品細菌總數指標均超出1.0×104CFU/g,但低于1.0×106CFU/g,因此屬于二級鮮度。實驗過程中所有的樣品均未到達貨架期壽命的終點(>1.0×106CFU/g)。。
圖6所示為不同貯藏時間草魚品質主成分分析結果,從圖中可以觀察出第1與第2主成分貢獻率之和為84.71%。沿著第1主成分方向,不同貯藏期樣品品質基本呈現(xiàn)次序排列,而沿第2主成分方向,每類樣品的離散度增加。根據本文§2.2中的討論結果,第0天~第2天的樣品屬于一級鮮度,第3天~第7天的樣品屬于二級鮮度。前兩天的樣品明顯區(qū)分于其它樣品,但第0天和第1天的樣品區(qū)分效果不理想。屬于一級鮮度的第2天樣品與二級鮮度的5類樣品較難區(qū)分,同屬二級鮮度的5類樣品之間也不能相互區(qū)分。因此,主成分分析方法不能完全實現(xiàn)草魚品質區(qū)分。
圖6 草魚品質主成分分析結果
圖7所示為不同貯存時間的草魚樣品隨機共振信噪比譜圖,每條曲線經過100次計算后取平均值。樣品的檢測信息在外加白噪聲的激勵下以信噪比曲線的形式表達,不同貯藏時間樣品在不同的激勵噪聲強度下分別達到極大值,而且信噪比極大值的100次計算結果基本為常數,該常數與選用的樣本無關,而與不同草魚樣品的性質有關,因此根據該參數很好的區(qū)分每類草魚品質。
圖7 不同貯存時間的草魚樣品隨機共振信噪比曲線
輸出信噪比極大值與貯存時間的函數關系如圖8所示,草魚樣品的信噪比極大值隨著貯存時間的增加而增大,該結果與§2.2中菌落總數檢測結果有著較好的對應關系。我們以信噪比極大值作為貯存時間的函數進行非線性擬合,得到式(5)。根據式(5),我們可以獲得確定貯藏時間草魚樣品的電子鼻信噪比分析值。
圖8 草魚樣品信噪比極大值與貯存時間關系曲線
我們實驗觀察到每類草魚樣品的信噪比極大值基本為常數,具有較好的重現(xiàn)性,因此可以作為品質預測模型建立的基礎。將式(5)進行反變換得到式(6)作為低溫貯藏草魚品質預測模型。根據所得到的預測模型,我們使用電子鼻系統(tǒng)實驗檢測某草魚樣品后,通過計算確定該樣品的輸出信噪比控制值,代入式(6)即可獲得在確定溫度條件下的貯藏時間,從而獲得被測樣品的新鮮度等級信息。
草魚貯藏期預測結果如表2可知模型預測值與樣品實際檢測值之間的誤差均小于10%,最大的誤差(8.88%)出現(xiàn)在預測樣本5,即第4天的預測實驗中。5個預測樣本實驗結果準確度為100%,該模型可以準確預測冷藏草魚樣品品質。
表2 草魚品質預測結果
本文構建的電子鼻草魚品質預測方法可以準確預測277 K溫度下貯存的草魚樣品品質,該方法具有檢測快速、準確性和重復性好、成本低等優(yōu)勢,相比傳統(tǒng)預測方法具有一定的優(yōu)勢,為水產品品質預測提供了一種新的思路。
[1] 馬利,黃峰,吳建開,等.草魚營養(yǎng)研究進展[J].水產科學,2002,11(2):51-55.
[2] 戴志遠,宋廣磊,王宏海,等.熟貽貝貯藏過程中品質變化的動力學模型[J].食品與發(fā)酵工業(yè),2004(9):44-47.
[3] 佟懿,謝晶.動力學模型預測鯧魚貨架期壽命的實驗研究[J].食品科學,2009,30(10):265-268.
[4] 黃卉,李來好,楊賢慶,等.卵形鯧鲹貯藏過程中品質變化動力學模型[J].食品科學,2010,31(20):490-493.
[5] 黃卉,李來好,楊賢慶,等.羅非魚片貯藏過程中品質變化動力學模型[J].南方水產科學,2011,7(3):20-23.
[6] 鄒小波,趙杰文.電子鼻快速檢測谷物霉變的研究[J].農業(yè)工程學報,2004,20(4):121-124.
[7] Labreche S,Bazzo S,Cade,S,et al.Shelf Life Determination by E-lectronic Nose:Application to Milk[J].Sensors and Actuators B,2005,106(1):199-206.
[8] 周亦斌,王俊.基于電子鼻的番茄成熟度及貯藏時間評價的研究[J].農業(yè)工程學報,2005,21(4):113-117.
[9] 張曉敏,朱麗敏,張婕,等.采用電子鼻評價肉制品中香精質量[J].農業(yè)工程學報,2008,24(9):175-178.
[10]佟懿,謝晶,肖紅,等.基于電子鼻的帶魚貨架期預測模型[J].農業(yè)工程學報,2010,26(2):356-360.
[11] GB-4789.2—2010,食品微生物學檢驗-菌落總數測定[S].
[12] Benzi R,Sutera A,Vulpiana A.The Mechanism of Stochastic Resonance[J].Journal of Physics A,1981,14:L453-L456.
[13] Dutta R,Das A,Stocks N G,et al.Stochastic Resonance-Based E-lectronic Nose:A Novel Way to Classify Bacteria[J].Sensors and Actuators B,2006,115(1):17-27.
[14]薛凌云,向學勤,范影樂,等.基于神經元閾上非周期隨機共振機制的語音復原技術研究[J].傳感技術學報,2009,22(2):213-218.
[15]吳莉莉,惠國華,郭淼,等.基于隨機共振的氣敏傳感器陣列信號的識別研究[J].傳感技術學報,2009,22(5):664-668.
[16]惠國華.基于隨機共振和微納傳感器陣列的六氟化硫檢測方法研究[J].分析化學,2010,38(7):984-988.
[17]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].傳感技術學報,2010,23(2):179-182.
[18] Wang Teng-Hao,Hui Guo-Hua,Deng Shao-Ping.A Novel Sweet Taste Cell-Based Sensor[J].Biosensors and Bioelectronics,2010,26(2):929-934.
[19]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].傳感技術學報,2010,23(8):1134-1136.
[20]SC-T 3108—1986.中華人民共和國國家標準-鮮青魚、草魚、鰱魚、鳙魚、鯉魚[S].