鄭文剛，矯雷子，趙賢德，董大明

北京農(nóng)業(yè)智能裝備技術(shù)研究中心，北京市農(nóng)林科學院, 北京 100097

通過揮發(fā)物鑒別葡萄變質(zhì)狀態(tài)-基于長光程紅外光譜和簡易電子鼻陣列

鄭文剛，矯雷子，趙賢德，董大明*

北京農(nóng)業(yè)智能裝備技術(shù)研究中心，北京市農(nóng)林科學院, 北京 100097

葡萄在劣變時會揮發(fā)出特定成分和濃度的氣體。在變質(zhì)葡萄的揮發(fā)物紅外光譜中發(fā)現(xiàn)了乙醇、乙酸乙酯和二氧化碳的光譜特征。通過多次反射的光學系統(tǒng)提高了光譜測量的光程，從而獲得了更高的探測靈敏度。利用新型光譜測量系統(tǒng)進一步研究了葡萄劣變過程中揮發(fā)物的精細化特征，并證實了其中含有多種醇類、酯類、醛類和乙烯的光譜特征。部分揮發(fā)物的濃度隨貯藏時間展現(xiàn)規(guī)律性的變化，可以以其為生物標志物來表征葡萄的變質(zhì)程度。進一步以光譜觀測規(guī)律為基礎(chǔ)研制了由傳感器陣列組成的電子鼻，通過對特定揮發(fā)物的定量化測量實現(xiàn)葡萄變質(zhì)的分類和預警。揭示了更為精細的葡萄劣變過程中揮發(fā)物的光譜特征變化規(guī)律，證實了通過揮發(fā)物測量鑒別水果變質(zhì)的可行性，為開展水果變質(zhì)的實時監(jiān)測技術(shù)研究提供了理論和技術(shù)參考。

葡萄； 揮發(fā)性物質(zhì)； 傅里葉變換紅外光譜； 電子鼻

引 言

葡萄是一種廣受歡迎的水果，但在貯藏和運輸過程中容易腐爛[1]。所以，對葡萄的劣變進行監(jiān)測具有重要的意義。

由于發(fā)酵過程和呼吸作用，不同新鮮程度和貯藏條件下的水果會發(fā)出不同成分和濃度的揮發(fā)性氣體[2-7]?？梢酝ㄟ^這些氣體的定量和定性測量來表征水果的劣變情況。對于水果的揮發(fā)物，常規(guī)上采用GC-MS方法進行測量。一些課題組在氣體的采集方式方面做了改進，從而獲得較為準確的結(jié)果[8-10]。但這些方法的操作復雜、不能實現(xiàn)快速和連續(xù)的測量和分析。

近年來，一些學者用電子鼻對食品揮發(fā)物進行分析和研究，包括利用電子鼻的傳感器陣列響應(yīng)，結(jié)合化學計量學方法，實現(xiàn)了食品變質(zhì)狀態(tài)和細菌附著的快速檢測[11-13]。但電子鼻存在交叉敏感問題，而且也不易在現(xiàn)場應(yīng)用。也有一些學者根據(jù)電子鼻分析篩選出的特征，研制了簡易的傳感器陣列，從而對食品的變質(zhì)狀態(tài)進行測量。但其瓶頸問題在于很難選擇到完全針對特性氣體成分的傳感器。

傅里葉變換紅外光譜(fourier transform infrared spectroscopy, FTIR)是一種高效的未知氣體探測手段，由于具有快速、在線和靈活應(yīng)用的優(yōu)勢而被應(yīng)用到工業(yè)、農(nóng)業(yè)領(lǐng)域氣體成分的定性和定量分析中[14-16]。Harren等利用聲光調(diào)制的紅外激光光譜研究了作物葉片、西紅柿等揮發(fā)出的乙烯、乙烷、甲烷等氣體[17]。他們利用FTIR光譜分析了葡萄變質(zhì)中揮發(fā)氣體，發(fā)現(xiàn)在變質(zhì)中乙醇和乙酸乙酯有明顯的增加[18]。

然而，由于揮發(fā)物的濃度較低，僅觀測到了乙醇、乙酸乙酯和二氧化碳的光譜特征[18]。根據(jù)朗伯-比爾定律，光譜信號與待測物的濃度程長積成正比，可以通過增加光線在待測氣體中的光程來提高光譜測量系統(tǒng)的靈敏度[14]。因此，我們對系統(tǒng)進行了改進，提高了系統(tǒng)的光程以獲得更為靈敏的探測能力。是對前一研究的深入和補充，旨在更為清晰地揭示葡萄變質(zhì)過程中的揮發(fā)性氣體排放規(guī)律。在了解紅外光譜規(guī)律的基礎(chǔ)上，研制了簡易化的電子鼻陣列，實現(xiàn)葡萄變質(zhì)鑒別儀器的低成本化。

1 實驗部分

1.1 材料

實驗所用的葡萄采摘自北京市昌平區(qū)小湯山鎮(zhèn)，品種為“巨峰”。我們將每組2 000 g的葡萄不經(jīng)清洗直接放入相同的3個0.7 m×0.5 m×0.5 m的塑料容器中。塑料容器頂部壁上開了4個通風口(每個直徑為3 cm)。塑料容器底部開孔，用膠皮管與氣體池相連。實驗在室溫(22 ℃)下進行。

1.2 儀器及參數(shù)

光譜儀為Bruker公司(Germany)的Vertex 70，探測器為MCT，采用液氮制冷。光源為空氣制冷的MIR/FIR陶瓷光源。光譜測量范圍為600～4 000 cm-1，光譜分辨率為0.5 cm-1。氣泵為ALUE公司(China, Shenyang)的FY-1H 1升真空泵。光譜采集由Bruker公司(Germany)的OPUS 6.5完成。光譜的基線處理同樣用軟件自帶功能計算。光譜的PCA分析用Unscrambler 9.7完成。氣體池為Specac公司(UK)的CycloneTMC2。通過6個反射鏡將光程提高到2 m。

1.3 方法和數(shù)據(jù)處理

實驗持續(xù)8天。光譜測量中，氣體池的進氣口與容器相連，出氣口與氣泵相連。先將出氣口閥門打開，用氣泵將氣體池中的氣體抽出。再關(guān)閉出氣口，打開進氣口，自動將容器中的氣體抽入氣體池。每次實驗時以抽完真空的氣體池為背景，采集并計算氣體吸光度。每3小時采集一次光譜數(shù)據(jù)。原始吸光度光譜數(shù)據(jù)用OPUS 7.0軟件采集。光譜的基線校正、低通濾波、平滑等預處理采用SigmaPlot 12.0軟件完成。PCA分析與SIMCA模型建立與預測用Unscrambler 9.7軟件完成。

2 結(jié)果與討論

2.1 長光程對光譜靈敏度的提升作用

為了提高光譜測量的靈敏度，系統(tǒng)主要進行了兩個方面的改進： (1)通過5個反射鏡組成的多次反射系統(tǒng)，將系統(tǒng)光程由24 cm[18]提高到2 m； (2)用熱靈敏度更高的MCT探測器替代DTGS探測器。圖1展示了改進的光譜采集系統(tǒng)和常規(guī)系統(tǒng)的比較。兩條光譜的采集條件一致，均為2 000 g葡萄在放置第8天的光譜。常規(guī)方法為我們以前研究用的系統(tǒng)?？梢悦黠@看出，改進系統(tǒng)得到的光譜特征更為明顯，展示了更多的細節(jié)特征。

圖1 長光程FTIR系統(tǒng)和常規(guī)光譜儀的性能比較

利用改進的長光程光譜系統(tǒng)對葡萄在1～8天存貯的變質(zhì)過程進行了連續(xù)測量。測得的光譜中不僅可以觀測到醇類和酯類，也可以發(fā)現(xiàn)其他物質(zhì)的吸收峰。與標準譜庫對比[19]，醇類的吸收主要在3 100～2 750和1 150～800 cm-1，酯類主要在1 300～1 140 cm-1。鄰氨基苯甲酸甲酯(methyl anthranilate)被認為是葡萄揮發(fā)物中的特有物質(zhì)[20]，我們認為其吸收可能表現(xiàn)在1 170～990 cm-1。前人的研究表明香葉醇(geraniol)是葡萄香氣中的主要成分之一[21]。1 120～840 cm-1可能是來自于香葉醇的吸收。除了醇類和酯類，水果在變質(zhì)時還會發(fā)出乙醛(aldehydes)[22]，2 830～2 600 cm-1的吸收帶可能來自于乙醛。此外，乙烯(ethylene)被認為是很多水果成熟時釋放的氣體，也是促進水果成熟的催化劑[1]。經(jīng)過對比分析，我們認為3 010～2 950 cm-1的吸收峰可能來自于乙烯。這一特征在新鮮的葡萄揮發(fā)物中較弱，在變質(zhì)葡萄中明顯增強。

2.2 葡萄不同劣變時期揮發(fā)性氣體的FTIR光譜特征

在長光程系統(tǒng)的探測中，能夠更清晰地分析葡萄揮發(fā)物的濃度在貯藏過程中的變化規(guī)律。如圖2所示，隨著貯藏時間的增長，醇類和酯類的光譜強度呈現(xiàn)明顯的增強規(guī)律。結(jié)果與前人研究一致，主要是由于貯藏過程中無氧呼吸和酯化反應(yīng)的加劇[1]。從圖2中也可以觀察到，酯類的增長趨勢較為均勻。醇類的變化主要為3個階段： 1～3天比較微弱，4～5天明顯增加，6～8天急劇增加。而這一趨勢與葡萄的變質(zhì)過程接近。從葡萄外觀和味道來判斷，1～3天為新鮮期，4～5天為輕度變質(zhì)，6～8天為重度變質(zhì)。鄰氨基苯甲酸甲酯、乙醛在變質(zhì)過程中沒有呈現(xiàn)出規(guī)律性的變化。而我們認為的乙烯可能的吸收峰3 010～2 950 cm-1主要存在于重度變質(zhì)的葡萄揮發(fā)物中。

除了醇類、酯類外，二氧化碳也是葡萄變質(zhì)中濃度變化較為明顯的揮發(fā)物。在紅外區(qū)域，4.3 μm是二氧化碳的主要吸收峰。但這一吸收峰很強，由于同時觀測醇類和酯類的吸收而提高光程，導致4.3 μm吸收帶達到了飽和。因此，我們以2.27 μm附近的二氧化碳吸收帶來分析。這一吸收帶由較寬的二氧化碳吸收和疊加其中的窄帶吸收組成。如圖2(c)所示，隨著葡萄的存儲時間增加，二氧化碳的特征峰有明顯的增長。

2.3 基于FTIR光譜的葡萄劣變過程分類

以上分析證實了有可能通過醇類和酯類的光譜特征來判別葡萄的劣變程度。我們進一步對圖2所示的醇類和酯類對應(yīng)的特征光譜波段進行主成分分析(principal component analysis, PCA)，通過數(shù)據(jù)降維來解釋葡萄劣變過程中的光譜變化[23]。將前三天的葡萄定義為新鮮，4～8天定義為變質(zhì)。其中第4天的上午認為是過渡期。原始光譜在預處理(基線校正)后進行PCA分析，主成分數(shù)量選取為10。圖3展示了對2類樣本的分析結(jié)果，可以看到，2類樣本可以被明顯區(qū)分。少量樣本與總體的聚類區(qū)域有一定的離散性，這可能是采樣過程中的操作誤差造成的。這表明新鮮和變質(zhì)葡萄的揮發(fā)物紅外光譜具有明顯的差異化特征。在上述分析基礎(chǔ)上，我們建立了(partial least squares discriminate analysis, PLS-DA)模型。對30組新鮮葡萄樣本和30組變質(zhì)樣本進行識別(前三天的葡萄定義為新鮮，4～8天定義為變質(zhì))。識別結(jié)果如表1所示，所有樣本均得到了正確識別。由此可見，通過揮發(fā)物的紅外光譜分析，可以方便地區(qū)分變質(zhì)的葡萄。

圖2 不同貯藏時間葡萄揮發(fā)物的光譜特征

圖3 用PCA對葡萄劣變分別的結(jié)果

表1 PLS-DA模型對變質(zhì)葡萄的識別結(jié)果

Table 1 Classification results using PLS-DA model

樣本數(shù)量新鮮葡萄變質(zhì)葡萄準確率/%錯判率/%新鮮303001000變質(zhì)300301000

2.4 用于葡萄揮發(fā)物測量的簡易電子鼻陣列

在葡萄變質(zhì)的過程中，醇類、酯類和二氧化碳有明顯的變化，且能以其光譜強度為變量，實現(xiàn)葡萄新鮮度的鑒別。我們以此為依據(jù)設(shè)計了一種簡易化的電子鼻陣列。由于市面上不易找到比較適宜的酯類傳感器，我們所設(shè)計的電子鼻陣列由1個非色散紅外原理的二氧化碳傳感器、3個相同的電化學原理的乙醇傳感器組成。之所以采用3個乙醇傳感器，是由于乙醇的電化學傳感器穩(wěn)定性較差，3個傳感器取平均值可以提高其輸出的可信性。實驗中采用的二氧化碳傳感器是COZIRTM(GSS公司，英國)，是一種非色散紅外傳感器，精度為±70ppm ±5%。所采用的乙醇傳感器為電化學型，型號為C2H5OH-1000(Membrapor公司，瑞士)，測量范圍0～1 000 ppm。我們設(shè)計了傳感器陣列的調(diào)理電路、控制部分、數(shù)據(jù)采集部分、顯示部分和存儲部分。研制的簡易電子鼻陣列如圖4所示。

圖4 由陣列傳感器組成的簡易電子鼻系統(tǒng)

在研制的電子鼻系統(tǒng)基礎(chǔ)上，以二氧化碳和乙醇傳感器的輸出為變量，建立了線性分類器，如圖5所示。將分類器植入電子鼻系統(tǒng)，對與表1同樣的60組樣本進行識別，識別結(jié)果如表2所示。從數(shù)據(jù)中可見，電子鼻方法對變質(zhì)葡萄的識別率明顯低于光譜方法，其可能的原因有： (1)光譜方法包含了多種揮發(fā)物的特征變量，而電子鼻僅反映二氧化氮和乙醇的濃度，其信息含量明顯低于光譜。如從光譜特征分析，酯類也是葡萄變質(zhì)中變化較為明顯的氣體，但由于器件較難選擇，電子鼻的傳感器陣列中未包含酯類。(2)雖然采用了3個傳感器輸出取平均的方法，但乙醇傳感器的精度、靈敏性有限，而且在長時間使用時易發(fā)生中毒。(3)光譜方法在建立分類模型時結(jié)合了化學計量學，因而對氣氛的本體、環(huán)境影響等問題具有一定的預處理作用，而電子鼻方法僅包含4個傳感器，在數(shù)據(jù)的預處理方面弱于光譜方法。盡管如此，電子鼻對兩類葡萄樣本的識別率仍達到了85%以上，表明這種方法有應(yīng)用于葡萄變質(zhì)現(xiàn)場監(jiān)測的潛力。

圖5 簡易電子鼻陣列用于葡萄變質(zhì)監(jiān)測的分類器

表2 簡易電子鼻對變質(zhì)葡萄的識別結(jié)果

3 結(jié) 論

對實驗系統(tǒng)進行了改進和探測靈敏度的提升，實現(xiàn)了葡萄劣變過程中揮發(fā)性氣體的更為精細的測量和分析。證實了通過提高光程可以獲得更高的靈敏度，葡萄變質(zhì)中的揮發(fā)物不僅具有醇類和酯類，還可能含有乙醛、乙烯、鄰氨基苯甲酸甲酯、香葉醇等。通過測量不同變質(zhì)時期的揮發(fā)物光譜，可以發(fā)現(xiàn)一些氣體的濃度呈現(xiàn)規(guī)律性的變化。通過對醇類和酯類特征波段的PCA分析，證明揮發(fā)物的紅外光譜可以用于鑒別葡萄是否發(fā)生了變質(zhì)。

在光譜學分析的基礎(chǔ)上，研制了由傳感器陣列組成的簡易化電子鼻系統(tǒng)。在對劣變葡萄樣本的識別中，氣態(tài)長光程紅外光譜與化學計量學相結(jié)合的方法表現(xiàn)優(yōu)異，明顯優(yōu)于電子鼻方法。但電子鼻方法也同樣具備識別變質(zhì)葡萄的能力，而且具有低成本、便攜的優(yōu)勢。

本工作是對前一研究的補充，以及對新方法的初步探索。在后續(xù)的研究中，應(yīng)用長光程FTIR光譜開展水果變質(zhì)監(jiān)測具有很大的優(yōu)勢和前景。(1)結(jié)合化學計量學手段和預定的實驗設(shè)置，可以用長光程紅外光譜方法更為精細的分析水果變質(zhì)、成熟等過程中的揮發(fā)性物質(zhì)變化，并篩選具有代謝組學意義的標志物。(2)在機理明確后，可以直接用特征波段的光源和接收器代替光譜儀，從而兼具紅外光譜和電子鼻的優(yōu)勢，實現(xiàn)水果變質(zhì)監(jiān)測和預警的簡易化系統(tǒng)。

[1] Hui Y H. Handbook of Fruit and Vegetable Flavors. Wiley, 2010. 64.

[2] Romani R, Labavitch J, Yamashita T, et al. Journal American Society for Horticultural Science 1983, 108(6): 1046.

[3] Mattheis J P, Buchanan D A, Fellman J K. Journal of Agricultural and Food Chemistry, 1991, 39(9): 1602.

[4] Boylston T D, Kupferman E M, Foss J, et al. Journal of Food Quality, 1994, 17: 477.

[5] Maul F, Sargent S A, Balaban M O, et al. Journal of the American Society for Horticultural Science 1998, 123(6): 1094.

[6] Schnürer J, B?rjesson, Thomas J O. Fungal Genetics and Biology, 1999, 27(2): 209.

[7] Baldwin E A, Malundo T, Bender R, et al. Hort Science 1999, 34(3): 514.

[8] Charalambous G, Inglett G. Chemistry of Foods and Beverages: Recent Developments. Academy Press Inc., 1982. 25.

[9] Baldwin E A. Fruit Quality and Its Biological Basis. Sheffield: Sheffield Academic Press, 2002. 89.

[10] Li C, Schmidt N E, Gitaitis R. LWT Food Science and Technology, 2011, 44: 1019.

[11] Keshri G, Magan N, Voysey P. Letters in Applied Microbiology, 1998, 27: 261.

[12] Li C, Gitaitis R, Tollner B, et al. Sensing and Instrumentation for Food Quality and Safety, 2009, 3: 193.

[13] Gobbi E, Falasconi M, Concina I, et al. Food Control, 2010, 21(10): 1374.

[14] Griffiths P, De Haseth J A. Fourier Transform Infrared Spectrometry, John Wiley & Sons, 2007. 171.

[15] Marshall T L, Chaffin C T, Hammaker R M, et al. Environmental Science & Technology 1994, 28(5): 224A.

[16] Ross K R, Todd L A. Applied Occupational and Environmental Hygiene, 2002, 17(2): 131.

[17] Harren F J M, Cristescu S M. AoB Plants, 2013, 5: plt003.

[18] WANG Wen-zhong, DONG Da-ming, ZHENG Wen-gang, et al(王文重，董大明，鄭文剛，等). Acta Chimica Sinica(化學學報), 2013, 3: 99.

[19] Lias S G, Bartmess J E, Leibman J F, et al. National Institute of Standards and Technology. Gaithersburg MD, 2003, 20899.

[20] Whitaker R, Evans D. Food Technol., 1987, 46: 86.

[21] Rosilllo L, Salinas M, Garijo J. Journal of Chromatography A, 1999, 847(1): 155.

[22] Bellincontro A, Nicoletti I, Valentini M, et al. American Journal of Enology and Viticulture, 2009, 60: 57.

[23] P, G. Pratical Guide to Chemometrics; CRC Press, Taylor & Francis Group LLC, 2006.

(Received Jan. 22, 2015; accepted May 9, 2015)

*Corresponding author

Research on Grape Deterioration Process via Volatiles -Using Long Optical-Path Infrared Spectroscopy and Simplified E-Nose

ZHENG Wen-gang, JIAO Lei-zi, ZHAO Xian-de, DONG Da-ming*

Beijing Research Center for Intelligent Equipment for Agriculture, Beijing Academy of Agriculture and Forestry Sciences, Beijing

100097, China

Grapes vaporize volatiles in specific compositions and concentrations during deterioration processes. Our previous study demonstrated that it is possible to analyze grapes spoilage stages by using the infrared spectra of their volatiles. However, only the spectral characteristics of alcohol, ethyl acetate and carbon dioxide were observed in the experiment because of the low concentration of the volatiles. In this paper, the sensitivity of the spectrometry system was enhanced by increasing the optical-path with multi-reflecting mirrors. We used the new spectrometry system to study the details of the infrared spectra of the volatiles from grapes during spoilage, and observed the spectral characteristics of several kinds of ethanol, esters, aldehyde and ethylene. The concentrations of some components in the volatiles changes with storage time, which can be a biomarker to represent the spoilage stages of grapes. Chemometrics were used to analyze the spectral bands of ethanol and esters, demonstrating there are obvious differences between fresh and decayed grapes. Furthermore, we developed a simplified E-nose system comprised by sensor array, based on the results of spectral analysis. The classification and discrimination of grape spoilage were tested with E-nose. This was a further study of the previous publication and had given a more precise observation of the infrared spectral characteristics of the volatiles from decayed grapes. This study provided a basis for developing real-time monitoring techniques of fruits deterioration.

Grape; Volatile compounds; FTIR; E-nose

2015-01-22，

2015-05-09

國家科技支撐計劃項目(2014BAD21B00)和國家自然科學基金項目(31271614)資助

鄭文剛，1975年生, 北京農(nóng)業(yè)智能裝備技術(shù)研究中心研究員 e-mail: zhengwg@nercita.org.cn *通訊聯(lián)系人 e-mail： dongdm@nercita.org.cn

O657.3

A

10.3964/j.issn.1000-0593(2016)06-1645-05