基于電子鼻氣味信息和多元統計分析的枸杞子產地溯源研究

田曉靜，龍 鳴，王 俊，馬忠仁，韋真博陳士恩，高丹丹，丁 波

(1.西北民族大學 生命科學與工程學院，甘肅 蘭州 730124；2.浙江大學 生物系統工程與食品科學學院，浙江 杭州 310058)

枸杞子(LyciumbararumL.)，屬茄科(Solanaceae)枸杞屬(Lycium)，多分枝灌木，其栽培品系的干燥成熟果實具有增強免疫力、降血壓、降血脂、抗氧化及抗腫瘤等多方面的藥理作用，是常見的藥食同源品種之一[1-3]。目前，枸杞栽培規模較大的地區有寧夏、甘肅、青海、新疆和內蒙五省[4]。枸杞是西北地區的重要經濟作物，尤其是寧夏中寧的支柱產業[5]。但近年來市場上頻繁出現以次充好的現象，故而應加強品質控制與檢測要求。傳統感官評價寧夏枸杞子品質的結果受個人主觀因素影響，且無法評價內部成分含量，使其應用受限；理化成分分析[6]和指紋圖譜技術在枸杞子產地區分[7-10]、品種鑒別和區分[11]中得到廣泛應用，但存在樣品前處理復雜、檢測周期長等問題，且各成分受外部條件影響而使所測圖譜的可靠性受到影響[12]；可實現無損檢測的光譜技術雖在枸杞子產地溯源[13-21]和品種區分中得到廣泛應用，但為保證樣品均一性和光譜數據的穩定性，須將樣品粉碎過篩[21-23]、粉碎[18-19，23]或壓片處理[24]，難以實現無損檢測。而關于枸杞產地無損鑒別的研究僅有陳曉峰等[25]以枸杞圖像特征進行產地識別。因此，對寧夏枸杞子品質實施快速、無損的判別與預測具有重要的科學意義。

電子鼻技術于20世紀90年代末興起并迅速發展，它利用氣敏傳感器陣列對揮發性氣味物質的響應來識別簡單和復雜氣味信息，實現了氣味的客觀化表達，使氣味成為可以量化的指標，從而輔助專家進行系統化與科學化的氣味監測、鑒別、判斷和分析。以其檢測快速、結果客觀、無需復雜的樣品前處理過程、可分析有毒樣品或成分等優勢，電子鼻技術已在食品、農畜產品品質檢測、環境監測、醫學診斷、爆炸物檢測等領域得到廣泛應用。對枸杞子揮發物組成和含量的研究發現，不同品種、同品種不同產地枸杞子揮發物在組成和含量上存在明顯差別[26-33]，這為電子鼻檢測不同品質、產地的枸杞子奠定了理論基礎。本研究采用單因素試驗研究了頂空體積、樣品質量和頂空生成時間對電子鼻傳感器響應的影響，優化電子鼻檢測枸杞子的條件，探討電子鼻判別枸杞產地的可行性，為枸杞子市場品質監控提供技術依據。

1 材料與方法

1.1 材料與前處理方法

試驗用的枸杞子樣品購自寧夏中寧枸杞市場，來源于甘肅瓜州、青海柴達木和寧夏中寧3個產地。樣品購回后，置于-18 ℃冷凍待用。試驗前，將枸杞子取出恢復室溫后進行電子鼻檢測。樣品詳細信息見表1。

1.2 儀器

試驗采用德國Airsense公司的PEN2型便攜式電子鼻進行檢測。該電子鼻系統由10個金屬氧化物傳感器(表2)、模式識別系統和信號處理系統3部分組成。在采集枸杞子氣味信息時，于室溫條件下(20 ℃)，將一定質量(5～20 g)恢復至室溫的枸杞子置于燒杯內，并以保鮮膜密閉后靜置一定時間(15～60 min)，使頂空氣體達到平衡；在設定載氣(潔凈空氣，200 mL·min-1)流速條件下，由載氣泵將樣品頂空氣體泵入傳感器室，與傳感器接觸后產生響應信號，并由信號采集系統記錄。每采樣一次，采用潔凈氮氣(99.99%)對進樣通道進行清洗，以減少對下一樣品的影響。

表1不同產地枸杞子樣品信息表

Table1Profiles of wolfberry samples

序號No.樣品名Samples粒度Granularity/(seed·50 g-1)百粒重100 seed weight/g等級Grade (Granularity)1甘肅瓜州Gansu Guazhou560±99.07±0.39甲級Grade A (≤580)2青海柴達木Qinghai Chaidamu306±516.27±0.73特級Top grade (≤370)3寧夏中寧1 Ningxia Zhongning1392±312.55±0.45甲級Grade A (≤580)4寧夏中寧2 Ningxia Zhongning2328±215.09±0.78特級Top grade (≤370)5寧夏中寧3 Ningxia Zhongning3663±47.67±0.30乙級Grade B (≤900)

表2PEN2電子鼻傳感器陣列及其性能特點

Table2Sensors used and their main applications in PEN2 electronic nose

傳感器序號Sensor short name傳感器名稱Sensor name性能特點Sensor properties參考物質及檢測限LimitationsS1W1C對芳香成分靈敏Sensitive to aroma componentsToluene, 10 mg·L-1S2W5S對氮氧化物很靈敏Very sensitive to nitrogen oxideNO2, 1 mg·L-1S3W3C對氨水、芳香類化合物靈敏Sensitive to ammonia and aromatic compoundsPropane, 1 mg·L-1S4W6S對氫氣有選擇性Selective to hydrogenH2, 100 μg·L-1S5W5C對烷烴、芳香類化合物及極性小的化合物靈敏Sensitive to alkanes, aromatic compounds and polar compoundsPropane, 1 mg·L-1S6W1S對甲烷靈敏Sensitive to methaneCH3, 100 mg·L-1S7W1W對硫化物、含硫有機化合物靈敏Sensitive to sulfides and sulfur containing organic compoundsH2S, 1 mg·L-1S8W2S對乙醇及部分芳香族化合物靈敏Sensitive to ethanol and some aromatic compoundsCO, 100 mg·L-1S9W2W對芳香族化合物、有機硫化物靈敏Sensitive to aromatic compounds and organic sulfidesH2S, 1 mg·L-1S10W3S對烷烴靈敏Sensitive to alkanesCH3, 100 mg·L-1

1.3 試驗方法

受頂空體積、樣品質量和頂空生成時間等因素的影響，造成的頂空揮發物濃度差異直接影響傳感器響應信號。采用表3中因素水平設計，研究頂空體積、樣品質量和頂空生成時間對電子鼻各傳感器響應信號的影響。在單因素優化試驗條件的基礎上，采用電子鼻檢測不同產地枸杞子氣味信息，并采用多元統計分析進行定性判別和產地的定量預測。

1.4 數據分析方法

采用單因素方差分析(one-way-analysis of variance，one-way-ANOVA)研究各因素對傳感器響應的影響，結合典則判別分析(canonical discriminant analysis，CDA)確定較佳檢測參數。采用主成分分析(principle component analysis，PCA)和典則判別分析對不同產地枸杞子進行定性判別；采用BP神經網絡對枸杞子的產地進行定量預測。方差分析、PCA和CDA分析均由SAS V8完成，BP神經網絡由DPS數據處理系統完成，結果由Origin8.0軟件完成繪圖。

表3單因素試驗因素水平表

Table3Different levels of each factor

因素Factor水平Level1234頂空體積150200250500Headspace volume/mL樣品質量Sample weight/g5101520頂空生成時間15304560Headspace-generated time/min

2 結果與分析

2.1 較佳檢測條件確定

采用單因素試驗，研究樣品質量、頂空生成時間、頂空體積對電子鼻各傳感器響應信號的影響。提取各傳感器第70秒的響應值，采用SAS V8軟件進行單因素方差分析，觀察上述3因素對電子鼻各傳感器響應信號的影響，結果見表4。采用典則判別分析分別對3因素不同水平樣品數據進行分析，以數據點集聚性和對不同組樣品的區分效果為依據，確定較佳檢測參數。

2.1.1 樣品質量的影響

取樣品頂空體積500 mL、頂空生成時間30 min和載氣流速300 mL·min-1，研究樣品質量(5、10、15和20 g)對電子鼻傳感器響應信號的影響。方差分析和典則判別分析結果分別見表4和圖1-a。方差分析結果(表4)表明，樣品質量對傳感器S7響應影響顯著(P<0.05)，對其余9個傳感器響應影響極顯著(P<0.01)；典則判別分析結果中第一成分占81.58%，第二成分占12.31%，總貢獻率為93.89%，能較好地反映原始數據信息。圖1-a中，不同樣品質量數據點彼此有重疊，但規律性分布明顯，即沿第一成分減小的方向，樣品質量逐漸增大。從數據點的聚集性來看，選擇20 g作為較佳樣品質量。

表4單因素方差分析

Table4Results of ANOVA

因素 FactorsS1S2S3S4S5S6S7S8S9S10頂空體積F63.8613.6568.386.872.0462.637.6349.0410.937.57Headspace volumeSig.<0.0001<0.0001<0.00010.0004<0.0001<0.00010.0001<0.0001<0.00010.0001樣品質量F27.9316.3721.588.5424.3413.512.920.3632.658.85Sample weightSig.<0.0001<0.0001<0.0001<0.0001<0.0001<0.00010.0405<0.0001<0.0001<0.0001頂空生成時間F19.382.6218.094.6218.0731.430.3225.322.701.78Headspace-generated timeSig.<0.00010.0571<0.00010.0051<0.0001<0.00010.8120<0.00010.05150.1576

圖1 典則判別分析結果Fig.1 Results of CDA

2.1.2 頂空生成時間的影響

取樣品20 g、樣品頂空體積500 mL和載氣流速300 mL·min-1，研究頂空生成時間(15、30、45和60 min)對電子鼻傳感器響應的影響。方差分析和典則判別分析結果分別見表4和圖1-b。方差分析結果(表4)表明，頂空生成時間對傳感器S2、S7、S9和S10影響不顯著(P>0.05)，對其余6個傳感器響應影響極顯著(P<0.01)。典則判別分析結果中第一成分占67.75%，第二成分占12.91%，總貢獻率為80.66%，基本能反映原始數據信息。圖1-b中，不同頂空生成時間的數據點中，從區分效果上看，15 min的數據能與另3組數據很好地區分；從數據點的聚集性來看，30 min數據點較為集中，且僅有個別數據點與60 min數據有重疊。故選擇30 min作為較佳的樣品頂空生成時間。

2.1.3 頂空體積的影響

取樣品20 g、頂空生成時間30 min和載氣流速300 mL·min-1，研究頂空體積(150、200、250和500 mL)對電子鼻傳感器響應信號的影響。方差分析和典則判別分析結果分別見表4和圖1-c。方差分析結果(表4)表明，頂空體積對各傳感器響應均有極顯著影響(P<0.01)；典則判別分析結果中第一成分占73.07%，第二成分占21.66%，總貢獻率為94.73%，能較好地反映原始數據信息。圖1-c中，不同頂空體積樣品的數據點較為分散；從區分度上看，150 mL和200 mL數據點彼此重疊，且與250 mL數據點有部分重疊，500 mL數據點僅與250 mL數據有個別重疊。采用500 mL頂空體積采樣時，數據點聚集性較佳，選擇頂空體積500 mL為較佳頂空體積。

2.2 傳感器特征響應曲線

在2.1節優化的電子鼻檢測條件下，對3個不同產地5種枸杞子進行檢測。圖2給出了電子鼻傳感器對3個產地枸杞子的特征響應曲線。如圖2所示，橫坐標為檢測時間，縱坐標為傳感器響應信號值。檢測初期，傳感器對枸杞子樣品中的揮發物迅速響應，之后逐漸趨于平衡；3種不同產地枸杞子(瓜州、青海和中寧)達到平衡的時間略有不同，青海枸杞子的響應信號30 s時基本趨于平衡，瓜州枸杞子的響應信號約于40 s時平衡；中寧枸杞子的響應信號最晚達到平衡(60 s左右)；對信號強度，不同產地枸杞子的響應信號有所不同，瓜州>青海>中寧，尤其是傳感器S2、S9，其次為S1、S3、S5，這為基于電子鼻信號的枸杞產地區分奠定基礎。本研究均選取第70秒穩態值作為特征值進行分析。

2.3 定性識別不同產地枸杞子

在上述較佳檢測條件(樣品質量20 g、頂空體積500 mL、頂空生成時間30 min及載氣流速300 mL·min-1)，對瓜州、青海和中寧3個產地的枸杞子進行電子鼻檢測。提取電子鼻傳感器第70秒響應數據，采用SAS軟件進行主成分分析和典則判別分析，結果見圖3。圖3-a給出了PCA分析結果，第一主成分為64.63%，第二主成分為20.39%，第三主成分為9.62%，共解釋了原始變量94.64%的信息。主成分分析可以將3個產地的枸杞子區分開，其中青海枸杞子居于最右側，瓜州枸杞居于中間，3個不同等級的中寧枸杞子居于圖中最左側，不同等級中寧枸杞數據點有較多重疊。圖3-b給出了CDA分析結果，圖中第一成分和第三成分共解釋了原始變量92.36%的信息，對3個產地枸杞子的區分效果更好，且數據點的集聚性和類間距更大，中寧枸杞1基本能與中寧枸杞2、中寧枸杞3區分開，而中寧枸杞2、中寧枸杞3之間重疊較多。結合CDA分析，電子鼻可實現不同產地枸杞子的快速鑒別，而對3種不同等級中寧枸杞的區分效果有待進一步提高。

2.4 定量預測枸杞子產地

為實現枸杞子產地的定量分析，以BP神經網絡建立定量預測模型。設定寧夏枸杞子的真實值為1，青海枸杞子的真實值為2，瓜州枸杞子的真實值為3。設定品種預測結果偏差在±0.1以內，為品種區分的界限，結果見表5。由表5可知，僅有1個未知樣品超出偏差范圍，得到對未知樣本預測的正確識別率為96%。

圖2 不同產地枸杞子的電子鼻特征響應信號Fig.2 Response curves of electronic nose for wolfberry with different geographical origin

圖3 不同產地枸杞子的電子鼻PCA和CDA判別結果Fig.3 PCA and CDA plots of wolfberry with different geographical origin based on E-nose responses

表5BPNN對25個未知產地樣品的預測結果

Table5Prediction results of 25 unknown wolfberry samples by BPNN model

預測樣Unknown wolfberry samples真實值True value預測值Predicted value預測樣Unknown wolfberry samples真實值True value預測值Predicted value111.00221411.0024211.00291511.0049311.01431621.9784411.00041721.9142511.00111821.9199611.00041921.9336711.00292021.9430811.00222132.6786911.02762232.92621011.00422332.99041111.00062432.98931211.00082532.98921311.0043

真實值中：1表示寧夏中寧枸杞子；2表示青海柴達木枸杞子；3表示甘肅瓜州枸杞子。

In the true value， 1 represented the wolfberry from Zhongning Ningxia; 2 represented the wolfberry from Chaidamu Qinghai; 3 represented the wolfberry from Guazhou Gansu.

3 結論

采用基于金屬氧化物傳感器陣列的電子鼻測定不同產地枸杞子，樣品無需前處理，操作簡單；頂空體積、樣品質量和頂空生成時間3個因素對大部分傳感器響應的影響極顯著，1個傳感器影響顯著，4個傳感器影響不顯著；方差分析結合典則判別分析結果獲得載氣流速為300 mL·min-1時的較佳檢測條件為樣品質量20 g、頂空體積500 mL和頂空生成時間30 min。對3個產地的枸杞子電子鼻響應穩態值進行PCA和CDA分析發現3種產地枸杞子樣品點彼此區分，中寧枸杞3批次產品數據的彼此重疊，采用BPNN建立的預測模型能有效預測不同產地枸杞子。電子鼻在無損檢測枸杞子的研究中具有可行性，為監控市售枸杞子品質提供了新的研究思路和有效的監控方法。