使用电子鼻预测低温贮藏罗非鱼储存时间*

黄 洁，李 燕，尹芳缘，赵梦田，姜 燕，沈 凤，王绿野，惠国华*，陈裕泉

(1.浙江工商大学食品与生物工程学院，杭州310035;2.国家知识产权局专利审查协作北京中心光电部，北京100083;3.浙江大学生物医学工程与仪器科学学院，杭州310027)

罗非鱼(Tilapia)又称非洲鲫鱼，属硬骨鱼纲鲈形目，是一种热带中小鱼类，肉质细嫩，肉味鲜美，富含蛋白质和多种不饱和脂肪酸，是世界水产业的重点科研培养的淡水养殖鱼类。近年来国内罗非鱼养殖和出口势头迅猛［1］。罗非鱼的生产和储运环节中易受环境因素的影响而发生质变，因此对于简便、成本低、可靠的罗非鱼储存时间和新鲜度快速无损检测方法需求迫切。目前检测罗非鱼新鲜度的方法主要有理化检验、微生物检测、人工感官评价等［2］。这些方法需要耗费大量的时间，难以满足快速检测的需求。近年来，电子鼻成为研究的热点，在水产品品质分析领域许多研究人员都开展了大量的工作［3］。佟懿等利用电子鼻对带鱼在不同贮藏温度与贮藏时间下的挥发性气味变化进行了分析，根据获得的货架期预测模型对带鱼在273 K～283 K条件下的货架期进行预测，预测误差小于20%［4］。Di Natale等采用两种不同的电子鼻检测鳕鱼新鲜度，结论几乎一致，说明电子鼻可以成功的预测鳕鱼的新鲜度［5］。Hui等采用电子鼻检测不同储存时间的草鱼样品，并采用检测数据的随机共振特征值构建草鱼储存时间预测模型，具有较好的预测准确度［6］。张军等采用4气体传感器的电子鼻检测冷藏鲢鱼样品，系统研究了采样方式、采样时间和样品质量对新鲜度测量的影响，最终获得了最佳测量条件［7］。刘红秀等采用Cyranose320测量了不同储藏时间的红甲鱼、鲂鱼、唇指鲈和澳洲鲹样品，将实验数据进行特征提取及人工神经网络分析，得到这四类鱼新鲜度的估计方法［8］。杨华等采用PEN3电子鼻检测分析了不同储藏温度下美国红鱼的风味成分，以PCA、LDA等模式识别方法分析数据，结果表明LDA方法可以更好的区分不同储藏温度的美国红鱼［9］。杨毅等实用Gemini电子鼻系统检测4℃下不同贮藏时间的罗非鱼气味，以PCA和DFA分析实验数据，结果表明电子鼻可以进行罗非鱼新鲜度识别［10］。施文正等采用FOX4000电子鼻检测了养殖草鱼背肉、腹肉、红肉、鱼皮、鱼鳃和鱼肠等部位的挥发性成分，主成分分析结果表明电子鼻可以区分草鱼不同部位［11］。李来好等采用PEN3电子鼻对不同冷冻时间的罗非鱼鱼肉进行检测，以PCA和LDA方法分析数据，结果表明电子鼻可以区分不同冷冻时间的罗非鱼肉［12］。贾洪锋等采用FOX4000电子鼻分析了不同保藏时间的鲢鱼样品，样品的分布随着保藏时间的增加而规律变化［13］。实际上目前电子鼻在稳定性、可重现性等方面尚存在一些需要克服的难题，同时由于食品样品是非常复杂的，不同批次之间存在差异，而同一批获取的水产样品之间也存在各种不同的差异，因此找寻到某一种水产品种电子鼻检测的稳定特征值，用于表征水产品鲜度，这是电子鼻这种仿生嗅觉检测技术的一大发展趋势。

本文采用电子鼻检测不同储存时间的罗非鱼样品，辅以挥发性盐基氮指标作为罗非鱼新鲜度标识量，采用改进的随机共振模型提取罗非鱼样品电子鼻检测数据的特征值，并依据特征值构建罗非鱼新鲜度和储存时间判定模型，实验结果表明所构建的模型具有较好的准确度。本研究与其他以往电子鼻研究的新颖之处在于，采用非线性双稳态随机共振分析技术，提取不同储存时间罗非鱼样品的挥发气体特征值，该特征值与以往电子鼻研究指标不同，同一储存时间罗非鱼电子鼻信噪比特征值是不随着样品的不同而改变，只与储存时间有关，这就说明该特征值可以满足稳定的反映罗非鱼品质的需求。因此，基于不同储存时间罗非鱼电子鼻信噪比特征值所构建的罗非鱼储存时间预测模型可以准确反映储存过程中罗非鱼样品的物化性质变化。

1 材料和方法

1.1 原料和预处理

冷库冷链系统是肉类保鲜最为重要的手段。冷库冷藏是肉品保管在略高于其冰点的温度，通常在2℃～4℃之间，这一范围内大部分致病菌停止繁殖，有利于肉类的保鲜贮藏。因此，我们选择了4℃开展了实验。新鲜罗非鱼，购自杭州某大型超市，质量约(500±50)g。预处理:将购买的罗非鱼去除鱼鳞和内脏后用清水洗净后，分割成若干质量为10 g的样本，然后置于4℃的冰箱中贮藏。在实验过程中，每天随机选取5个罗非鱼样本用于电子鼻检测实验，3个样本进行TVBN检验，另外随机选取5个样本用于电子鼻验证实验。实验连续进行8 d。

1.2 电子鼻检测实验

本研究采用浙江工商大学食品学院自制的电子鼻系统开展，该系统包括8个气敏传感器构成的传感器阵列，系统结构如图1所示，主要包括机械控制、传感器阵列、数据采集模块等［6］。首先开启清洗泵和气阀2，通入洁净空气清洗各传感器，待各传感器的响应稳定至基线时，关闭清洗泵和气阀。将鱼肉样品置入样品瓶并使用封口膜密封瓶口，放置40 min后把采样探头和气压平衡器同时插进封口膜中，启动采样泵和气阀1采集样品响应数据，采集45 s。气压平衡器通过活性炭去除空气中的杂质气体，并将清洁空气导入样品杯，实现气压平衡。

图1 电子鼻结构示意图

1.3 实验方法

1.3.1 pH 值测定

pH 测定方法依据 GB/T 9695.5—2008［14］操作，pH计型号为:PHS－25。

1.3.2 挥发性盐基氮检验

挥发性盐基氮检验方法根据SC/T 3032—2007标准检验［15］操作。

1.3.3 电子鼻检测实验

随机选取低温贮存的一个罗非鱼样本(10 g)放置于50 mL样品瓶中，密封，放置半小时样本的气体挥发出来达到一定浓度，然后将检测探头插入样品瓶顶空采集气体，持续40 s并记录实验数据。实验结束后，打开电子鼻清洗泵吸入洁净空气清洗传感器，使各传感器的响应值恢复至稳定值，等待下次测量。

1.4 预测方法

随机共振模型在信号特征分析中已得到广泛使用［16－19］。使用双稳态随机共振分析罗非鱼电子鼻数据，选择随机共振输出信噪比特征值建立存放时间预测公式。双稳随机共振具有3个因素:一个双稳系统，一个微弱输入信号和一个外部噪声。式(1)描述了一个布朗运动粒子在双势阱中的运动模式:

式中:V(s)是势阱模型;ξ(t)是自相关函数E［ξ(t)ξ(0)］=2αδ(t)的 Gaussian噪声，其强度是 α;A是信号强度;f0是信号的频率;m、n是实参数。

因此式(1)可以改写为:

一般使用信噪比来表征非线性随机共振，信噪比SNR(Signal Noise Rate)的定义是:

S(ω)表示信号频谱密度，SN(Ω)代表未超出信号频率范围的噪声强度。

信号分析路线图如图2所示，随机共振调节外源性噪声强度使系统出现共振，传感器检出数据内部噪声的能量转化到弱检测信号中，实现“抑噪”与“放大微弱信息”的目的。

图2 随机共振信噪比分析路线图

2 结果与分析

2.1 pH检验结果

罗非鱼肉pH测定结果如图3所示，初始鱼肉的pH值约为6.4，在冷藏储存过程中由于糖元分解生成乳酸，导致pH值出现下降的情况，随着储存时间的增加pH值上升，至第7天时pH约为6.7。检验结果表明pH和罗非鱼储存时间之间并无明确的相关关系。

图3 pH值测定结果

2.2 TVBN 检验结果

罗非鱼在微生物以及内源酶的作用下，蛋白质分解成氨及胺类等碱性含氮物质，具有一定的挥发性，TVBN检验为罗非鱼新鲜度判定提供了一种标准方法。TVBN检验结果如图4所示，可以看出挥发性盐基氮数值随着罗非鱼贮存时间的延长而变化。根据国家动物性水产品卫生标准，当罗非鱼鱼肉的TVBN检验值超过20 mg/100 g时已为不新鲜［20］。根据图4可知前3天的罗非鱼样本为新鲜，而第4天以后则为不新鲜。前5天的TVBN值持续上升，而在第6天TVBN值出现下降，然后又持续上升，第6天至第7天中TVBN值迅速上升，此时的鱼肉已经严重腐败。一种可能的解释在于罗非鱼样本上的微生物数量随着贮藏时间的增加而增加，至第6天时，微生物数量增长到一定程度后由于对营养物质的竞争导致部分微生物的死亡，因此代谢产生的挥发性氮物质的量出现下降。

图4 TVBN指标检验结果

2.3 电子鼻检测结果

图5是电子鼻的原始响应图，传感器阵列的8种气体传感器对罗非鱼样本有不同的响应。由图中可看出，传感器S4对样品瓶中罗非鱼样本顶空气体的响应最为强烈，说明顶空气中乙醇类气体含量较高。其次是S1、S6、S5和S7，表明烷烃类和硫化物等成分也有一定的含量。响应最小的为S8、S2和S3，说明氨类和氮氧化物类气体含量较低。

图5 电子鼻响应信号

2.4 主成分分析结果

不同储存时间的罗非鱼样本电子鼻检测数据为多维数据，主成分分析可以对数据进行降维处理，将复杂参量转换成若干个主成分以实现数据区分。主成分分析结果如图6所示，在连续的8 d内，罗非鱼样本的第一主成分持续增大，第二主成分先增大后减小。同时，每天的样本沿第二主成分方向离散度明显增加。PC1与PC2的贡献率只有72.26%，主成分分析不能实现罗非鱼样品的区分。

图6 主成分分析结果

双稳态随机共振输出信噪比指的是指以激励噪声激发双稳态系统，使布朗运动粒子可以越过势垒，从一个势阱跃迁到另一个势阱，此时系统输出的信噪比将达到极大值，根据信噪比极大值来表征被测样品的特征信息。它与传统数据分析方法的不同在于通过向系统输入白噪声，诱发系统产生随机共振，使得信息更容易被检测到［15－18］。罗非鱼样品分析结果如图7所示，在激励噪声强度125左右罗非鱼样品输出信噪比达到最大值。并且随着贮存时间的增加，信噪比特征峰值依次增大。选取不同储存时间罗非鱼样本数据的峰值作为特征值，如图8所示。

图7 随机共振信噪比曲线

图8 罗非鱼储存时间预测模型

2.5 罗非鱼储存时间预测模型

输出信噪比极大值与贮存时间的函数关系如图7所示，罗非鱼样品的信噪比极大值随着贮存时间的增加而增大。选取信噪比最大值进行线性拟合得到储存时间预测模型，如式(5)所示。根据式(5)，我们可以获得确定贮藏时间罗非鱼样品的信噪比分析值。

我们实验观察到每类罗非鱼样品的信噪比极大值基本为常数，具有较好的重现性，因此可以作为品质预测模型建立的基础。将式(5)进行反变换得到式(6)作为低温贮藏罗非鱼品质预测模型。根据所得到的预测模型，我们使用电子鼻检测某罗非鱼样品后，通过计算确定该样品的输出信噪比特征值，代入式(6)即可确定被测罗非鱼样本的贮藏时间信息。根据2.2节中TVBN检验结果，前3天的罗非鱼样本是新鲜的，即当Timestorage≤2时鱼肉是新鲜的，利用式(6)可以计算出 MaxSNR≤－61.168 8，即电子鼻检测信噪比极大值不超过－61.168 8时，鱼肉是新鲜的。如果电子鼻检测信噪比极大值超过这个阈值，那就是不新鲜的，从而实现了鱼肉储存时间的判定。

将若干一批未知储存时间的罗非鱼样品的电子鼻信噪比特征值代入式(6)计算储存时间预测值，样品预测值与真实值的线性回归结果如图9所示，预测误差R2=0.910，证明所建立的预测模型可以用于罗非鱼储存时间预测。我们随机选取了15个未知储存时间样品根据式(6)计算出预测时间值，然后计算与样品实际储存时间之间的预测误差，结果如表1所示。我们根据实际实验检测结果，定义预测误差如果不大于15%代表预测结果是正确的，反之为错误的。15个样品中仅有的一次错误预测出现在第1天样品的预测中，其他预测结果均为正确。结果表明所构建的模型预测性能较好。

图9 罗非鱼储存期的电子鼻预测结果

表1 模型验证实验结果(√为正确;×为错误;/为未计算)

3 结论

本文采用电子鼻结合理化检验方法探索了一种低温(4℃)贮藏罗非鱼储存时间预测方法，得到以下结果:

(1)分别检验了罗非鱼样品的pH值、TVBN以及电子鼻响应数据，根据国家标准以TVBN检验结果标定罗非鱼的新鲜度。

(2)采用主成分分析和随机共振分析检测数据，主成分分析不能实现不同储存时间罗非鱼样品的区分，随机共振输出信噪比可以实现罗非鱼样品的完全区分。

(4)所构建的模型样品预测值与真实值的线性回归R2=0.910，模型验证实验结果表明所构建的模型具有较好的预测准确性能。

本研究采用非线性双稳态随机共振分析技术，提取不同储存时间罗非鱼样品的挥发气体特征值，同一储存时间罗非鱼电子鼻信噪比特征值仅与储存时间有关，基于罗非鱼电子鼻信噪比特征值所构建的预测模型可以准确预测罗非鱼样品的储存时间。

本文仅研究了4℃储藏条件下基于电子鼻的罗非鱼储存时间预测方法，尚存在一定的局限性，我们将开展一项长期的研究工作，以拓展电子鼻在罗非鱼品质快速检测中的应用。

［1］中国农产品出口产品指南－罗非鱼［S］.2009.中华人民共和国商务部.

［2］蔡慧农，陈发河，吴光斌，等.罗非鱼冷藏期间新鲜度变化及控制的研究［J］.中国食品学报，2003，3(4):46－50.

［3］Miguel Peris，Laura Escuder-Gilabert.A 21st Century Technique for Food Control:Electronic Noses［J］.Analytica Chimica Acta，638(2009)1－15.

［4］佟懿，谢晶，肖红，等.基于电子鼻的带鱼货架期预测模型［J］.农业工程学报，2010，26(2):356－360.

［5］Corrado Di Natale，Gudrun Olafsdottir，Sigurdur Einarsson，et al.Comparison and Integration of Different Electronic Noses for Freshness Evaluation of Cod-Fish Fillets［J］.Sensors and Actuators B:Chemical，2001，77(1－2):572－578.

［6］Hui Guohua，Wang Lüye，Mo Yanhong，et al.Study of Grass Carp(Ctenopharyngodon Idellus)Quality Predictive Model Based on E-lectronic Nose［J］.Sensors and Actuators B:Chemical，2012，35(2):301－308.

［7］张军，李小昱，王为，等.电子鼻检测鲢鱼新鲜度的试验参数优化［J］.农业机械学报，2009，40(4):129－132，142.

［8］刘红秀，李洪波，李卫东，等.基于电子鼻的鱼类新鲜度估计研究［J］.中山大学学报(自然科学版)，2010，49(2):28－30，36.

［9］杨华，耿利华.不同贮藏温度下美国红鱼风味的电子鼻检测研究［J］.食品科技，2011，36(4):276－279.

［10］杨毅，周少明，段振华，等.基于电子鼻快速检测罗非鱼新鲜度研究［J］.食品科技，2011，36(8):255－258.

［11］施文正，王锡昌，杨薇，等.基于电子鼻的养殖草鱼不同部位挥发性成分分析［J］.江苏农业科学，2011，39(6):505－507.

［12］李来好，王国超，郝淑娴，等.电子鼻检测冷冻罗非鱼肉的研究［J］.南方水产科学，2012，8(4):1－6.

［13］贾洪锋，范文教，陈云川，等.基于电子鼻的鲢鱼新鲜度评价［J］.2012，33(7):191－194.

［14］GB/T 9695.5—2008，肉与肉制品 pH 测定［S］.2008.

［15］SC/T 3032—2007，水产品中挥发性盐基氮的测定［S］.2007.

［16］惠国华，陈裕泉.随机共振信噪比谱分析方法及其初步应用研究［J］.传感技术学报，2010，23(8):1134－1136.

［17］Hui Guohua，Mi Shanshan，Deng Shaoping.Sweet and Bitter Tastants Specific Detection by the Taste Cell-Based Sensor［J］.Biosensors and Bioelectronics，2012，35(1):429－438.

［18］Hui Guohua，Wu Yuling，Ye Dandan，et al.Study of Peach Freshness Predictive Method Based on Electronic Nose［J］.Food Control，2012，166－167:25－32.

［19］惠国华，陈裕泉.基于碳纳米管微传感器阵列和随机共振的气体检测方法研究［J］.传感技术学报，2010，23(2):179－182.

［20］GB 2733—2005，鲜、冻动物性水产品卫生标准［S］.