電子鼻在食品微生物污染快速檢測中的應(yīng)用

蔣雪松,陳卉卉,胡立挺,王維琴,許林云

(1.寧波海通食品科技有限公司,浙江慈溪 315300;2.南京林業(yè)大學(xué)機械電子工程學(xué)院,江蘇南京 210037)

電子鼻在食品微生物污染快速檢測中的應(yīng)用

蔣雪松1,2,陳卉卉1,胡立挺1,王維琴1,許林云2

(1.寧波海通食品科技有限公司,浙江慈溪 315300;2.南京林業(yè)大學(xué)機械電子工程學(xué)院,江蘇南京 210037)

世界上大部分的消費食品都受到微生物污染的影響。常用的微生物檢測和鑒別方法存在一些缺點,不適用于食品的快速篩查。近年來,電子鼻為包括微生物污染診斷在內(nèi)的食品品質(zhì)與安全分析提供了有價值的分析手段。本文介紹了電子鼻的三個組成部分(氣體采樣單元、氣敏傳感器陣列、信號處理與模式識別系統(tǒng)),綜述了電子鼻對食品中常見的細菌、霉菌、酵母和毒素等四種微生物污染類型的檢測,最后對電子鼻的發(fā)展趨勢和前景進行了展望。

電子鼻,食品微生物,細菌,霉菌,有機揮發(fā)物

食品微生物是與食品有關(guān)的微生物的總稱,包括生產(chǎn)型食品微生物(食品發(fā)酵微生物)、食品腐敗微生物和食源性病原微生物。微生物污染是影響食品衛(wèi)生和安全的重要因素之一,不僅改變了食材的口感和味道,而且往往會對消費者的健康產(chǎn)生危害。微生物的檢測通常包括傳統(tǒng)的平板計數(shù)法、理化方法(氣相液相色譜、質(zhì)譜、光譜技術(shù))和聚合酶鏈反應(yīng)法。這些方法盡管有效、準確,但也存在著儀器費用高、分析時間長、低樣本量、需要專門的技術(shù)人員等缺點。因此需要一種快速、可靠而且操作簡單的分析方法來保障消費者安全。近年來,電子鼻技術(shù)作為一種新穎的檢測復(fù)雜氣味的儀器,具有檢測速度快、靈敏度高、操作簡單等特點,在微生物檢測方面受到廣泛關(guān)注。它主要是通過對食品儲藏過程中微生物代謝產(chǎn)生的揮發(fā)性有機物質(zhì)(VOC)的分析,達到分析檢測的目的。

1 電子鼻技術(shù)概述

1964年,Wilkens和Hatman利用氣體在電極上的氧化還原反應(yīng)對嗅覺過程進行了電子模擬,這是關(guān)于電子鼻的最早報道。電子鼻技術(shù)也被稱為智能仿生嗅覺系統(tǒng),它是通過模擬生物嗅覺功能來實現(xiàn)對檢測對象的評價,在過去的20年中發(fā)展很快。其應(yīng)用涉及環(huán)境監(jiān)測[1-2]、醫(yī)療健康[3-5]、食品檢測[6-7]等。

1.1 電子鼻的原理和組成部件

圖1 電子鼻的系統(tǒng)示意圖Fig.1 Schematic diagram of electronic nose

表1 電子鼻氣體采樣方法的原理及特點

電子鼻模擬了哺乳動物的嗅覺器官,利用傳感器陣列結(jié)合數(shù)據(jù)處理分析系統(tǒng)對氣味進行感知、分析和判斷。電子鼻的最早報道始于上世紀60年代并發(fā)展于80年代,而到了90年代才開始出現(xiàn)了商品化的儀器。如圖1所示,它主要由氣體采樣單元、氣敏傳感器陣列、信號預(yù)處理與模式識別系統(tǒng)等幾部分組成。

電子鼻檢測的對象是VOC,而樣品采集單元主要是負責(zé)VOC檢測前從非揮發(fā)性基質(zhì)(檢測樣品)中的分離或濃縮。氣體采樣的方法主要有開放式直接進樣、靜態(tài)頂空進樣、動態(tài)頂空進樣和吸附濃縮進樣等。其中吸附濃縮進樣包括熱解析濃縮、固相微萃取(SPME)、吹掃捕集等。在實際應(yīng)用中,要根據(jù)不同的要求及分析對象來進行選擇。電子鼻氣體采樣方法的原理及特點如表1所示。

氣敏傳感器陣列是電子鼻的核心部件,由低選擇性的、對多種氣味敏感的多種調(diào)諧(非特異性)傳感器組成。一種氣味刺激只會在傳感器陣列中產(chǎn)生一種特征指紋,每種傳感器對被測氣體的氣體成分有不同的靈敏度。電子鼻常用的氣敏傳感器的種類可分為金屬氧化半導(dǎo)體(MOS)、導(dǎo)電聚合物(CP)、石英晶體微天平(QCM)、聲表面波(BAW)、金屬氧化半導(dǎo)體場效應(yīng)管型(MOSFET)和光纖型等。

1.2 電子鼻的數(shù)據(jù)處理方法

電子鼻的檢測數(shù)據(jù)一般要通過多變量統(tǒng)計與化學(xué)計量學(xué)方法進行處理?；瘜W(xué)計量學(xué)是瑞典科學(xué)家沃爾德在1971年首先提出,是數(shù)學(xué)、化學(xué)、統(tǒng)計學(xué)與計算機科學(xué)的結(jié)合,在實驗設(shè)計、數(shù)據(jù)處理、信號解析、化學(xué)分類的決策及預(yù)報方面有著重要的作用。電子鼻常用的化學(xué)計量學(xué)方法包括主成分分析(PCA)、判別因子分析(DFA)、線性判別分析(LDA)、二次判別分析(QDA)、最小線性回歸分析(PLS)、人工神經(jīng)網(wǎng)絡(luò)分析(ANN)等。PCA是利用降維的思想,對原始的多指標信息進行數(shù)據(jù)轉(zhuǎn)換,并對降維后的特征向量進行線性分類,用代表性的較少變量去解釋樣品的原始信息[8]。DFA在充分保存現(xiàn)有信息的前提下,使不同組間的重心距離最大的同時,使同類數(shù)據(jù)間的差異性盡量縮小[9]。LDA將樣品信號數(shù)據(jù)通過運算法則投影到某一方向,可以使投影后模式樣本的類間散布矩陣最大,而組內(nèi)數(shù)據(jù)聚集,注重響應(yīng)值的空間分布狀態(tài)及彼此間的投影距離[10]。QDA是另外一種線性判別分析算法,當(dāng)不同分類樣本的協(xié)方差矩陣相同時,使用LDA;當(dāng)不同分類樣本的協(xié)方差矩陣不同時,則應(yīng)該使用QDA。PLS目的是建立一個可以用來預(yù)測未知樣本的定量信息曲線。ANN具有強大的信息存儲能力,能實現(xiàn)復(fù)雜的非線性映射,具有較強的自適應(yīng)性、自組織性和容納性,從而準確地建立模型[11]。

1.3 電子鼻的商業(yè)化產(chǎn)品

在國外電子鼻已經(jīng)實現(xiàn)了商業(yè)化,在國內(nèi)不少研究機構(gòu)也自制了樣機。目前,比較成熟的電子鼻系統(tǒng)有:法國Alpha MOS公司的FOX4000、美國Sensigent公司的Cyranose 320、德國Airsense公司的PEN3等,報價一般在幾萬至幾十萬美元不等。表2列出了幾種商業(yè)化的電子鼻。

表2 幾種商品化的電子鼻

2 電子鼻技術(shù)在食品微生物污染檢測中的應(yīng)用現(xiàn)狀

食品微生物污染是指食品及原料在加工、運輸、儲藏、銷售過程中被微生物及其毒素的污染。與食品衛(wèi)生和安全密切相關(guān)的微生物包括腐敗微生物和病原微生物,主要涉及細菌、酵母菌、霉菌及相關(guān)的微生物毒素。

2.1 細菌

細菌是污染食品和引起食品腐敗變質(zhì)的主要微生物類群。菌落總數(shù)和大腸菌群是評價食品衛(wèi)生質(zhì)量的重要指標。戴娟[12]等利用電子鼻對不同貯藏溫度和時間的蝦醬進行檢測。研究發(fā)現(xiàn),貯藏溫度和時間的變化對蝦醬罐頭菌落總數(shù)和揮發(fā)性物質(zhì)的影響較大,蝦醬內(nèi)部揮發(fā)性成分的種類和含量隨之發(fā)生顯著變化?？梢岳秒娮颖强焖賲^(qū)分不同貯藏條件下蝦醬揮發(fā)性成分的差異,建立菌落總數(shù)與揮發(fā)性物質(zhì)變化的關(guān)聯(lián)性。

王丹鳳[13]利用電子鼻技術(shù)檢測豬肉在4 ℃和20 ℃保存不同天數(shù)的揮發(fā)性成分,同步進行細菌總數(shù)的測定,通過PLS預(yù)測了電子鼻輸出信號與微生物數(shù)量之間的對應(yīng)關(guān)系,線性關(guān)系較好。惠國華[14]用電子鼻系統(tǒng)結(jié)合PCA檢測了不同儲存過程時間的香蕉品種,同時研究了其微生物指標(包括細菌總數(shù)和霉菌數(shù))與電子鼻響應(yīng)之間的相關(guān)關(guān)系,發(fā)現(xiàn)樣品中的第一主成分下降可能與微生物繁殖有關(guān)。

腸桿菌科細菌屬于革蘭氏陰性無芽孢桿菌,容易進入食物鏈引發(fā)食品安全問題,在易腐爛食品和加工食品中需要特別的重視。Gobbi[15]等人用電子鼻對蔬菜湯中感染的霍氏腸桿菌和大腸埃希氏菌進行了早期監(jiān)測。研究表明,兩種腸桿菌在分別接種21 h和18 h后,能實現(xiàn)顯著判別。在24 h后,其電子鼻檢測閾值分別為8 cells/100 mL和3 cells/100 mL,兩種不同的腸桿菌的LDA區(qū)分準確率可達98%。在長達14個月的時間內(nèi),電子鼻仍保持著良好的重復(fù)性和可靠性。

Abdallah[16]等采用Cyranose 320電子鼻檢測了牛肉和香腸樣本中的幾種食源性細菌(大腸桿菌、鼠傷寒沙門氏桿菌、金黃色葡萄球菌和綠膿桿菌)。結(jié)果顯示,電子鼻能對不同樣品中的總菌落數(shù)進行測量,并且能對50～350 ppb濃度范圍內(nèi)的揮發(fā)性有機化合物進行定量,四種細菌侵染樣本前后的氣體濃度與單種細菌高度相關(guān)(p<0.005)。陳麗萍等[17]利用PEN3型電子鼻傳感器分析了金黃色葡萄球菌、大腸桿菌、糞鏈球菌、單增李斯特菌4種食源性致病菌產(chǎn)生的揮發(fā)性代謝產(chǎn)物,用PCA和LDA方法實現(xiàn)了4種致病菌株在較低濃度下的區(qū)分。

2.2 霉菌

霉菌在自然界分布很廣,同時由于其可形成各種微小的孢子,因而很容易污染食品。為了實現(xiàn)電子鼻對草莓貯藏期常見霉菌感染的早期檢測,朱娜[18]等采用電子鼻獲取3種霉菌侵染的草莓果實的氣味響應(yīng)值,利用PCA確定基于電子鼻識別草莓感染病原菌的種類,并利用Fisher判別建立了基于氣味的草莓果實病害的回歸函數(shù)并進行驗證,總體準確率達95%以上,他們通過載荷分析及氣質(zhì)聯(lián)用進一步確定了感染霉菌后產(chǎn)生的揮發(fā)性氣體成分,為草莓采后病原微生物的感染的無損快速檢測提供了參考。

張紅梅[19]對電子鼻傳感器陣列數(shù)據(jù)的BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練,建立霉變玉米菌落總數(shù)的預(yù)測模型，訓(xùn)練級和測試集,預(yù)測值和測試值的相關(guān)系數(shù)分別為0.97和0.93。黃星奕[20]等使用自主研制的電子鼻系統(tǒng),研究了煙絲霉變的無損檢測新方法。針對非霉變、輕微霉變、中等霉變、嚴重霉變的四種樣本,通過PCA方法進行特征參數(shù)的處理,結(jié)果顯示,不同霉變程度的煙絲樣本間揮發(fā)出的氣味指紋信息存在一定的差異。他們進一步采用BP神經(jīng)網(wǎng)絡(luò)表征傳感器的響應(yīng)值與所測氣味成分之間的映射關(guān)系,對霉變的識別正確率達到90%,表明電子鼻技術(shù)可客觀、可靠的控制煙絲質(zhì)量。

鄭飛翔[21]建立了一種電子鼻系統(tǒng)分析黃豆與白蕓豆霉變狀態(tài)。依據(jù)豆類霉變的特征氣體,用電子鼻檢測不同霉變程度的豆類樣品,采取PCA法分析電子鼻檢測數(shù)據(jù),并采用隨機共振方法提取樣品的霉變特征,經(jīng)非線性擬合,構(gòu)建黃豆和白蕓豆霉變的預(yù)測模型,實現(xiàn)了兩種豆類樣品霉變狀態(tài)的快速表征。

指狀青霉菌會引起柑橘類水果在儲藏過程中的病變。Pallottino[22]等采用電子鼻結(jié)合多元分類技術(shù)、偏最小二乘法判別分析(PLS-DA)檢測了受到指狀青霉菌低水平感染的柑橘,正確分辨率達到100%。

電子鼻信號不同特征組合的表征對霉變玉米鑒別結(jié)果的影響較大。殷勇[23]等研究了積分值、平均微分值、相對穩(wěn)態(tài)平均值的不同特征組合來構(gòu)建電子鼻響應(yīng)信息的表征模式。結(jié)果表明,基于多特征融合模式的電子鼻對于檢測玉米霉變的檢測優(yōu)于單特征性和兩兩特征組合,判別正確率在96%以上。

2.3 酵母菌

表3 電子鼻在各種食品基質(zhì)中的微生物污染物檢測

一些酵母菌可以在含高濃度糖的基質(zhì)上生長繁殖、造成食品污染。魯氏接合酵母屬真菌類生物,活力較強,耐高滲透壓,是高糖食品及飲料的重要污染來源[24]。為了對蘋果汁中魯氏接合酵母早期污染進行識別,王虎玄[25]等利用LDA研究了電子鼻對不同污染時間蘋果汁的區(qū)分能力,發(fā)現(xiàn)能夠識別酵母菌濃度小于200 CFU/mL(污染12 h)的蘋果汁。他們還利用載荷分析方法研究了各傳感器在電子鼻早期識別魯氏接合酵母污染的貢獻。為了進行定量檢測,采用偏PLS方法對數(shù)據(jù)進行擬合,表明蘋果汁中酵母濃度與電子鼻響應(yīng)信號之間具有良好的線性關(guān)系。

Concina[26]用三種細菌和三種真菌接種在去皮西紅柿上,用含有六個薄膜傳感器的電子鼻進行微生物早期的監(jiān)測。當(dāng)微生物變質(zhì)產(chǎn)生的化學(xué)氣體和傳感器起作用時,傳感器表面發(fā)生氧化還原反應(yīng)引起薄膜的電導(dǎo)率發(fā)生變化。他們用PCA進行多維數(shù)據(jù)的可視化和特征提取,用K最近鄰(KNN)算法進行分類。研究發(fā)現(xiàn),對于特定的污染物,如大腸桿菌和酵母菌,可以在接種后的48 h后識別出來,而其他幾種微生物(炭黑曲霉、陰溝腸桿、植物乳桿菌和軟毛青霉菌)因為較低的代謝速率,需要在接種1周后才能測出。

2.4 微生物毒素

微生物毒素是微生物的次級代謝產(chǎn)物,在較低劑量時即對其他生物產(chǎn)生毒性,主要包括霉菌毒素、細菌毒素和藻類毒素等。

脫氧雪腐鐮刀菌烯醇(DON)是由鐮刀菌產(chǎn)生的,是谷物中最常見的一類污染性霉菌毒素。Lippolis[27]等用電子鼻對硬質(zhì)小麥中的DON進行快速檢測,通過DFA進行建模,校正集對受到自然污染的完整籽粒和麥粉的平均識別率分別達到69.3%和86.7%,麥粉驗證集的平均識別率為82.1,剔除異常樣本后可達到90.1%,錯判率為4%。黃曲霉毒素在霉菌毒素中毒性最大,對人類健康危害極為突出。有學(xué)者利用電子鼻對谷物中的黃曲霉毒素進行了成功的分析[28]。食品中常見的細菌毒素有金黃色葡萄球菌腸毒素、肉毒毒素和大腸桿菌腸毒素等,電子鼻也可以對其進行分析[29]。

綜上,電子鼻可以廣泛用于不同食品基質(zhì)中的微生物污染物的檢測,包括加工食品-半成品和未加工食品等。電子鼻用于部分食品基質(zhì)的檢測應(yīng)用見表3。

3 結(jié)論與展望

與傳統(tǒng)的分析技術(shù)相比,電子鼻有著快速、實時、無損、便捷的優(yōu)點。目前的電子鼻技術(shù)研究雖然取得了較大的進展,但仍然存在一些問題,主要表現(xiàn)在:作為電子鼻核心部件的氣體傳感器在靈敏度、穩(wěn)定性、可靠性和魯棒性方面有待提高。例如,如果其中的傳感器一旦損壞,就很難找到一個完全相同的傳感器去替換,而且會影響到已有的數(shù)據(jù)庫的精確性;雖然經(jīng)過訓(xùn)練的電子鼻最快可以在幾秒鐘內(nèi)即可得出檢測結(jié)果,但電子鼻的訓(xùn)練過程時間較長,這在一定程度上限制了它的應(yīng)用;電子鼻在長期漂移、背景干擾、個體差異等問題還沒有得到妥善解決。

根據(jù)電子鼻的結(jié)構(gòu)特點可以從以下幾個方面進行電子鼻總體性能進行優(yōu)化。第一,氣體采樣方法的多樣化。氣體采樣器是電子鼻的輸入系統(tǒng),現(xiàn)有的幾種氣體采集方法各有優(yōu)缺點,在今后可以針對不同的應(yīng)用,開發(fā)更為有效的方法提高其輸入性能。第二,傳感器陣列靈敏材料的選擇?？梢圆捎没旌闲偷臍怏w傳感器陣列取代單一種類傳感器,目前有些公司已將MOS、MOSFET和QCM等各種類型的傳感器混合使用,從而可以集合各種傳感器的優(yōu)點,從硬件上提高氣體傳感器的性能。第三,特征提取及選擇方法的優(yōu)化。理想的特征提取方法對傳感器性能的提高非常重要。特征提取主要來源于傳感器的原始反應(yīng)曲線、曲線擬合參數(shù)、變換域(如傅立葉變換和波長變換)、相空間等,除此以外可以設(shè)計一些新的特征提取方法增加數(shù)據(jù)量以獲取更多信息。第四,模式識別方法的選擇和優(yōu)化?？紤]到電子鼻系統(tǒng)所獲得的海量數(shù)據(jù)的復(fù)雜性以及與目標分析物的關(guān)聯(lián)性,選擇和設(shè)計一種行之有效的機器學(xué)習(xí)算法是電子鼻進行成功檢測的先決條件。此外,未來電子鼻應(yīng)該在小型化、集成化和多功能化方面取得突破,應(yīng)能更方便的其他儀器聯(lián)用,如氣相色譜-質(zhì)譜聯(lián)用儀、電子舌、電子眼和紅外光譜等。隨著電子、計算機、機械、材料、化工、模式識別等技術(shù)的發(fā)展,電子鼻在將得到更為廣泛的應(yīng)用。

大量的文獻資料表明,電子鼻在食品微生物檢測方面的理論研究已經(jīng)相對比較成熟,但在實際應(yīng)用上還存在這一些挑戰(zhàn),專用的電子鼻還沒有進入商品化生產(chǎn)階段。最主要是由于食品中的微生物檢測還沒有引起普通民眾的足夠重視,因此缺少已獲得許可證的企業(yè)來生產(chǎn)推廣,研發(fā)資金投入上也有一定的困難。另一方面,由于相關(guān)的專業(yè)檢測人員的觀念還局限于傳統(tǒng)的檢測方法,他們對于這一新技術(shù)的接受過程較慢。未來在專用儀器的研發(fā)階段,研究人員和食品檢驗人員之間需要通力合作,進行信息交換。另外,未來電子鼻還需要進一步深入的研究,如在短時間內(nèi)對食品中的多種微生物污染物進行同時進行,以及如何提高檢測結(jié)果的靈敏度、準確性和重復(fù)性等。一旦這些問題得到解決,相信不久的將來,像警用酒精檢測儀的成功應(yīng)用那樣,電子鼻在食品微生物快速檢測領(lǐng)域就會迅速進入大規(guī)模的市場應(yīng)用階段。

[1]Romain A C,Nicolas J. Long term stability of metal oxide-based gas sensors for e-nose environmental applications:An overview[J]. Sensors and Actuators B:Chemical,2010,146(2):502-506.

[2]Becher C,Kaul P,Mitrovics J,et al. The detection of evaporating hazardous material released from moving sources using a gas sensor network[J]. Sensors and Actuators B:Chemical,2010,146(2):513-520.

[3]Adiguzel Y,Kulah H. Breath sensors for lung cancer diagnosis[J]. Biosensors and Bioelectronics,2015,65:121-138.

[4]Van Geffen W H,Bruins M,Kerstjens H A. Diagnosing viral and bacterial respiratory infections in acute COPD exacerbations by an electronic nose:a pilot study[J]. J Breath Res,2016,10(3):36001.

[5]Oh E H,Song H S,Park T H. Recent advances in electronic and bioelectronic noses and their biomedical applications[J]. Enzyme and Microbial Technology,2011,48(6-7):427-437.

[6]Dai Y,Zhi R,Zhao L,et al. Longjing tea quality classification by fusion of features collected from E-nose[J]. Chemometrics and Intelligent Laboratory Systems,2015,144:63-70.

[7]Konduru T,Rains G C,Li C. Detecting sour skin infected onions using a customized gas sensor array[J]. Journal of Food Engineering,2015,160:19-27.

[8]何計龍,盧亭. 電子鼻對釀造食醋與配制食醋的區(qū)分辨識[J]. 中國調(diào)味品,2016,41(7):132-133.

[9]Hotelling H. Analysis of a complex of statistical variables into principal components[J]. Journal of Educational Psychology,1933,24(6):417-441.

[10]Fisher R A. The use of multiple measurements in taxonomic problems[J]. Annals of Eugenics,1936,7(2):179-188

[11]高旭昇,王平. 電子鼻信號處理方法的研究進展[J]. 國外醫(yī)學(xué)生物醫(yī)學(xué)工程分冊,2001,24(1):1-6.

[12]戴娟,馬莉,李曄. 蝦醬罐頭在不同的貯藏溫度和時間下菌落總數(shù)和揮發(fā)性物質(zhì)的變化[J]. 食品工業(yè)科技,2016,37(9):335-339.

[13]王丹鳳,王錫昌,劉源,等. 電子鼻分析豬肉中負載的微生物數(shù)量研究[J]. 食品科學(xué),2010,31(6):148-150.

[14]惠國華,吳玉玲,陳裕泉. 基于電子鼻的香蕉儲存時間鑒別方法研究[J]. 傳感技術(shù)學(xué)報,2012,25(5):566-570.

[15]Gobbi E,Falasconi M,Zambotti G,et al. Rapid diagnosis of Enterobacteriaceae in vegetable soups by a metal oxide sensor based electronic nose[J]. Sensors and Actuators B:Chemical,2015,207:1104-1113.

[16]Abdallah S A,Al-Shatti L A,Alhajraf A F,et al. The detection of foodborne bacteria on beef:the application of the electronic nose[J]. Springerplus,2013,2:687.

[17]陳麗萍,徐茂琴,何紅萍,等. 應(yīng)用PE N3型電子鼻傳感器快速檢測食源性致病菌[J]. 食品科學(xué)，2014,35(8):187-192.

[18]朱娜,毛淑波,潘磊慶,等. 電子鼻對草莓采后貯藏早期霉菌感染的檢測[J]. 農(nóng)業(yè)工程學(xué)報,2013(5):266-273.

[19]張紅梅,侯明濤,王淼森,等. 基于電子鼻技術(shù)的玉米氣味品質(zhì)檢測研究[J]. 河南農(nóng)業(yè)大學(xué)學(xué)報,2016,50(3):336-340.

[20]黃星奕,陳瑋. 基于電子鼻技術(shù)的煙絲霉變檢測[J]. 食品與機械,2015,31(4):65-67.

[21]鄭飛翔,李劍,樓雄偉,等. 基于電子鼻的霉變黃豆和白蕓豆檢測方法[J]. 中國食品學(xué)報,2016,16(3):190-197.

[22]Pallottino F,Costa C,Antonucci F,et al. Electronic nose application for determination ofPenicilliumdigitatumin Valencia oranges[J]. Journal of the Science of Food and Agriculture,2012,92(9):2008-2012.

[23]殷勇,郝銀鳳,于慧春. 基于多特征融合的電子鼻鑒別玉米霉變程度[J]. 農(nóng)業(yè)工程學(xué)報,2016,32(12):254-260.

[24]Vermeulen A,Marvig C L,Daelman J,et al. Strategies to increase the stability of intermediate moisture foods towards Zygosaccharomyces rouxii:The effect of temperature,ethanol,pH and water activity,with or without the influence of organic acids[J]. Food Microbiology,2015,45:119-125.

[25]王虎玄,胡仲秋,龍芳羽,等. 蘋果汁中魯氏接合酵母早期污染的電子鼻識別研究[J]. 農(nóng)業(yè)機械學(xué)報,2016,47(1):209-214.

[26]Concina I,Falasconi M,Gobbi E,et al. Early detection of microbial contamination in processed tomatoes by electronic nose[J]. Food Control,2009,20(10):873-880.

[27]Lippolis V,Pascale M,Cervellieri S,et al. Screening of deoxynivalenol contamination in durum wheat by MOS-based electronic nose and identification of the relevant pattern of volatile compounds[J]. Food Control,2014,37:263-271.

[28]Campagnoli A,Cheli F,Savoini G,et al. Application of an electronic nose to detection of aflatoxins in corn[J]. Veterinary Research Communications,2009,33(S1):273-275.

[29]Wilson A D,Baietto M. Advances in electronic-nose technologies developed for biomedical applications[J]. Sensors,2011,11(1)：1105-1176.

[30]Gobbi E,Falasconi M,Torelli E,et al. Electronic nose predicts high and low fumonisin contamination in maize cultures[J]. Food Research International,2011,44(4):992-999.

[31]Li C,Schmidt N E,Gitaitis R. Detection of onion postharvest diseases by analyses of headspace volatiles using a gas sensor array and GC-MS[J]. LWT-Food Science and Technology,2011,44(4):1019-1025.

[32]Cagnasso S,Falasconi M,Previdi M P,et al. Rapid screening of Alicyclobacillus acidoterrestris spoilage of fruit juices by electronic nose:a confirmation study[J]. Journal of Sensors,2010,2010:1-9.

[33]Balasubramanian S,Panigrahi S,Logue C M,et al. Identification of Salmonella-inoculated beef using a portable electronic nose system[J]. Journal of Rapid Methods & Automation in Microbiology,2005,13(2):71-95.

[34]Sberveglieri V,Carmona E N,Comini E,et al. A novel electronic nose as adaptable device to judge microbiological quality and safety in foodstuff[J]. Bio Med Research International,2014,2014:1-6.

[35]Wang D F,Wang X,Liu T,et al.,Prediction of total viable counts on chilled pork using an electronic nose combined with support vector machine[J]. Meat Science,2012,90(2):373-377.

[36]Hartyáni P,Dalmadi I,Knorr D. Electronic nose investigation ofAlicyclobacillusacidoterrestrisinoculated apple and orange juice treated by high hydrostatic pressure[J]. Food Control,2013,32(1):262-269.

Application of electronics noses for the rapid detection of microbial contaminations in foodstuffs

JIANG Xue-song1,2,CHEN Hui-hui1,HU Li-ting1,WANG Wei-qin1,XU Lin-yun2

(1.Ningbo Haitong Food Science and Technology Co.,Ltd.,Cixi 315300,China;2.College of Mechanical and Electronic Engineering,Nanjing Forestry University,Nanjing 210037,China)

Microbial contamination affected most of foodstuffs consumed in the world. Microbial detection and identification methods currently used had some typical drawbacks which made them unsuitable for routine rapid screening in foodstuffs. Electronic noses(E-noses)had recently emerged as valuable candidates in various areas of food quality and safety control,including microbial contamination diagnosis. The three components of e-noses,including sample handling system,detection system,and data processing and pattern recognition system,were described in this paper. Diagnosis cases of four kinds of microbial contamination based on e-noses in foodstuffs were presented:(a)bacteria,(b)moulds,(c)yeasts,and(d)toxins. Finally,recent trends and future directions of e-noses were illustrated.

electronic nose;food microorganisms;bacteria;moulds;volatile organic compounds

2016-09-02

蔣雪松(1979-)，男，博士，副教授，研究方向：食品安全檢測技術(shù)與裝備，E-mail:xsjiang@126.com。

江蘇省高校優(yōu)秀中青年教師和校長境外研修項目(蘇教辦師[2015]7號)；南京林業(yè)大學(xué)青年科技創(chuàng)新基金項目(CX2015010)；中國博士后基金(2014M561737)。

TS207.4

A

1002-0306(2017)06-0376-06

10.13386/j.issn1002-0306.2017.06.063