張美超 梁昌元 羊紅斌

茂縣科學(xué)技術(shù)和農(nóng)業(yè)畜牧局，四川阿壩

1 材料與方法

1.1 電子鼻基本原理

電子鼻是基于人鼻的工作原理所設(shè)計(jì)，通過(guò)模擬人鼻內(nèi)嗅覺(jué)細(xì)胞的傳感器陣列進(jìn)行樣品的揮發(fā)性成分分析，然后將采集到的揮發(fā)性成分信號(hào)發(fā)送到模擬大腦功能的計(jì)算機(jī)數(shù)據(jù)識(shí)別系統(tǒng)[1-4]。電子鼻系統(tǒng)的氣敏傳感器陣列可以產(chǎn)生一種特殊的氣味輪廓，以響應(yīng)揮發(fā)性成分與樣品之間的相互作用，通過(guò)比較獲得的氣味輪廓和簡(jiǎn)單的氣味標(biāo)準(zhǔn)以識(shí)別混合物成分。因此，原始揮發(fā)性化合物數(shù)量的變化或新化合物的形成可能引起“指紋”圖譜的變化[5]。

PEN3電子鼻(其傳感器性能如表1所示)的實(shí)驗(yàn)條件分為三個(gè)階段，首先，在暴露于樣品揮發(fā)物之前，用新鮮的干燥空氣清潔傳感器室。然后，被測(cè)物質(zhì)的揮發(fā)物被吸入飽和，并在整個(gè)傳感器室中循環(huán)。當(dāng)傳感器暴露在樣品揮發(fā)物中時(shí)，它們的響應(yīng)會(huì)發(fā)生變化。在此期間，頂部空間氣體在傳感器室內(nèi)循環(huán)，直到傳感器的響應(yīng)達(dá)到飽和?；€修整后，測(cè)量響應(yīng)。傳感器值被連續(xù)記錄。最后，信號(hào)由模式識(shí)別子系統(tǒng)處理并確定輸出。PEN3 電子鼻直接通過(guò)內(nèi)部泵吸入空氣，同時(shí)，通過(guò)使用零氣體并將其與被分析樣品氣體的信號(hào)進(jìn)行比較，減小了傳感器可能漂移的影響，去除了響應(yīng)中的時(shí)間變量，取傳感器的穩(wěn)態(tài)響應(yīng)進(jìn)行分析，從而簡(jiǎn)化了后續(xù)的模式識(shí)別過(guò)程[6-8]。

表1 PEN3電子鼻各傳感器性能描述

1.2 樣品與材料

本次研究選用同一品種、同一產(chǎn)地、同一批次的330個(gè)茂縣紅富士蘋(píng)果(采摘樣品信息如表2 所示)，采摘于茂縣南新鎮(zhèn)安鄉(xiāng)村3 組，重量相近（150~200 g），大小均勻（直徑7.5~8.5 cm），經(jīng)過(guò)安全休藥期后，按照《農(nóng)藥殘留分析樣本的采樣方法》（NY/T 789-2004）進(jìn)行農(nóng)殘快速檢測(cè)，確認(rèn)該批次蘋(píng)果無(wú)農(nóng)藥殘留后，于2019年10月份經(jīng)人工采摘后直接送往西華大學(xué)實(shí)驗(yàn)室。高效氯氟氰菊酯（以下簡(jiǎn)稱“菊酯”）和毒死蜱兩種標(biāo)準(zhǔn)溶液由深圳市博林達(dá)科技有限公司生產(chǎn)，所用燒杯由四川蜀玻（集團(tuán)）有限責(zé)任公司生產(chǎn)。運(yùn)用德國(guó)Airsense 公司生產(chǎn)的PEN3 電子鼻開(kāi)展蘋(píng)果中毒死蜱與高效氯氟氰菊酯兩種農(nóng)藥殘留分析。

表2 樣品信息

本次實(shí)驗(yàn)所選用的330個(gè)蘋(píng)果樣品中，隨機(jī)挑選30個(gè)蘋(píng)果直接用電子鼻進(jìn)行氣味采集，另外300個(gè)蘋(píng)果被不同濃度與配比的菊酯和毒死蜱兩種農(nóng)藥分別處理(見(jiàn)表3)后進(jìn)行電子鼻氣味采集。

表3 蘋(píng)果樣品分組

1.3 實(shí)驗(yàn)分組

根據(jù)GB 2763-2019《食品安全國(guó)家標(biāo)準(zhǔn)食品中農(nóng)藥最大殘留限量》，蘋(píng)果中高效氯氟氰菊酯和毒死蜱的最大允許殘留量分別為0.2 mg/kg 和1 mg/kg[9]。在密閉、局部通風(fēng)的環(huán)境下進(jìn)行農(nóng)藥噴灑，經(jīng)6 h達(dá)到最佳藥效后進(jìn)行后續(xù)實(shí)驗(yàn)，實(shí)驗(yàn)前，蘋(píng)果表皮的農(nóng)藥濃度理論值達(dá)到預(yù)設(shè)值。

1）蘋(píng)果在空白樣本、兩種農(nóng)藥的國(guó)家標(biāo)準(zhǔn)最大允許殘留量（高效氯氟氰菊酯0.2mg/kg、毒死蜱1.0 mg/kg）、以及國(guó)家標(biāo)準(zhǔn)最大允許殘留量混合農(nóng)藥（0.2mg/kg高效氯氟氰菊酯∶1.0 mg/kg 毒死蜱=1∶9）的情況下，分別用電子鼻采集數(shù)據(jù)，每個(gè)小組設(shè)30個(gè)蘋(píng)果樣本平行。

2）蘋(píng)果在高效氯氟氰菊酯不同濃度(0.2、1.0、2.0、3.0、4.0 mg/kg）的情況下分別用電子鼻采集數(shù)據(jù)，每個(gè)小組設(shè)30個(gè)蘋(píng)果樣本平行。

3）蘋(píng)果在毒死蜱不同濃度（1.0、2.0、4.0、8.0 mg/kg）的情況下分別用電子鼻采集數(shù)據(jù)，每個(gè)小組設(shè)30個(gè)蘋(píng)果樣本平行。

1.4 參數(shù)設(shè)置

本實(shí)驗(yàn)采用頂空抽吸法進(jìn)行數(shù)據(jù)采集，進(jìn)樣針直接插入樣品瓶。將蘋(píng)果樣品放入600 mL玻璃燒杯中，雙層保鮮膜封口，在室溫環(huán)境（溫度25±2 ℃，相對(duì)濕度50%±5%，氣壓與大氣壓101.325 kPa一致）下放置1 h，隨后使用進(jìn)樣針頂空取樣檢測(cè)。測(cè)定條件如下：預(yù)采樣時(shí)間為5s，傳感器自清洗時(shí)間為120 s，調(diào)零時(shí)間為10 s，測(cè)量間隔為1 s，進(jìn)樣流速為300ml/min，洗氣流速為300 mL/min，測(cè)量時(shí)間為120 s，每次測(cè)量后下次頂空采樣前，系統(tǒng)自動(dòng)清零恢復(fù)初始狀態(tài)，選用115~117 s這段時(shí)間內(nèi)的實(shí)驗(yàn)數(shù)據(jù)。

1.5 數(shù)據(jù)分析方法

從頂部空間收集的氣體由電子鼻金屬氧化物半導(dǎo)體傳感器識(shí)別，在消除噪聲和數(shù)據(jù)歸一化后，用于建模和分析。電子鼻輸出值的相對(duì)電導(dǎo)率需要通過(guò)分析和處理才能達(dá)到鑒別的效果，有效的分析主要取決于能否選擇到合適的分析方法。因此，我們需要根據(jù)電子鼻數(shù)據(jù)的特點(diǎn)選擇一種恰當(dāng)?shù)姆治龇椒?，從而達(dá)到良好的降維和鑒別效果。電子鼻傳感器采集原始數(shù)據(jù)后，分別通過(guò)柱形圖分析、熱圖分析、主成分分析（PCA）、線性判別分析（LDA）和支持向量機(jī)（SVM）等方法，利用Excel 和Matplotlib 軟件構(gòu)建判別模型并進(jìn)行數(shù)據(jù)分析。

2 結(jié)果與討論

2.1 傳感器響應(yīng)強(qiáng)度分析

根據(jù)圖1~3，傳感器對(duì)W1W、W5S、W2W、W2S 有不同程度的反應(yīng)，說(shuō)明傳感器能識(shí)別出蘋(píng)果樣品上的硫化物、氮氧化物、芳香成分、有機(jī)硫化物、乙醇成分。從圖1 中可以明顯看出，傳感器對(duì)空白蘋(píng)果樣品的響應(yīng)小于對(duì)施用農(nóng)藥的蘋(píng)果樣品的響應(yīng)，W1W 傳感器的響應(yīng)強(qiáng)度最大，其次是W5S傳感器，可以明顯識(shí)別出硫化物和氮氧化物。從圖2 和圖3 中可以看出，傳感器對(duì)不同濃度農(nóng)藥的響應(yīng)值是不同的，雖然W5S傳感器和W1W 響應(yīng)值均較為強(qiáng)烈，但是沒(méi)有明顯的規(guī)律。因此，樣品之間的濃度差異不容易通過(guò)柱形圖表示來(lái)區(qū)分，需要結(jié)合其他算法進(jìn)一步計(jì)算分析。

圖1 帶有國(guó)家允許最高殘留量的兩種農(nóng)藥及其復(fù)配農(nóng)藥的蘋(píng)果樣本

圖2 帶有不同濃度高效氯氟氰菊酯的蘋(píng)果樣本

圖3 帶有不同濃度毒死蜱的蘋(píng)果樣本

2.2 主成分分析（PCA）

圖4 中，每組樣品都區(qū)分明顯沒(méi)有重疊，PC1 方差貢獻(xiàn)率為89.37%，PC2 方差貢獻(xiàn)率為10.52%，累計(jì)方差貢獻(xiàn)率為99.89%。圖5中，有無(wú)農(nóng)藥樣本區(qū)別明顯，2.0 mg/kg和3.0 mg/kg 有輕微重疊，PC1 方差貢獻(xiàn)率為 87.37%，PC2方差貢獻(xiàn)率為8.02%，累計(jì)方差貢獻(xiàn)率為95.39%。圖6 中，有無(wú)農(nóng)藥樣本區(qū)別明顯，2.0 mg/kg和4.0 mg/kg有輕微重疊，PC1 方差貢獻(xiàn)率為90.87%，PC2 方差貢獻(xiàn)率為5.76%，累計(jì)方差貢獻(xiàn)率為96.63%。三個(gè)圖中，第一主成分的方差貢獻(xiàn)率均大于85.00%，說(shuō)明第一主成分在區(qū)分不同蘋(píng)果樣品氣味的過(guò)程中起著關(guān)鍵作用[10-11]。

圖4 帶有國(guó)家允許最高殘留量的兩種農(nóng)藥及其復(fù)配農(nóng)藥的蘋(píng)果樣本

圖5 帶有不同濃度高效氯氟氰菊酯的蘋(píng)果樣本

圖6 帶有不同濃度毒死蜱的蘋(píng)果樣本

2.3 線性分析（LDA）

圖7 中，有無(wú)農(nóng)藥樣本區(qū)別明顯，LDA-1方差貢獻(xiàn)率為60.21%，LDA-2 方差貢獻(xiàn)率為31.07%，累計(jì)方差貢獻(xiàn)率為91.28%。所有蘋(píng)果樣品分布在三個(gè)不同象限內(nèi)，且相隔距離較遠(yuǎn)，彼此之間無(wú)重疊[12-13]。圖8 中，除了2.0 mg/kg 和3.0 mg/kg 有較輕重疊外，其他幾組樣本區(qū)別明顯，LDA-1方差貢獻(xiàn)率為77.12%，LDA-2 方差貢獻(xiàn)率為11.14%，累計(jì)方差貢獻(xiàn)率為88.26%。圖9 與PCA 不同，LDA 每種濃度的樣品均完全區(qū)分，方差貢獻(xiàn)率為67.95%與14.24%，累計(jì)方差貢獻(xiàn)率為82.19%。圖7~9 中，LDA-1 與LDA-2 累計(jì)方差貢獻(xiàn)率均大于80%，表明這兩種主成分包含了樣本的大部分信息，因此，可作為蘋(píng)果樣本分析的兩個(gè)主要成分。

圖7 帶有國(guó)家允許最高殘留量的兩種農(nóng)藥及其復(fù)配農(nóng)藥的蘋(píng)果樣本

圖8 帶有不同濃度高效氯氟氰菊酯的蘋(píng)果樣本

圖9 帶有不同濃度毒死蜱的蘋(píng)果樣本

2.4 支持向量機(jī)分析（SVM）

為了識(shí)別蘋(píng)果樣品并進(jìn)行結(jié)果評(píng)價(jià)，330個(gè)蘋(píng)果樣品均用來(lái)做SVM 的訓(xùn)練集與測(cè)試集分組，每組30個(gè)平行樣品均取115~117 s 的響應(yīng)值，取平均數(shù)后輸入SVM 體系中建立模型，蘋(píng)果樣品的農(nóng)藥濃度是分析的輸出值[14-15]。每組中，隨機(jī)選擇70%的樣品作為訓(xùn)練集，剩余的30%作為測(cè)試集（即每組21個(gè)樣品用于訓(xùn)練集，9個(gè)樣品用于測(cè)試集）。使用RBF核函數(shù)的分類類型為C-SVM，懲罰系數(shù)C值設(shè)為 2，γ 值設(shè)為 0.25，330個(gè)樣品中，訓(xùn)練集有 231個(gè)樣品，預(yù)測(cè)集有99個(gè)樣品，SVM 模型中帶有不同濃度農(nóng)藥的蘋(píng)果分析結(jié)果如表4所示。

表4 SVM模型中帶有不同濃度農(nóng)藥的蘋(píng)果分析結(jié)果

C- SVM 模型輸出結(jié)果顯示，Ⅰ組的準(zhǔn)確率最高，以不同農(nóng)藥空白樣本和國(guó)家允許最高殘留量的蘋(píng)果樣本進(jìn)行分類的訓(xùn)練集蘋(píng)果中，訓(xùn)練集84個(gè)樣本中有2個(gè)樣本判斷錯(cuò)誤；測(cè)試集36個(gè)樣本中有2個(gè)樣本識(shí)別錯(cuò)誤，訓(xùn)練集與測(cè)試集準(zhǔn)確率可以分別達(dá)到97.62%與94.44%。Ⅱ組是以帶有不同濃度菊酯的蘋(píng)果樣本進(jìn)行分類，訓(xùn)練集126個(gè)樣本中有6個(gè)樣本識(shí)別錯(cuò)誤，訓(xùn)練集準(zhǔn)確率為95.24%；測(cè)試集54個(gè)樣本中有5個(gè)樣本識(shí)別錯(cuò)誤，測(cè)試集準(zhǔn)確率為90.74%。Ⅲ組是以帶有不同濃度毒死蜱的蘋(píng)果樣本進(jìn)行分類，訓(xùn)練集105個(gè)樣本中4個(gè)樣本識(shí)別錯(cuò)誤，訓(xùn)練集準(zhǔn)確率為96.19%；測(cè)試集45個(gè)樣本中有4個(gè)樣本識(shí)別錯(cuò)誤，測(cè)試集準(zhǔn)確率為91.11%。

3 結(jié)論

實(shí)驗(yàn)研究結(jié)果表明，電子鼻采集農(nóng)藥氣味后，通過(guò)合適算法進(jìn)行分析，可以有效鑒別不同農(nóng)藥。通過(guò)電子鼻采集到的原始?xì)馕秷D譜，利用Excel 進(jìn)行響應(yīng)值分析，生成柱狀圖表明，傳感器對(duì)不同濃度農(nóng)藥的響應(yīng)值是不同的，W1W 傳感器的響應(yīng)強(qiáng)度最大，其次是W5S 傳感器，說(shuō)明可以明顯識(shí)別出硫化物和氮氧化物。通過(guò)PCA 模型分析，各組樣品第一主成分的方差貢獻(xiàn)率均大于85%，說(shuō)明第一主成分在區(qū)分不同蘋(píng)果樣品氣味的過(guò)程中起著關(guān)鍵作用。通過(guò)LDA 模型分析，各組樣品的兩種主成分累計(jì)方差貢獻(xiàn)率均大于80%，表明這兩種主成分包含了樣本的大部分信息，因此，可作為蘋(píng)果樣本分析的兩個(gè)主要成分。通過(guò)SVM 分析并建立模型，結(jié)果表明，測(cè)試集與訓(xùn)練集準(zhǔn)確率均大于90%，可以準(zhǔn)確識(shí)別蘋(píng)果樣本上的農(nóng)藥。綜上，電子鼻技術(shù)可以作為在水果與蔬菜上分析檢測(cè)不同種類農(nóng)藥殘留的手段之一。目前市場(chǎng)存在的水果與蔬菜種類繁多，僅憑外觀很難區(qū)分其品質(zhì)好壞，運(yùn)用現(xiàn)有的定量檢測(cè)或以生物檢測(cè)法為基礎(chǔ)的農(nóng)殘快速檢測(cè)儀均需要破壞樣品且各有其局限性，如果將電子鼻技術(shù)應(yīng)用于水果與蔬菜農(nóng)殘質(zhì)量安全管控，將有利于減輕農(nóng)產(chǎn)品質(zhì)量監(jiān)督難度，為食品安全提供保障。