程紹明，王 俊*，馬楊琿，王永維

(1.浙江大學(xué)生物系統(tǒng)工程與食品科學(xué)學(xué)院，杭州 310029；2.浙江科技學(xué)院信息學(xué)院，杭州 310023)

人們很早就知道植物在生長(zhǎng)過(guò)程中會(huì)釋放出揮發(fā)性物質(zhì)，但是在受到病害侵害后植物會(huì)產(chǎn)生特異性的揮發(fā)物在近幾十年研究才被證明。據(jù)統(tǒng)計(jì)，植物通過(guò)體內(nèi)次生代謝途徑合成的揮發(fā)性有機(jī)物大約有30000多種。植物的揮發(fā)性有機(jī)物信號(hào)可以自發(fā)產(chǎn)生，也可以是因?yàn)槎喾N因素誘導(dǎo)產(chǎn)生的，比如植食性昆蟲的侵害、病原菌的危害、植物受到的機(jī)械損傷、光照及溫度改變等環(huán)境因素［1－6］。雖然關(guān)于揮發(fā)物產(chǎn)生機(jī)制問(wèn)題現(xiàn)在也沒(méi)有一個(gè)統(tǒng)一的理論，但是通過(guò)以上研究可以肯定植物受到侵害后可以產(chǎn)生特異性揮發(fā)物。

電子鼻是一種新穎的分析、識(shí)別和檢測(cè)復(fù)雜氣味和大多數(shù)揮發(fā)性成分的儀器。它是根據(jù)仿生學(xué)原理，由傳感器陣列和自動(dòng)化模式識(shí)別系統(tǒng)所組成。與普通的化學(xué)分析儀器，如色譜儀、光譜儀等不同，電子鼻得到的不是被測(cè)樣品中某種或某幾種成分的定性與定量結(jié)果，而是給予樣品中揮發(fā)性成分的整體信息，也稱“指紋”數(shù)據(jù)。基于電子鼻的特點(diǎn)及其方便快速的優(yōu)越性，國(guó)內(nèi)外在食品安全［7－13］、環(huán)境檢測(cè)［14－15］、醫(yī)療衛(wèi)生［16－17］等方面有不少應(yīng)用和研究成果，然而電子鼻在農(nóng)作物病蟲害等損傷方面的研究未見有相關(guān)報(bào)道。

本次試驗(yàn)擬以不同種類損傷的番茄苗作為試驗(yàn)對(duì)象，試驗(yàn)的主要目的在于利用電子鼻對(duì)不同損傷的番茄苗進(jìn)行區(qū)分和檢測(cè)，為番茄苗的檢測(cè)提供一種新的途徑。

1 試驗(yàn)材料和方法

1.1 實(shí)驗(yàn)材料

將浙雜809番茄種子播在塑料盆缽(Φ8 cm×12 cm)中，在塑料溫室中進(jìn)行培育，每盆1株苗，定期澆水施肥，待苗長(zhǎng)到35 d，苗高25 cm～30 cm時(shí)用于實(shí)驗(yàn)。

1.2 實(shí)驗(yàn)裝置

1.2.1 番茄苗揮發(fā)物電子鼻檢測(cè)的采樣裝置

圖1為番茄苗采樣系統(tǒng)的示意圖，整個(gè)系統(tǒng)由空氣過(guò)濾器、活性碳、特氟隆管、進(jìn)氣口、玻璃容器(40 cm高×10 cm直徑)、密封板、番茄苗和支架臺(tái)8個(gè)部分組成。

圖1 靜態(tài)頂空采樣系統(tǒng)示意圖

1.2.2 電子鼻

實(shí)驗(yàn)采用的電子鼻系統(tǒng)是德國(guó)Airsense公司的PEN2便攜式電子鼻(Portable Electronic Nose)。系統(tǒng)組成主要包含下面幾個(gè)部分:傳感器陣列、采樣通道、內(nèi)置泵、控制單元和計(jì)算機(jī)。軟件部分主要是Airsense公司編制的電子鼻配套軟件 WinMaster。該軟件主要用來(lái)實(shí)現(xiàn)電子鼻工作過(guò)程的控制及一些基本的數(shù)據(jù)分析。電子鼻系統(tǒng)各個(gè)傳感器性能見表1。

表1 PEN2電子鼻的各傳感器名稱及性能特點(diǎn)

1.3 試驗(yàn)方法

1.3.1 番茄苗樣本處理

將準(zhǔn)備好的番茄苗進(jìn)行早疫病、灰霉病病菌接種，每株番茄苗接種病菌的葉片數(shù)量為4葉片，接種后，將番茄苗放置于35℃、濕度90%的環(huán)境中培養(yǎng)24 h，以使病菌快速入侵番茄苗葉片。早疫病病害番茄苗處理和灰霉病病害番茄苗處理分別標(biāo)記為EP和GP。

每株番茄苗利用3號(hào)大頭針(0.8 mm×26 mm)于葉片上針刺90次，作為機(jī)械損傷處理，平均作用于每個(gè)葉片，標(biāo)記為MP。

對(duì)照組番茄苗不進(jìn)行任何處理，標(biāo)記為CP。

1.3.2 電子鼻測(cè)試

在進(jìn)行電子鼻實(shí)驗(yàn)前，四組番茄苗分別置于頂空采樣裝置中，頂空產(chǎn)生時(shí)間為30 min后進(jìn)行電子鼻測(cè)試。電子鼻測(cè)試時(shí)的參數(shù)設(shè)置見表2。

表2 電子鼻參數(shù)設(shè)置

1.4 數(shù)據(jù)分析

利用主成分分析、線性判別分析方法對(duì)電子鼻數(shù)據(jù)進(jìn)行降維處理；采用BP神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)分析對(duì)番茄苗樣本進(jìn)行分類。數(shù)據(jù)處理軟件用SAS和 Matlab。

2 結(jié)果和討論

2.1 電子鼻傳感器對(duì)番茄苗揮發(fā)物的響應(yīng)

使用靜態(tài)頂空采樣對(duì)番茄苗樣本進(jìn)行電子鼻測(cè)試，對(duì)比經(jīng)過(guò)針刺處理與未進(jìn)行針刺處理(對(duì)照組)番茄苗樣本的電子鼻響應(yīng)信號(hào)。圖2是電子鼻10個(gè)傳感器對(duì)不同處理番茄苗樣本的響應(yīng)曲線(a:對(duì)照組，b:針刺90次的番茄苗組，c:感染早疫病病害的番茄苗，d:感染灰霉病病害的番茄苗)。圖中橫軸為采樣時(shí)間，縱軸為信號(hào)值，其中G是傳感器接觸到樣品氣體后的電導(dǎo)率、G0是傳感器在經(jīng)過(guò)活性炭過(guò)濾氣體清洗后的電導(dǎo)率。曲線上的點(diǎn)代表著番茄苗揮發(fā)物通過(guò)傳感器陣列時(shí)，電阻率隨時(shí)間的改變情況，每一條曲線代表著一個(gè)傳感器的響應(yīng)曲線。在本次實(shí)驗(yàn)中，取第60 s的時(shí)間點(diǎn)作為模式識(shí)別的時(shí)間點(diǎn)。

圖2 電子鼻10個(gè)傳感器對(duì)不同損傷番茄苗樣本的響應(yīng)曲線

從圖2(a)、(b)、(c)、(d)可以看出，不同處理的番茄苗傳感器響應(yīng)曲線是不同的。圖2(a)為沒(méi)有受到損傷番茄苗的響應(yīng)信號(hào)，G/G0大致在0.94～1.28之間；圖2(b)為受到機(jī)械損傷番茄苗的響應(yīng)信號(hào)，G/G0大致在0.91 ～1.35 之間；圖2(c)為感染早疫病病害的番茄苗的響應(yīng)信號(hào)，G/G0大致在0.9～1.55之間，圖2(d)為感染灰霉病病害的番茄苗的響應(yīng)信號(hào)，G/G0大致在0.85～1.50之間。受到不同損傷的番茄苗傳感器陣列響應(yīng)信號(hào)的變化范圍要明顯大于未受到損傷的番茄苗，這可能是由于番茄苗受到損傷后產(chǎn)生的揮發(fā)性物質(zhì)增加了，從而增強(qiáng)了電子鼻傳感器信號(hào)的變化。這表明，利用電子鼻傳感器信號(hào)來(lái)區(qū)分番茄苗遭受不同種類的損傷是可能的。

2.2 主成分分析和線性判別分析

采用主成分分析方法(Principal Component A-nalysis，PCA)，對(duì)機(jī)械損傷、早疫病病害、灰霉病病害、對(duì)照組四組不同處理番茄苗樣本的電子鼻60 s的響應(yīng)數(shù)據(jù)進(jìn)行分析，圖3是四種處理番茄苗的二維PCA結(jié)果圖，從PCA結(jié)果可知前二個(gè)主成分的貢獻(xiàn)率達(dá)到92.94%。從各處理的區(qū)分效果來(lái)看，四種處理番茄苗樣本大致可以分成三部分，依次為受早疫病危害的番茄苗樣本(ZP)，受灰霉病危害的番茄苗樣本(HP)，受機(jī)械損傷的番茄苗樣本(MP)和正常處理的番茄苗樣本(CP)。機(jī)械損傷的番茄苗樣本和正常處理的番茄苗樣本產(chǎn)生了重疊現(xiàn)象，可能是機(jī)械損傷的番茄苗樣本和正常處理的番茄苗樣本產(chǎn)生的揮發(fā)性物質(zhì)更為相似，具體成分需要利用氣質(zhì)聯(lián)用儀進(jìn)行進(jìn)一步分析。由于PCA區(qū)分機(jī)械損傷的番茄苗和正常的番茄苗效果不理想，我們采用線性判別分析方法繼續(xù)進(jìn)行分析。

圖3 不同處理番茄苗PCA圖

采用線性判別分析方法(Linear Disctiminant A-nalysis，LDA)，對(duì)機(jī)械損傷、早疫病病害、灰霉病病害、對(duì)照組四組不同處理番茄苗樣本的電子鼻60 s的響應(yīng)數(shù)據(jù)進(jìn)行分析，四種處理番茄苗的二維LDA結(jié)果見圖4。從圖4可知，四種處理番茄苗樣本能很好的區(qū)分，機(jī)械損傷番茄苗樣本與正常處理的番茄苗樣本比較接近，采用LDA的區(qū)分效果明顯比PCA要好。

圖4 不同處理番茄苗LDA圖

2.3 BP神經(jīng)網(wǎng)絡(luò)分析

利用電子鼻對(duì)番茄苗樣本響應(yīng)信號(hào)60 s的數(shù)據(jù)進(jìn)行分析，以10個(gè)傳感器響應(yīng)數(shù)據(jù)作為輸入，番茄苗樣本作為輸出，輸出層選擇為1。設(shè)定目標(biāo)誤差為0.001，網(wǎng)絡(luò)學(xué)習(xí)速率為0.01，訓(xùn)練迭代次數(shù)為1 000次，隱含層經(jīng)網(wǎng)絡(luò)多次測(cè)試確定。選擇40個(gè)番茄苗樣本作為訓(xùn)練(每組10個(gè)樣本)，24個(gè)樣本作為測(cè)試組(每組6個(gè)樣本)。通過(guò)反復(fù)測(cè)試來(lái)調(diào)整隱含層神經(jīng)元數(shù)來(lái)優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)，得到較好網(wǎng)絡(luò)結(jié)構(gòu)為10(輸入)－15(隱含)－1(輸出)的三層BP神 經(jīng) 網(wǎng) 絡(luò) (Back Propagation NeuralNetworks，BPNN)。表3是采用10－15－1結(jié)構(gòu)的BP神經(jīng)網(wǎng)絡(luò)的判別結(jié)果，訓(xùn)練集和測(cè)試集的正確率分別為100%和95.8%。在對(duì)測(cè)試集進(jìn)行判別時(shí)，對(duì)照番茄苗(CP)、機(jī)械損傷番茄苗(MP)和灰霉病病害番茄苗(HP)的預(yù)測(cè)正確率均為100%，早疫病病害番茄苗(ZP)的預(yù)測(cè)正確率為83.3%，其中有一個(gè)樣本被誤判入灰霉病病害。

2.4 支持向量機(jī)分析

利用電子鼻對(duì)不同損傷番茄苗樣本響應(yīng)信號(hào)60 s的數(shù)據(jù)進(jìn)行分析，以10個(gè)傳感器響應(yīng)數(shù)據(jù)作為輸入進(jìn)行支持向量機(jī)分析(Support Vector Machine，SVM)。選擇40個(gè)番茄苗樣本作為訓(xùn)練(每組10個(gè)樣本)，24個(gè)樣本作為測(cè)試組(每組6個(gè)樣本)。利用徑向基核函數(shù)對(duì)電子鼻原始數(shù)據(jù)進(jìn)行支持向量機(jī)分析結(jié)果見表3，訓(xùn)練集和測(cè)試集的正確率分別為100%和95.8%。測(cè)試集中對(duì)照番茄苗(CP)、機(jī)械損傷番茄苗(MP)和灰霉病病害番茄苗(HP)的預(yù)測(cè)正確率均為100%，早疫病病害番茄苗(ZP)的預(yù)測(cè)正確率為83.3%，其中有一個(gè)樣本被誤判入灰霉病病害。

表3 不同識(shí)別模式對(duì)番茄苗樣本的區(qū)分效果

采用兩種識(shí)別模式對(duì)四種不同處理番茄苗樣本的預(yù)測(cè)，結(jié)果見表3。對(duì)比預(yù)測(cè)結(jié)果，兩種模型都能對(duì)樣本進(jìn)行很好的區(qū)分，區(qū)分效果都較好。從模型預(yù)測(cè)結(jié)果可以看出，可以建立電子鼻信號(hào)與番茄苗不同損傷之間的關(guān)系，說(shuō)明用電子鼻響應(yīng)信號(hào)對(duì)番茄苗樣本損傷進(jìn)行預(yù)測(cè)是可行。

3 結(jié)論

(1)通過(guò)對(duì)比感染灰霉病、感染早疫病、機(jī)械損傷和對(duì)照的四種不同番茄苗的電子鼻響應(yīng)信號(hào)，可以看出不同處理的番茄苗樣本電子鼻的響應(yīng)信號(hào)是不同的，說(shuō)明用電子鼻響應(yīng)信號(hào)對(duì)番茄苗不同種類損傷進(jìn)行預(yù)測(cè)是可行。

(2)采用PCA區(qū)分四種不同損傷的番茄苗時(shí)，機(jī)械損傷的番茄苗和對(duì)照組有部分重疊，而采用LDA則能很好的區(qū)分四種不同損傷的番茄苗，表明采用LDA的區(qū)分效果明顯比PCA要好。

(3)利用BP神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)兩種識(shí)別模式對(duì)四種不同損傷的番茄苗進(jìn)行預(yù)測(cè)，兩種識(shí)別模式的區(qū)分效果都很好。測(cè)試集中對(duì)照番茄苗(CP)、機(jī)械損傷番茄苗(MP)和灰霉病病害番茄苗(HP)的預(yù)測(cè)正確率均為100%，早疫病病害番茄苗(ZP)的預(yù)測(cè)正確率為83.3%。

［1］De Lacy Costello B P J，Evans P，Ewen R J，et al.Gas Chromatography-Mass Spectrometry Analyses of Volatile Organic Compands from Potato Tubers Inoculated with Phytophthora Infestans or Fusarium Coeruleum［J］.Plant Pathol，2001，50:489－496.

［2］Hampden J R.Effects of C6－C10 Alkenals and Alenols on Eliciting a Defense Response in the Developing Cotton boll［J］.Phytochem，1992，31:2305－2308.

［3］Bakdwin I T，Hakutscgje R，Paschold A，et al.Volatilesignaling in Plant-Plant Interactions:Talking Tress in the Genomics Era［J］.Science，2006，311:812－815.

［4］Arimura G，Ozawa R，Horiuchi J，et al.Plant-Plant Interactions Mediated by Volatiles Emitted from Plants Infested by Spider Mites［J］.Biochemical Systematics and Ecology，2001，29(10):1049－1061.

［5］Pare P W，Tumlinson J H.Denovo Biosynthesis of Volatiles Induced by Insect Herbivory in Cotton Plants［J］.Plant Pathol，1997，114:1161－1167.

［6］劉芳，婁永根，程家安.蟲害誘導(dǎo)的植物揮發(fā)物:植物與植食性昆蟲及其天敵相互作用的進(jìn)化產(chǎn)物［J］.昆蟲知識(shí)，2003，40(6):481－485.

［7］Pang L，Wang J，Lu X，et al.Discrimination of Storage Age for Wheat by E-Nose［J］.Transactions of the ASABE，2008，51:1707－1712.

［8］Cheng S，Wang Y，Wang J，et al.Detection of Eggshell Crack Using Electronic Nose［J］.Transactions of the ASABE，2010，53:789－794.

［9］于慧春，王俊，張紅梅，等.龍井茶葉品質(zhì)的電子鼻檢測(cè)方法［J］.農(nóng)業(yè)機(jī)械學(xué)報(bào)，2007(7):103－106.

［10］程紹明，馬楊王軍，周博，等.基于電子鼻的番茄種子不同儲(chǔ)藏時(shí)間的鑒別研究［J］.傳感技術(shù)學(xué)報(bào)，2011，24(7):941－945.

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

［12］周亦斌，王俊.基于電子鼻的番茄成熟度及貯藏時(shí)間評(píng)價(jià)的研究［J］.農(nóng)業(yè)工程學(xué)報(bào)，2005，21(5):113－116.

［13］周博，王永維，王俊，等.雞蛋貯藏時(shí)間和新鮮度的電子鼻檢測(cè)［J］.浙江大學(xué)學(xué)報(bào):工學(xué)版，2010，44(5):863－869.

［14］Sohn J H，Hudson N，Gallagher E，et al.Implementation of an E-lectronic Nose for Continuous Odour Monitoring in a Poultry Shed［J］.Sensors and Actuators B:Chemical，2008，133:60－69.

［15］Vito D，Massera E，Piga M，et al.On Field Calibration of an Electronic Nose for Benzene Estimation in an Urban Pollution Monitoring Scenario［J］.Sensors and Actuators B:Chemical，2008，129:750－757.

［16］Dummer J，Storer M，Swanney M，et al.Analysis of Biogenic Volatile Organic Compounds in Human Health and Disease［J］.Trends in Analytical Chemistry，2011，30(7):960－967.

［17］Bernabei M，Pennazza G，Santonico M，et al.A Preliminary Study on the Possibility to Diagnose Urinary Tract Cancers by an Electronic Nose［J］.Sensors and Actuators B:Chemical，2008，131:1－4.