電子鼻—主成分分析—線性回歸擬合法檢測江平蝦冷藏過程中的新鮮度

王曉龍　馬華威　譚日健　路燕　顏鋒　陳軍妃　莫乃靜　黃琪喜

摘 要：利用電子鼻-主成分分析-線性回歸擬合模型（electronic nose-principal component analysis-linear regression fitting model，EN-PCA-LRFM）法對江平蝦冷藏過程中的新鮮度進行定性和定量分析。對不同冷藏時間的江平蝦進行EN檢測，記錄對應揮發性成分的響應值，然后利用PCA和LRFM分別進行定性判別和定量分析，構建檢測江平蝦冷藏過程中新鮮度變化的EN-PCA-LRFM法。結果表明：電子鼻的S1、S3、S4、S5、S6傳感器對8 組樣品的響應較好，45～49 s內的平均響應值可作為特征值進行分析；PCA能夠對不同冷藏時間的樣品進行明顯區分，可用于定性分析；LRFM的決定系數為0.884 1，預測值和真實值呈現一定的線性關系，表明該模型具有較好的泛化性。基于EN-PCA-LRFM法定性和定量檢測江平蝦冷藏過程中的新鮮度是可行的。

關鍵詞：江平蝦；電子鼻；主成分分析；線性回歸擬合模型；新鮮度

Abstract： The freshness of Jiangping shrimp stored under refrigeration was qualitatively and quantitatively analyzed by electronic nose-principal component analysis-linear regression fitting model （EN-PCA-LRFM）. Jiangping shrimp with different refrigeration times were detected with an electronic nose， the response values to volatile components were collected for qualitative and quantitative analysis by PCA and LREM， respectively. Lastly， an EN-PCA-LRFM method was presented to evaluate the freshness of refrigerated shrimp as a function of storage time. The results showed that sensor S1， S3， S4， S5 and S6 in the electronic nose gave better response to the samples in eight groups， and the mean response values between 45 and 49 s were selected as eigenvalues. PCA allowed complete discrimination of the samples with different refrigeration times and therefore could be used for qualitative analysis. The correlation coefficient of the developed LREM model was 0.884 1， and there was a linear relationship between the predicted and actual values， which showed that this model had good generality. Therefore， this study demonstrated the viability of using the EN-PCA-LRFM method to qualitatively and quantitatively analyze the freshness of Jiangping shrimp.

Key words： Jiangping shrimp； electronic nose； principal component analysis； linear regression fitting model； freshness

DOI：10.7506/rlyj1001-8123-201706008

中圖分類號：TS254.4 文獻標志碼：A 文章編號：1001-8123（2017）06-0040-05

引文格式：

王曉龍， 馬華威， 譚日健， 等. 電子鼻-主成分分析-線性回歸擬合法檢測江平蝦冷藏過程中的新鮮度[J]. 肉類研究， 2017， 31（6）： 40-44. DOI：10.7506/rlyj1001-8123-201706008. http：//www.rlyj.pub

WANG Xiaolong， MA Huawei， TAN Rijian， et al. Rapid detection of the freshness of Jiangping shrimp by electronic nose， principal component analysis and linear regression fitting model[J]. Meat Research， 2017， 31（6）： 40-44. DOI：10.7506/rlyj1001-8123-201706008. http：//www.rlyj.pub

在蝦類的貯藏和運輸過程中，隨著時間累積，在微生物的作用下，蛋白質、氨基酸及其他含氮物質會被分解為氨[1]、氧化甲胺[2]、吲哚[3]、硫化氫[4]和組胺[5]等揮發性低級產物，導致蝦體產生具有腐敗特征的臭味，顯著降低了蝦類產品的新鮮度和市場價值[6]，造成巨大損失。有研究[6-7]報道，盡管凍藏運輸能使蝦類的保鮮時間較長，但在短途貯運中，凍藏設備的要求、費用及耗能較高。尤其是在我國經濟水平不斷提高、消費者對水產品的需求量與日俱增的情況下，水產品的短途貯藏運輸越來越受重視，因此，構建短途冷藏貯運過程中蝦類等水產品新鮮度的檢測方法對減少運輸成本和保障經濟效益至關重要[7-8]。

目前，檢測蝦類新鮮度的方法主要有色譜法[9]、電泳法[10]、光譜法[11]、杯碟法[12]、聚合酶鏈式反應法[13]、雙模板分子印跡法[14]和酶聯免疫吸附劑測定法[15]等，但這些方法有費時、費用較高、靈敏度低或破壞樣品等不足。電子鼻（electronic nose，EN）技術是一種利用氣體傳感器陣列的響應曲線來識別樣品揮發性成分整體信息的無損分析技術[4]，其操作簡單、快速、準確[5-6]。在蝦類養殖和加工產業中，EN技術主要集中應用于蝦類的產地鑒別、貨架期的判定及蝦類食品的摻假分析等方面[12-13]。同時EN技術可以結合主成分分析（principal component analysis，PCA）法[14]和線性回歸擬合模型（linear regression fitting model，LRFM）對樣品進行定性和定量分析[15]。

廣西北部灣海域具有獨特、優良的蝦類生活環境，該區域內南美白對蝦（Penaeus vannmei）的鮮度和質地較其他區域更好，口味獨特，被冠以“江平蝦”地理品牌，是廣西北部灣欽州、防城港、北海3 市的重要經濟類水產品。2012年，我國南美白對蝦的養殖量占對蝦養殖總量的75.82%，其中廣西地區南美白對蝦的年產量為17.73 萬t，位居全國第二[16]。江平蝦的獨特口感與其在特殊生長環境下自身生成的獨特成分有關，然而隨著貯運時間的增加，其自身形成的揮發性氣味與新鮮樣品和其他蝦類會有顯著區別[17]，這為利用EN技術檢測、判別其短途冷藏貯運過程中的新鮮度提供了基礎。基于電子鼻-主成分分析-線性回歸擬合模型（electronic nose-principal component analysis-linear regression fitting model，EN-PCA-LRFM）法，定性和定量檢測不同冷藏時間江平蝦的新鮮度具有重要的研究意義。本研究以江平蝦為研究對象，利用江平蝦的電子鼻特征反應，結合PCA和LRFM法對其新鮮度進行快速的定性判別和定量分析。

1 材料與方法

1.1 材料與試劑

新鮮江平蝦購于防城港市彩珠水產品市場，運送過程中冷凍保藏。

1.2 儀器與設備

PEN3電子鼻（配備10 個金屬氧化物傳感器陣列） 德國Airsense公司。電子鼻傳感器性能及參數描述：S1傳感器，主要檢測芳香族化合物，參照物質為甲苯，參考量為1×10-5；S2傳感器，主要檢測氮氧化合物，參照物質為NO2，參考量為1×10-6；S3傳感器，主要檢測氨氣以及芳香族化合物，參照物質為苯，參考量為1×10-5；

S4傳感器，主要檢測氫氣，參照物質為H2，參考量為1×10-4；S5傳感器，主要檢測烷烴類化合物、芳香族化合物以及弱極性化合物，參照物質為丙烷，參考量為1×10-6；S6傳感器，響應物質范圍廣，對環境中的甲烷敏感，參照物質為CH4，參考量為1×10-4；S7傳感器，對無機硫化物、很多含硫有機物以及萜烯類、吡嗪類化合物敏感，參照物質為H2S，參考量為1×10-6；S8傳感器，響應物質范圍廣，主要檢測乙醇以及部分芳香族化合物，參照物質為CO，參考量為1×10-4；S9傳感器，主要檢測芳香族化合物以及含硫有機化合物，參照物質為H2S，參考量為1×10-6；S10傳感器，主要檢測濃度較高的物質，對甲烷選擇性較強，參照物質為CH4，參考量為1×10-4。

1.3 方法

1.3.1 樣品處理

將新鮮江平蝦樣品分為8 組，每組500 mg，去殼，取肉磨碎，分別置于冰箱冷藏（0 ℃）靜置0、1、2、3、4、5、5.5、6 d后進行電子鼻檢測，靜置0 d的樣品為對照組。

1.3.2 電子鼻檢測

稱取10 mg待測樣品，移入潔凈玻璃杯中，加入100 mL蒸餾水攪拌均勻。每組樣品設置21 個平行，為了減少誤差，每組樣品測定前在室溫下進行處理。將處理后的樣品放入密閉容器中，40 ℃恒溫水浴加熱10 min后頂空進樣測定。

電子鼻測定參數：樣品準備時間5 s；傳感器清洗時間300 s；傳感器歸零時間10 s；進樣量400 mL/min；分析采樣時間60 s；特征值提取時間55 s。完成1 次檢測后，系統進行清零和標準化，然后進行第2 次頂空采樣。取1～55 s的信號進行分析。

1.4 數據處理

統計分析10 個不同選擇性傳感器的輸出信號值

（G/G0），每個樣品重復測定3 次。采用Matlab R2010a軟件中的穩健馬氏距離異常值檢測方法檢測和剔除異常值[18-19]，然后采用Origin 7.0軟件內置的PCA程序對數據進行分析。

2 結果與分析

2.1 江平蝦肉的電子鼻傳感器信號分析

圖1中的曲線反映了10 個傳感器對氣味的敏感程度。輸出信號G/G0越偏離1表明響應氣體濃度越大，而G/G0接近或等于1表示響應氣體濃度低于檢測限或者沒有響應氣體[13]。由圖1可知，不同傳感器對對照組樣品揮發性成分的響應不同。檢測開始時，S1、S3、S4、S5、S6傳感器的響應值迅速偏離1，而S2、S7、S8、S9、S10傳感器偏離1較緩慢，且19 s以后響應值基本在1左右波動。通過對所有樣品進行分析，發現S1、S3、S4、S5、S6傳感器對江平蝦隨時間累積產生的氣味變化較為敏感，主要是因為這5 個傳感器分別對芳香族化合物、氨氣、氫氣、烷烴類化合物、甲烷等物質敏感，而蝦類豐富的蛋白質、氨基酸及其他含氮物質隨時間累積不斷分解，生成氨、氧化甲胺、吲哚、硫化氫、組胺等揮發性成分，因此電子鼻能較好地反映不同冷藏時間江平蝦新鮮度變化的整體信息。同時，從采集時間上看，這5 個傳感器的輸出信號均從45 s開始趨于平穩，并在49 s后基本達到穩定狀態，因此選取45～49 s內的平均響應值作為特征值進行分析。

2.2 貯藏0 d江平蝦電子鼻信號的異常值檢測

異常值能導致實驗產生非正常結果，甚至導致分析錯誤，因此必須采用可靠、安全的方法對異常值進行檢測和處理。基于最小協方差行列式（minimum covariance determinant，MCD）估計的穩健馬氏距離異常值檢測方法可以正確識別和消除多個異常值的掩蓋作用[19]。

由圖3可知，本研究中對照組樣品的21 個原始數據中共檢出3 個異常值，即7、12、18號樣品的檢測數據，將這些異常值剔除。用同樣方法分別對另外7 組樣品的原始數據進行MCD估計，剔除異常值。本研究共得到168 個原始數據，經基于MCD估計的穩健馬氏距離異常值檢測方法識別和剔除異常值后，共有144 組數據可用于下一步分析。

2.3 江平蝦肉的主成分分析

對剔除異常值后獲得的數據做PCA，結果以橫坐標（PC1）代表第1主成分貢獻率、縱坐標（PC2）代表第2主成分貢獻率的二維散點圖表示。PCA以貢獻率評價信息的多寡，貢獻率越大說明其主要成分的代表性越強[20]。

由圖4可知，第1主成分的貢獻率為86.54%，第2主成分的貢獻率為12.52%，二者之和為99.06%，符合總貢獻率超過85%的要求，PCA方法可用[19]，同時表明這2 個主成分能夠很好地代表被測樣品的主要信息特征。樣品數據分布區域距離較遠且無重疊，說明PCA能夠對不同冷藏時間的樣品進行區分，且區分度明顯。隨著冷藏時間的延長，每個樣品組內的數據比較集中，各樣品組數據之間的距離增大，且呈規律性，說明電子鼻能夠很好地區分不同冷藏時間江平蝦肉的揮發性氣體。

2.4 江平蝦肉新鮮度的定量分析

采用LRFM進行定量分析，以決定系數衡量回歸方程的預測可靠程度或回歸直線的擬合度，該模型的決定系數為0.895 0，表明此回歸方程估測的可靠程度高，基于自變量個數的影響，將決定系數調整為0.884 1。以樣品的傳感器輸出信號值（G/G0）為橫坐標（X）、預測新鮮度為縱坐標（Y）建立的回歸方程為：

Y=-0.069-3.622X1+0.363X2-5.412X3+1.451X4-1.131X5-2.452X6+0.787X7+2.565X8+0.109X9-0.237X10。

由圖5可知，冷藏6 d的樣品預測值小于真實值，冷藏4、5、5.5 d的樣品預測值大于真實值，而其他冷藏時間樣品的預測值和真實值比較接近，說明在一定冷藏時間內電子鼻可以較好地預測江平蝦肉新鮮度的變化。電子鼻對貯藏0、1、2 d樣品的預測結果與真實值最為接近，說明電子鼻能靈敏地反映冷藏時間在2 d內的江平蝦肉的新鮮度變化，即電子鼻檢測江平蝦新鮮度變化的冷藏時間可以精確到2 d。

3 結 論

本研究采用電子鼻對江平蝦樣品的響應值進行測定，并對數據進行分析，利用基于MCD估計的穩健馬氏距離異常值檢測方法識別和剔除原始數據中的異常值，并對剔除異常值后的數據進行PCA分析，并通過LRFM進行定量分析。結論如下：

1）電子鼻的10 個傳感器對江平蝦隨冷藏時間延長產生的不同種類揮發性物質的響應不同，其中，傳感器S1、S3、S4、S5、S6對8 組樣品的響應較好，可以把45～49 s內的平均響應值作為特征值進行分析。因此，用電子鼻檢測不同冷藏時間江平蝦的新鮮度變化也將是電子鼻在蝦類貯運應用中的拓展。

2）異常值的存在影響所建立模型的性能，利用基于MCD估計的穩健馬氏距離異常值檢測方法正確識別和剔除了168 個原始數據中的異常值，獲得144 個數據。

3）PCA定性分析中第1主成分和第2主成分的貢獻率之和為99.06%，符合通常要求的總貢獻率（超過85%），無論從整體上還是從分析特點上來看，PCA能夠對不同冷藏時間的樣品進行區分，且區分度明顯，表明其可以用于不同冷藏時間江平蝦新鮮度變化的定性分析。

4）利用LRFM進行定量分析，考慮到自變量個數和模型可靠性的因素，將模型的決定系數調整為0.884 1，分析結果表明，該模型對電子鼻檢測江平蝦新鮮度變化的冷藏時間可以精確到2 d，從而驗證了EN-PCA方法快速定性判別和定量分析不同冷藏時間江平蝦新鮮度變化的可行性。

5）LRFM存在的主要問題是樣本比較單一，該模型應用于不同冷藏時間江平蝦的新鮮度變化分析時還需開展深入的研究。在實際應用過程中，應該考慮到建立模型的樣本數量應該大大超過實驗的樣本數量、對不同季節、不同大小的樣品應分別建立對應的LRFM，以降低模型的復雜程度和預測風險。

參考文獻：

[1] 鄭斌， 郝云彬， 楊會成， 等. 中華管鞭蝦多酚氧化酶生化特性研究[J]. 浙江海洋學院學報（自然科學版）， 2010， 29（6）： 526-530. DOI：10.3969/j.issn.1008-830X.2010.06.001.

[2] 楊會成， 郝云彬， 鄭斌， 等. 中華管鞭蝦多酚氧化酶的分離制備[J]. 食品科技， 2011， 36（7）： 24-28. DOI：10.13684/j.cnki.spkj.2011.07.038.

[3] 吳亮亮， 楊會成， 廖妙飛， 等. 不同對蝦中多酚氧化酶的提取比較及在蝦體的分布研究[J]. 食品工業科技， 2012， 33（7）： 55-57. DOI：10.13386/j.issn1002-0306.2012.07.008.

[4] 柴春祥， 凌云. 電子鼻檢測蝦新鮮度的研究[J]. 食品科技， 2010， 35（2）： 246-249. DOI：10.13684/j.cnki.spkj.2010.02.070.

[5] 劉紅英. 水產品加工與貯藏[M]. 北京： 化學工業出版社， 2006： 22-23.

[6] 沈月新. 水產食品學[M]. 北京： 中國輕工業出版社， 2001： 81-90.

[7] 杜利農， 柴春祥， 郭美娟. 電子鼻技術判別南美白對蝦鮮度模型的研究[J]. 電子測量技術， 2014， 37（5）： 74-79. DOI：10.3969/j.issn.1002-7300.2014.05.018.

[8] 趙夢醒， 曹榮， 殷邦忠， 等. 電子鼻在對蝦新鮮度評價中的應用[J]. 漁業科學進展， 2011， 32（6）： 57-62. DOI：10.3969/j.issn.1000-7075.2011.06.009.

[9] MISHRA B B， GAUTAM S， SHARMA A， et al. Purification and characterisation of polyphenol oxidase （PPO） from eggplant （Solanum melongena）[J]. Food Chemistry， 2012， 134（4）： 1855-1861. DOI：10.1016/j.foodchem.2012.03.098.

[10] ZAMORANO J， MART?NEZ-?LVARE O， MONTERO P， et al. Characterisation and tissue distribution of polyphenol oxidase of deepwater pink shrimp （Parapenaeus longirostris）[J]. Food Chemistry， 2009， 112（1）： 104-111. DOI：10.1016/j.foodchem.2008.05.061.

[11] WANG Xianhua， FANG Qiuxue， LIU Shipeng， et al. The application of pseudo template molecularly imprinted polymer to the solid-phase extraction of cyromazine and its metabolic melamine from egg and milk[J]. Journal of Separation Science， 2012， 35（12）： 1432-1438. DOI：10.1002/jssc.201200096.

[12] BALASUBRAMANIAN S， PANIGRAHI S， LOGUE C M， et al. Independent component analysis-processed electronic nose data for predicting Salmonella typhimurium populations in contaminated beef[J]. Food Control， 2008， 19（3）： 236-246. DOI：10.1016/j.foodcont.2007.03.007.

[13] PILLONEL L， AMPUERO S， TABACCHI R， et al. Analytical methods for the determination of the geographic origin of emmental cheese： volatile compounds by GC/MS-FID and electronic nose[J]. European Food Research and Technology， 2003， 216（2）： 179-183. DOI：10.1007/s00217-002-0548-4.

[14] PERIS M， ESCUDER G L. A 21st century technique for food control： electronic noses[J]. Analytica Chimica Acta， 2009， 638（1）： 1-15. DOI：10.1016/j.aca.2009.02.009.

[15] ZHANG L， TIAN F C， KADRI C， et al. On-line sensor calibration transfer among electronic nose instruments for monitoring volatile organic chemicals in indoor air quality[J]. Sensors and Actuators B： Chemical， 2011， 160（1）： 899-909. DOI：10.1016/j.snb.2011.08.079.

[16] 康寶超. 南美白對蝦養殖效益和社會經濟學分析[D]. 南京： 南京農業大學， 2014： 18-19.

[17] 韓麗， 趙勇， 朱麗敏， 等. 不同保藏方式南美白對蝦的電子鼻分析[J]. 食品工業科技， 2008， 29（11）： 240-243. DOI：10.13386/j.issn1002-0306.2008.11.047.

[18] VERBOVEN S， HUBERT M. Libraibra： a MATLAB library for robust analysis[J]. Chemometrics and Intelligent Laboratory Systems， 2005， 75（2）： 127-136. DOI： 10.1016/j.chemolab.2004.06.003.

[19] 馬利杰， 劉占東， 楊春杰， 等. 電子鼻對原料羊乳中摻假過期復原乳的檢測[J]. 乳業科學與技術， 2014， 37（5）： 17-20.

[20] 李靖， 王成濤， 劉國榮， 等. 電子鼻快速檢測煎炸油品質[J]. 食品科學， 2013， 34（8）： 236-239.