草莓(Fragaria ananassa)主要分布于亚洲、欧洲和美洲, 其生产量在世界小浆果中居于首位。中国草莓产业的发展已有近30年的历史^[1], 据世界粮农组织(FAO)综合统计数据显示, 我国2016年草莓的产量为380多万吨, 占世界总产量的41.7%, 已成为草莓的生产大国。

草莓果实极为娇嫰, 易受到机械损伤, 从而引起果肉组织的软化, 损伤部位发生组织褐变, 加速果实的衰老等^[2]; 并且, 果实表面的损伤处又极易被灰霉等病原菌感染从而导致腐烂。因此, 在早期挑选出受机械损伤的果实, 防止贮藏后期产生较为严重的经济损失尤为重要。目前草莓果实的挑选主要依赖于人工分选, 但肉眼往往难以分辨轻微损伤的果实, 且费时费力。

国内外主要利用高光谱和近红外等技术对损伤果实进行识别^[3-6], 其判别效果较好, 然而这些设备通常大型、昂贵, 且果实在实际运输过程中造成的损伤部位并不一致, 给视觉成像技术带来一定的困难。电子鼻技术具有响应时间短、重复性好、操作简单等特点, 可利用采集到的气味指纹图谱对未知样品进行识别。目前电子鼻技术已被成功地应用于水果的损伤区分。Natale等^[7]的研究发现完好苹果的挥发性气味与表皮划伤的苹果有明显的差异; 朱娜等^[8]研究表明电子鼻技术能将瘀伤的桃果实与完好的果实区分开。但利用电子鼻系统识别机械损伤的草莓还未见报道。国际上已有许多商业化的电子鼻, 但这些电子鼻的应用范围广泛, 缺乏针对性, 往往出现数据冗余; 且所用分析软件较为单一, 没有针对性的判别模型; 此外, 商业化电子鼻的价格也比较昂贵。因此, 本研究旨在设计并开发一款便携式草莓检测专用电子鼻系统, 以期通过草莓挥发性成分的变化判别出机械损伤的草莓, 实现草莓损伤的快速判别。

由于传感器对敏感气体具有高度的灵敏性, 易受到外界气体的干扰而影响检测的结果, 因此系统搭建所用的材料需采用无挥发性气味的材质, 密闭气室须有严格的气密性; 草莓果实极易腐烂, 一旦损伤会加速其腐败, 因此在检测时要达到快速、无损的目的, 单个果实的检测时间应控制在2 min内; 草莓在采摘、运输、贮藏等流通过程中均会受到损伤, 且草莓消费场所多在水果店、超市, 因此电子鼻系统的设计需满足小型化, 低成本, 简易便携的要求, 可实现在任意场地进行检测。此外, 为实现高效识别, 系统的判别准确率须达到90%以上。基于以上需求设计出专用的电子鼻系统。该系统主要由软件及硬件两部分构成。电子鼻系统的结构图如图 1所示。其工作流程为:静态采集样品顶部空间的气体, 敏感气体分子与传感器阵列接触产生电信号, 通过数据采集系统中的模数转换模块将传感器的电信号转换为电压数值作为传感器的响应值, 并输送给PC端, 通过软件实现数据动态显示和存储。最后由模式判别模块给出最后的判别结果。

	图 1 电子鼻系统结构图 Figure 1 Frame diagram of electronic nose system
图选项

基于本课题组先前的研究基础及相关文献^[9-10], 选择性地选取6个金属氧化物半导体(MOS)传感器。各传感器的具体说明见表 1。

MOS传感器具有灵敏度高、使用寿命长、体积小、成本低、功耗低等优势, 是目前使用最为广泛的一类传感器。6个MOS传感器集中排列在气室顶部中间位置。传感器对称分布, 排列成2行(图 1), 使各传感器能同时、充分地接触到被测气体。

为在进出气口的位置尽量不留下难以清洗的死角, 同时为保证单个草莓挥发出的气味能在短时间内达到平衡且与传感器阵列充分接触, 并有效避免被测气体在密闭气室内浓度降低, 密闭气室的尺寸不宜过大, 因此设计成高为12 cm、直径为10 cm的圆柱体。其材料采用吸附性小、无挥发性气味、对测试气体不敏感的铝合金材质。气室与传感器阵列一体化的设计满足了系统小型化的需求, 且气室的气密性良好。

6个MOS传感器组成的阵列并联接入电路。由于MOS传感器的工作环境为200~300 ℃的高温条件, 因此每个传感器自带有1个加热电阻R_H。为使被测气体浓度范围在传感器的最佳变化值内, 每个传感器串联1个负载电阻R_L, 构成分压式的检测电路。工作电源选用5 V直流电压, 为传感器阵列供电。

模数转换模块(ADC)采用8通道的数据采集卡(武汉亚为电子科技有限公司)。该芯片的分辨率为12位, 采样频率为100 kHz, 传输速率为100 kb·s^-1, 是一款高精度低功耗的芯片, 能够满足电子鼻系统的需求。模数转换模块以I/O接口形式实现8路并行通信, 将传感器电压的模拟信号转换为数字信号。

考虑系统的简便小型化需求, 采用洁净的空气作为清洗气体冲洗传感器及气室。因MOS传感器的响应易受湿度的影响, 选用活性炭作为空气净化装置的吸附剂以滤去水蒸气, 并吸附空气中二氧化碳、挥发性硫氧化物等干扰气体, 以降低周围环境带来的干扰。在检测完成后, 在微型气泵的带动下通入洁净的空气, 清洗残留的被测气体。

数据采集控制模块是基于C#语言开发的, 其开发平台为Visual Studio 2013, 软件的运行流程图如图 2所示。该控制软件具有上位机与下位机的实时通讯及数据传输的功能, 并能实现实时数据的动态显示和存储。

	图 2 软件运行流程图 Figure 2 The flow chart of software operation
图选项

软件界面主要包括打开设备、开始数据采集、停止采集、退出界面和数据存储5个功能按键(图 3)。当软件打开后, 软件先进行串口的连接, 实现与ADC模块的通讯。若无法搜索到可用串口, 软件会有提示。当串口连接正常后, 可进行数据采集。数据的采集频率为每秒采集1个数据点。按下开始采集按钮, 控制软件则开始将数据传输至PC端, 并实现实时数据的绘制。当按下停止采集, 数据停止传输及绘制。检测完成后, 点击数据保存按键, 检测数据将存储于计算机中。

	图 3 电子鼻系统软件界面 Figure 3 The software interface of electronic nose system
图选项

数据分析及模式判别模块使用C#语言进行编写, 包括原始数据的预处理、特征参数的提取及模式判别算法。

电子鼻系统采集到的数据较多, 会造成“数据冗余”、运算时间长及计算精度差等问题。特征提取是将原始数据重新进行转换或组合, 得到一个能代表原始特征的新的数据矩阵, 从而有效提高数据判别的准确度和可靠性。本分析软件提取传感器第60秒的稳态响应值作为特征参数进行后续的建模。模式判别算法采用支持向量机(SVM)判别方法对机械损伤的草莓进行识别。

以九成熟的‘红颜’草莓作为研究对象, 于2017年4月15日采摘于南京锁石村生态园, 采摘后立即运回实验室。挑选无机械损伤、无病害、色泽均匀、单果质量为(20±2)g的草莓进行试验。

取120颗草莓果实均分成损伤组(B)与对照组(CK)两组, 每组各60颗。其中损伤组果实单层放置于聚乙烯塑料盒中, 在垂直振动试验台(上海一华仪器设备有限公司)上进行振动模拟。参数为:振动频率10 Hz, 振幅5 mm, 加速度为2.45 m·s^-2, 持续振动1 h。对照组样本不进行任何处理。草莓损伤程度参考陈萃仁等^[11]的方法, 根据草莓损伤面积占整个草莓面积的比例划分为微伤(≤10%)、轻伤(10%~30%)、中伤(30%~50%)和重伤(>50%)4个损伤等级, 用损伤指数(EBI)表示损伤程度。

式中:N₁、N₂、N₃、N₄分别表示微伤、轻伤、中伤、重伤的草莓数; 0.1、0.4、0.7、1.0分别为相应损伤等级的损伤系数; N表示草莓的总数。

依照上述公式, 计算出草莓的EBI为12.33%。振动结束后将损伤组及对照组果实均置于温度20 ℃、相对湿度80%的恒温恒湿箱中贮藏6 h后, 对果实样本进行电子鼻测试分析。

在试验前传感器需进行预热, 并通入洁净的空气使其基线达到平稳状态, 其时间一般为15~20 min。基于预试验确定试验条件如下:将单个草莓置于250 mL的洁净烧杯中, 用锡箔纸密封后, 置于室温(25 ℃)下顶空5 min, 使草莓气味充分散发出后将烧杯迅速置于密闭气室中。气室中的传感器阵列与顶空成分中的气敏分子发生作用引起传感器的响应, 当响应曲线趋于平稳时结束检测, 时间为60 s。最后再通入洁净的空气进行洗气, 洗气时间为120 s, 气体流速为500 mL·min^-1。

提取电子鼻数据响应曲线上第60秒的响应值作为特征值。每组随机取40个, 两组共80个样本作为建模集, 每组剩余20个, 两组共40个样本作为验证集。利用Matlab R2010b的LibSVM工具箱^[12]对其进行建模。

由图 4可知:每条曲线大致可分为3段。第1阶段是初始阶段, 此时传感器表面还未与挥发性气体接触, 为初始基线; 第2阶段为响应阶段, 即敏感气体与传感器接触引起信号值的快速响应; 第3阶段为平稳阶段, 响应值最终达到一个稳定状态。检测时间达60 s时, 各传感器的响应值基本平稳。其中传感器S5(对有机挥发性物质敏感)、S4(对酮、醛等挥发性物质敏感)、S6(对硫化氢敏感)和S2(对乙醇敏感)均有较大的响应变化。

	图 4 传感器阵列对草莓挥发性气味的响应曲线 Figure 4 Response curve of sensor array to strawberry flavor S1~S6同表 1。下同。V/V0:传感器检测样气时的电压值与在标准空气下的电压值的比值。 S1-S6 are the same as in Table 1. The same as follows. V/V0:The ratio of sensor voltage during detection of sample gas and standard gas.
图选项

由图 5可以看出:除传感器S1(对甲烷敏感)外, 其余传感器对两组草莓气味的响应程度均有所不同, 表明损伤组草莓的气味与正常组存在明显的差异。其中, 响应值变化较大的传感器依次是S2、S5、S4、S6。与正常组草莓的响应值相比, 损伤组草莓的S2、S5、S4和S6的响应值分别提高了17.5%、14.4%、13.8%和12.2%。因此, 利用自行研发的这款电子鼻对损伤草莓的判定具有可行性。

	图 5 损伤组和正常组草莓的气味指纹图谱 Figure 5 Fingerprint of volatiles for strawberry of bruise group and control group
图选项

用SVM模型对损伤组与正常组草莓进行判别分析。以各传感器提取到的特征值作为模型的自变量x, 是否损伤作为模型的因变量y构建模型。模型采用径向基核函数作为核心函数, 判别结果(表 2)显示, 模型所用支持向量数为28, 数量远小于训练集的样本量, 表明所建模型未过拟合, 其平均准确率达93.8%。

将模型验证组果实的传感器特征值带入所建模型, 结果显示, 损伤组果实有1个被误判成正常果实, 而正常组果实有2个被误判为损伤果实, 其平均准确率可达到92.5%, 表明电子鼻系统结合所建模型能够较好地实现对损伤草莓的正确识别。

草莓是浆果类果实, 无外皮保护作用, 在运输时极易因振动、撞击而受到损伤, 造成较为严重的经济损失。早期已有相关文献报道了振动强度、包装材料、包装方式及成熟度等因素对草莓果实损伤所造成的影响^[11], 关于草莓防损伤的运输包装方案也有研究报道^[13-14]。然而, 这些研究仅在一定程度上减轻了草莓在运输中受到的机械损伤, 并不能完全避免损伤的发生。损伤果实一旦进入贮藏阶段易被微生物感染而产生霉变, 同时霉变草莓又感染周边正常的草莓, 造成果实大面积的腐败变质。因此, 挑选出损伤草莓尤为重要。

本研究以先前的研究为基础, 自行设计并研发了一款专用的电子鼻系统。通过对传感器响应信号的分析可知损伤草莓的挥发性气味与正常草莓存在差异。Myung等^[15]研究发现草莓损伤后10 min, 其脂氧合酶(LOX)和氢过氧化物裂合酶(HPL)的活性明显提高。LOX和HPL是脂氧合酶代谢途径的2种关键酶, 前者将亚油酸、亚麻酸等脂肪酸氧化形成过氧羟基脂肪酸, 后者进一步裂解形成挥发性C₆化合物, 用于酯类物质的合成^[16-17]。酯类是草莓最主要的挥发性气味, 最高约占总挥发性物质的90%^[18]。这也解释了损伤草莓的气味较正常草莓更为浓郁的原因, 使传感器S4、S5的响应值明显增大。此外, 草莓损伤后会加速草莓的变质腐烂, 形成并释放乙醇及硫化物等挥发性物质, 从而引起传感器S2和S6响应值的升高。吴文娟^[19]根据研发的电子鼻系统判断贮藏草莓的品质状态, 其结果表明所用的乙醇型及硫化氢型传感器对判别具有较好的作用, 本试验结果与之较为一致。因此, 通过气味的变化对草莓进行损伤判别是可行的。此外, 验证性试验表明所建SVM模型具有良好的适用性, 可以准确识别出损伤的果实, 准确率可达92.5%。本试验研究对象为九成熟的‘红颜’草莓, 考虑到品种差异, 后续仍会针对不同品种的草莓进行研究, 并通过对软件部分中判别模型的优化, 使模型在不同品种草莓的损伤判别应用上更具普适性。