首页 > 解决方案 > 粮食饲料

粮食饲料

基于电子鼻技术的稻米气味检测与品种识别

1 材料与方法
1.1 材料来源
2份籼型常规香稻品种(田冬香,鄂香l号)由中国水稻研究所提供;3份非香稻品种
(籼型常规品种浙优1号,粳型常规品种科旱1号和籼型杂交组合两优培九)由浙江省农业科
学院作物与核技术利用研究所提供.样品收集后,置于低温冷柜中一15 DC冷冻保存,备用.
1.2 样品制备
5份稻米材料分别制备成稻谷、糙米、精米、米饭4种样品状态.稻谷是将提供的原样品
去除杂质、枝梗和秕粒后制备获得;糙米制备是用JLGJ一45型电动砻谷机去壳加工成糙米;精
米制备是在CEMOTEC一1090型精米机上制备成GB1354中规定的标准三等精度的大米;米
饭的制作条件按照《GB 15682-2008粮油检验:稻谷、大米蒸煮食用品质感官评价方法》,待电

饭煲由加热转成保温15 rain后,打开电饭煲,米饭冷却至室温即进行检测.

1.3 仪器与测定
本试验采用德国AIRSENSE 公司的PEN2便携式电子鼻,主要包括以下几个硬件
部分:传感器阵列(包括有1O个金属氧化物传感器阵列,各个传感器的名称及性能描述见表1)、

采样及清洗通道,数据采集系统及计算机.


实验中,不同顶空空间测定是将所制备的科旱1号稻谷样品用1/1 000电子天平称取i0 g,
分别置于50、100、200和500 mL烧杯中,烧杯用双层薄膜密封后,用电子鼻重复测定20次.不同
静置时间的测定是在室温25℃ 下,科旱1号稻谷样品静置20、6O和120 rain后进行测定.每次
采样时间均为8O S,每秒记录1次数据,并且每采样1次都要进行样品通道的基准载气清洗.
1.4 数据处理
实验中利用单因素方差分析法分析顶空空间与静置时间对电子鼻响应值的显著性影响,找
出最适合稻米气味测定的组配,以获得最佳的响应信号;并利用主成分分析法(PCA)及线性判别
法(LDA)区别不同品种的稻米,检验该方法是否适用于稻米气味的电子鼻测定以及测定的最佳
实验样本状态.所有数据计算由仪器自带的Winmuster软件包以及SAS 8.2版本统计软件
进行处理,并制作成相应的图.
2 结果与分析
2.1 试验参数的设置
2.1.1 稻谷样品清洗时间和检测时间的确定
在预备试验中,通过手动采样,用电子鼻对5个品种的稻谷进行了检测,其中田冬香品种的挥
发性成分响应信号见图2.从中可以看出,从第50秒开始,除了传感器W5S继续上升但增幅
变1l,~b,其余传感器响应信号曲线变化较小,慢慢趋于动态平衡.因此结合电子鼻仪器本身的
仿生学特点以及从节约时间的角度考虑,本次实验采用第60秒的传感器响应信号特征数据
进行分析,同时检测时间确定为8O S,清洗时间确定为60 S.


2.1.2 不同顶空空间对电子鼻响应值的影响
以科旱1号为代表,测定了不同顶空空间对电子鼻响应值的影响.结果表明,顶空空间对电子
鼻的10个传感器响应均有显著影响,F值为19.78~ 156.93之间,显著水平P 均小于
0.000 1(数据未显示).提取第6O秒时刻的响应值,科旱1号品种不同顶空空间对传感器响应的差异显著性分析见图3.

从图3的相对标准差分布的总体结果来看,各传感器在不同顶空空间下,响应值的相
对标准差随着顶空空间的增大而呈现增大的趋势.相对而言,在5O和200 mL顶空空间下,各
个传感器表现出较低的相对标准差值(除传感器2外).但因考虑到电子鼻泵流速设置是190
mL.min_。,较小的顶空空间气体量显得局促,可能会出现真空状态,导致某些外界因素的较
大影响;因此对于本试验的10 g样品,以200mL的顶空空间为宜.
2.1.3 不同静置时间对电子鼻响应的影响
以科旱1号为代表,研究在20、60和120 rain 3个典型的静置时间点对电子鼻响应的影响.各
个传感器电子鼻响应值的相对标准差分布结果(图4)表明:在静置时间为60 min的曲线中,
除传感器2之外,其他传感器的相对标准差均低于20和1 20min的相对标准差;因此,以60
min的静置时间进行检测,获得的传感器响应值相对较稳定.







2.2 模式识别分析
2.2.1 PCA 法和LDA 法识另一J不同品种的稻

以5个不同水稻品种的谷物、糙米、精米和米饭4种状态,提取第60秒的电子鼻响应值
生成的初始特征向量进行主成分分析.从各个品种在不同状态下前2个较大贡献率的主成分因子的特征值

及贡献率(表2)可以看出:第1主成分的贡献率以谷物状态最大,达87.34 ;精米状态最小为81.13 ;

主成分1、2的累计贡献率,谷物最大达96.65 ,糙米最小为92.28 ,所有状态的值均大于85 ;因此,利
用主成分分析法可以有效地区分所有状态的稻米.用PCA 法区分不同品种的结果(图5)表
明:在不同状态利用主成分分析区分的效果并不一样,其中以谷物状态和精米状态的PCA分
析效果最好,5个品种可明确地区分.相对而言,糙米和米饭状态的区分效果较差,有部分叠加现象.
对4种状态下第6O秒的特征向量值进行LDA法分析,所获得的线性判别因子的贡献率
及累积贡献率见表2.从中可以看出,因样本的状态不同而有较大的差异,其中谷物状态的第
1和第2判别因子累计贡献率最高,达91.20 ;糙米状态和精米状态的第1和第2判
别因子累计贡献率分别达88.49 和87.31 ;米饭状态的累计贡献率仅有59.98 .从LDA
分析图(图6)可知,对谷物、糙米、精米3个状态LDA法均能有效地区分5个品种,米饭状态
有部分的重叠.


2.2.2 PCA 法与LDA 法对品种识别的比较
根据PCA和LDA 2种模式方法的识别结果,从二维的PCA分析图和LDA分析图得出:
1)若采用PCA进行品种判别时,选择稳态的数据点进行分析,谷物和精米状态的区分效
果较佳,在糙米和米饭状态时未能很好地区分出不同品种的稻米.
2)若采用LDA进行分析时,谷物、精米和糙米状态的区分效果较好,米饭状态不能很好地区分不同品种.
3)综合LDA和PCA 2种分析方法可知,在利用电子鼻模拟整体挥发性气味时,谷物和
精米的状态适合于试验选择的PEN2便携式电子鼻.但无论是LDA还是PCA分析方法,都
不能很好地区分米饭状态下的不同品种.

3 讨 论
随着电子鼻技术的发展与完善,其运用的领域越来越宽广.因其样品体积、密度、挥发物含量与浓度等因素

的影响,不同的受检样本所需的检测参数要求不完全相同.如本研究以科旱1号为代表的4种状态下,测定10 g样品时
以200 mL顶空空间为宜,静置时间以60 min响应值相对较稳定.于慧春等[1幻对龙井茶的电
子鼻检测认为,5 g样品时以250 mL顶空空间为最佳值,静置时间没有显著差异.另外在猪肉[】引、

柑橘口 、其他粮食口朝等产品的检测上也不相同,这可能跟不同供试对象的体积以及其
挥发物的相对饱和时间有着直接关系.从本实验的顶空空间、静置时间对电子鼻
响应的差异显著性分析上可以看出,传感器2均表现出特异性,这是否跟传感器本身对NO的特敏性有关

有待进一步研究.综合LDA和PCA 2种分析方法,PEN2便携式电子鼻适宜于稻谷和精米状态的检测,而糙

米状态区分不灵敏,米饭状态不能区分.推测在稻谷和精米状态下,品种间的挥发性物质差别明显;而对

糙米状态,由于加工过程中挥发性成分的部分散发,使得差别较小;而对于米饭
状态,由于米饭含水量较高,同时冷却后检测不利于挥发性物质的散发,致使分析结果跟感官

评价方式得出的结果有出入.另外在电子鼻分析中,特征提取、模式识别方法的完善以及是否
应配置富集装置进行样品试验,也有待进一步确证.
从对供试材料区分的结果看,实验选定的品种中有香稻和非香稻,但在电子鼻识别香稻
与非香稻品种时,并不是完全区分为2个独立区域.这一结果表明:1)虽已有的研究表明水稻
香与非香品种间主要的挥发性气味物质(volatile components)的区别是2一乙酰基一1一吡咯啉

(2一acetyl一1一pyrroline,2-AP)含量的差异[1 ],但是,由于稻米的挥发性气味物质除了
2一AP外,还有超过100多种化学物质被检测出来,其中戊醛(pentana1)、戊醇(pentano1)、己醛
(hexana1)、戊基呋喃(pentylfuran)、辛醛(octana1)、壬醛(nonana1)等主要挥发性物质含
量均较高口 ;因此,运用电子鼻测定稻米在不同状态下的气味物质是对稻米中所有含量较高
的、可被电子鼻检测的挥发性物质综合状态的识别,这更说明电子鼻对稻米中挥发性物质的
识别是对整体指纹信息的模拟.2)用电子鼻区分香与非香品种,是否与香气物质特征值2一乙
酰基一1一吡咯啉存在某些关联,还有待进一步深入研究,但这一探索为今后开发专用电子鼻检
测香稻品种的新技术具有一定的指导意义.
References:
[1] zHu Zhi—wei(朱智伟).Current status of rice quality inChina[J].China Rice(中国稻米),2006(1):1_4.(in
Chinese)
[2] HU Gui—xian,WANG Jian-jun,WANG Xiao—li,et a1.(胡桂仙,王建军,王小骊,等).Research progress and
prospects for technology of detection for qualityevaluation in cereal and oil[J].Journal of the Chinese
Cereals and Oils Association(中国粮油学报),2011,26(3):110—113,118.(in Chinese)
[3] Concina I, Borngek M, Baccelliere S, et a1.Alicyclobacillus spp.: detection in soft drinks by electronic nose[J].Food Research International,2010
(43):2108—2114.