一种气味传感器对草莓常见病害早期检测的方法

摘要

本发明涉及一种气味传感器对草莓常见病害早期检测的无损方法，属于农产品采后质量控制领域。该技术将选定的金属氧化物气味传感器获取贮藏在5℃第2天的草莓气味，取30s时的传感器响应值，代入草莓病害判别模型，可以得到草莓贮藏时是否感染常见病害以及感染病害的种类。本方法能够快速和非破坏检测草莓的早期病害，减少人工检测的费用，从而降低草莓采后贮藏的损失，可以用于草莓采后流通、贮藏和销售过程中的检测和监测。

说明书

一、技术领域

本发明是一种基于金属氧化物的气味传感器对草莓常见病害早期检测的方法，属于农产品采后品质检 测和控制的技术领域。

二、背景技术

我国是世界上草莓野生资源最丰富的国家，很早就开始利用野生草莓，并一直沿袭至今。我国的商品 化草莓栽培始于1915年，但过去未受到重视，发展缓慢。20世纪80年代以来草莓生产有了迅速的发展。 中国目前草莓生产面积约7万hm²，面积居世界第一位。草莓色泽艳丽、美味可口且营养丰富而深受消费 者喜爱。但草莓果实皮薄肉嫩，采摘过程极易受损伤，且易被灰霉(Botrytis sp.)、根霉(Rhizopus sp.)和 扩展青霉(Penicillium sp.)等病原菌侵染，采收后1～2天即腐烂变质，二者共同作用导致果实采后贮藏期 间腐烂损伤率高达30％以上。目前草莓果实的分选主要依靠人工识别，通过微生物培养等传统方法确定病 害的发生和感染病害的种类，费时费力。而且发病早期的果实因无明显表面症状而常常被误判，一旦该类 果实进入包装中就会感染临近果实从而导致严重的经济损失。因此，探讨快速、准确、无损的病害早期检 测方法具有十分重要的意义。

三、发明内容

技术问题

针对上述问题，本发明的目的是提供一种草莓采后感染常见病害的无损检测方法，利用气体传感器获 得采后草莓的气味信息尽早判断草莓是否感染病害及感染病害的种类，可以进行非破坏性的检测，减少经 济损失。

技术方案

一种气味传感器检测草莓早期常见病害早期的无损方法(研究技术路线见图1)，是利用气体传感器检 测草莓感染不同病害后散发的特征气味来确定草莓是否感染病害及感染病害的种类其特征在于，

1)取45～55g贮藏在5℃第2天的完整、干净和无损伤草莓放入150mL烧杯，并用锡纸封口，使用 6个金属氧化物的气味传感器W3C(S₁：对氨类、芳香型化合物敏感，检测限10ppm)、W5C(S₂：对烷 烃、芳香型化合物敏感，检测限1ppm)、W1S(S₃：对烃类物质敏感，检测限100ppm)、W1W(S₄：对 硫化氢、萜烯类敏感，检测限1ppm)、W2S(S₅：对醇类、部分芳香型化合物敏感，检测限100ppm)和 W2W(S₆：对芳香成分，对有机硫化物敏感，检测限1ppm)获取草莓的气味信息，气味传感器的响应值 S是根据传感器接触到样品挥发物后的电阻量G与传感器在经过标准活性碳过滤气体的电阻量G₀的比值 G/G₀作为原始特征数据，提取各个传感器第30s的响应值；

2)将S代入草莓病害早期预测模型：

$\left(\begin{array}{c}{y}_{\mathrm{CK}}=-1.5-8.2\times S_1+6.7\times S_2+6.8\times S_3+1.4\times S_4-3.7\times S_5-0.4\times S_6\\ y_{\mathrm{BC}}=-1.2-7.5\times S_1+6.1\times S_2+6.2\times S_3+1.3\times S_4-3.4\times S_5-0.4\times S_6\\ y_{\mathrm{PE}}=-0.8-5.2\times S_1+4.2\times S_2+4.9\times S_3+9.0\times S_4-2.7\times S_5-2.3\times S_6\\ y_{\mathrm{RH}}=-0.8-5.8\times S_1+4.7\times S_2+5.0\times S_3+1.0\times S_4-2.7\times S_5-0.3\times S_6\end{array}\right)$

式中的S_n＝G/G₀代表提取的传感器的响应值，下标n为传感器对应编号，n＝1、2、3、4、5、6，草莓 是否感染病害及病害类型判别依据为y值最大的组即为其所感染的病原菌种类，其中，y下标字母代表的 含义分别为，CK代表没有感染病害，BC代表感染灰霉病(Botrytis sp.)，PE代表感染扩展青霉病(Penicillium sp.)，RH代表感染根霉病(Rhizopus sp.)。

有益效果

能够不破坏草莓完整性的情况下，通过草莓散发出的气味信息，判断出草莓是否已经感染病害以及 感染病害的种类，能够提前快速获得草莓采后的质量信息，对采后草莓病害情况进行及时预警，为操作者 进一步处理提供有效信息，避免严重的经济损失。相对于传统的微生物培养检测等传统方法，不仅节省时 间，而且避免了化学试剂的使用。技术和方法新颖，研究成果不仅可以用于实验室的快速分析和检测，而 且可以通过开发在线检测设备和便携式仪器，用于草莓采后加工、贮藏和销售等各个环节。

四、附图说明

图1：技术路线图

图2：腐烂指数；

图3：不同处理组草莓果实响应值PCA分析图，其中(a)对照组草莓响应信号的主成分分析图，(b)接种 灰霉病草莓响应信号的主成分分析图，(c)接种扩展青霉草莓响应信号的主成分分析图，(d)接种 根霉草莓响应信号的主成分分析图；

图4：不同处理草莓传感器响应值PCA分析结果，其中(a)第0天不同处理组响应信号的主成分分析图， (b)第2天不同处理组响应信号的主成分分析图

五、具体实施方式

一种气味传感器检测草莓常见病害早期的方法，具体实施方式如下：

1.试验材料

实验所用草莓品种为“红颜”。2012年4月14日采摘于南京江心洲草莓园，选择色泽均匀、大 小一致，无表面损伤的草莓。

选择草莓采后感染常见的三种病原菌：灰霉(Botrytis sp.，BC)、扩展青霉(Penicillium sp.，PE)和 根霉(Rhizopus sp.，RH)，使用前在马铃薯葡萄糖琼脂(Potato dextrose agar，PDA)上24℃、85％相对 湿度条件下活化7d。

2.仪器

便携式电子鼻(AIRSENSE，PEN3)。所用电子鼻传感器阵列包含10个传感器，分别为W1C(S₁： 对芳香型化合物敏感，检测限10ppm)、W5S(S₂：对氮氧化物敏感，检测限1ppm)、W3C(S₃：对氨类、 芳香型化合物敏感，检测限10ppm)、W6S(S₄：对氢气敏感，检测限100ppm)、W5C(S₅：对烷烃、芳 香型化合物敏感，检测限1ppm)、W1S(S₆：对烃类物质敏感，检测限100ppm)、W1W(S₇：对硫化氢、 萜烯类敏感，检测限1ppm)、W2S(S₈：对醇类、部分芳香型化合物敏感，检测限100ppm)、W2W(S₉： 对芳香成分，对有机硫化物敏感，检测限1ppm)、W3S(S₁₀：对浓度、烷烃敏感，并具有选择性，检测 限100ppm)。测定时，传感器涂层吸附样品中的挥发性物质产生电导率变化，记录传感器吸附样品挥发物 后的电阻率G与传感器吸附经活性碳过滤的空气电导率G₀的比值G/G₀，响应气体浓度越大，G/G₀的值越 偏离1(大于或者小于1)，如果浓度低于检测限或者没有感应气体，则该比值接近甚至等于1。

3.试验方法

将挑选出的草莓平均分为4组。75％酒精浸泡30s，待酒精挥发完全后进行接种处理。处理组果实分 别于4×10⁵个/mL的灰霉(BC)、青霉(PE)和根霉(RH)的孢子悬浮液中浸泡30s，对照组用无菌水 (CK)处理，晾干后每3颗果实(50±5g)为1组，置于100mL纸杯中5℃冷藏。

将装有草莓的纸杯自冰箱取出放入150mL烧杯中，于24℃、85％相对湿度条件下敞口回温2h，使 果实内部温度达到24℃，用锡纸封口于24℃中静置10min。试验参数为：流速120mL/min，测定时间 60s，洗气时间80s，样品准备时间5s，自动调零时间5s。试验发现传感器响应值在25s左右趋于稳定， 选择30s处的响应值用于数据分析。

按果实腐烂面积大小将果实划分为3级：0级，无腐烂；1级，果面有1～3个黄褐色病斑，且病变组 织面积不超过果实总表面积的25％；2级，果实表面出现菌丝，或病变组织面积达到果实总表面积的25％ 以上。按下式计算腐烂指数：腐烂指数＝∑[(腐烂级别×该级果实数)/(最高腐烂级别×总果实数)] ×100％。

4.传感器对草莓挥发性物质的响应

电子鼻响应信号在测定初始阶段相对电导率快速上升，一定时间后逐渐趋于平缓，另外，S₃(对氨类、 芳香型化合物敏感)、S₅(对烷烃、芳香型化合物敏感)、S₆(对烃类物质敏感)、S₇(对硫化氢、萜烯类敏 感)、S₈(对醇类、部分芳香型化合物敏感)较其他传感器有更高的相对电导率。通过电子鼻传感器对草莓 果实挥发性物质的响应试验可知，电子鼻对草莓果实的挥发性物质有明显的响应，且每一个传感器对其响 应值各不相同。基于病害影响草莓果实挥发性风味物质的假设，表明利用PEN3电子鼻系统识别草莓病害 可行。

5.病害对贮藏期草莓腐烂指数的影响

不同病原菌处理的草莓贮藏期腐烂指数的变化如图2所示，从图中可以看出随贮藏时间的延长，各组 果实的腐烂指数逐渐变大。CK组草莓发病最迟，第4天时仍无病害发生，贮藏末期的腐烂指数最小，而 处理组果实在冷藏2d后即开始发病，且贮藏末期腐烂指数远高于CK组。

6.不同处理的草莓果实传感器响应值主成分分析

不同处理组的草莓果实主成分分析(PCA)分析结果见图3，可以看出，各组果实第一、第二主成分 累计贡献率均在90％以上，能够代表原始变量大部分的信息。CK组果实贮藏第4d时的样品点分布与贮 藏前期(0、2d)、后期(6、8、10d)均有明显差异；各处理组的主成分分析结果相似，贮藏0d、2d天 的样品点分布有别于贮藏后期(4、6、8、10d)，贮藏2d时的样品点分布与贮藏后期差别最大。

7.电子鼻对草莓病害种类的区分

利用PCA分别对处理后0d、2d的果实传感器响应值进行分析，结果如图4所示。由图可知，在处 理结束后立刻进行检测，无法区分其病原菌种类，而处理后5℃贮藏2d后，不同处理样品点聚集在不同 位置。表明在处理后短期内病原菌对果实挥发性物质的影响不足以用于其种类的区分，而处理后2d其差 异性就表现出来，在发病早期即可区分，因此，利用主成分分析进行草莓病害的早期判别是可行的。

PCA分析结果可以直观的显示出各组之间的差异，要精确说明其差异需进行方差分析。Wilks′Lambda 是组内平方和与总平方和之比。当所有观测的组均值相等时，Wilks′Lambda值为1；当组内变异与总变异 相比小时，Wilks′Lambda值接近于0。因此，Wilks′Lambda值大，表示各个组的均值基本相等；Wilks′Lambda 小表示组间有差异，利用F检验分析差异的显著性水平(P＜0.05)。由表1分析结果可知，第2天时，对照 组与处理组间响应值间差异显著，不同病原菌处理组间响应值也有显著差异。

表1处理后2d不同病害草莓的传感器响应值方差分析

8.草莓病害区分模型的建立及验证

Fisher线性判别分析方法是模式识别中一种行之有效的特征提取方法，通过将原始变量投影到最佳的 方向上，以实现区分训练集中不同类别的样本的最佳区分^[29]。对处理后5℃冷藏2d的果实传感器响应值 进行分析，利用逐步回归法(P＜0.05时引入变量，P＞0.1时剔除该变量)进行基于马氏距离的判别分析。 判别式为：

$\left(\begin{array}{c}{y}_{\mathrm{CK}}=-1.5-8.2\times S_3+6.7\times S_5+6.8\times S_6+1.4\times S_7-3.7\times S_8-0.4\times S_9\\ y_{\mathrm{BC}}=-1.2-7.5\times S_3+6.1\times S_5+6.2\times S_6+1.3\times S_7-3.4\times S_8-0.4\times S_9\\ y_{\mathrm{PE}}=-0.8-5.2\times S_3+4.2\times S_5+4.9\times S_6+9.0\times S_7-2.7\times S_8-2.3\times S_9\\ y_{\mathrm{RH}}=-0.8-5.8\times S_3+4.7\times S_5+5.0\times S_6+1.0\times S_7-2.7\times S_8-0.3\times S_9\end{array}\right)$

对模型进行Willks λ检验，引入的各变量其P值均小于0.0001，模型整体P值亦小于0.0001，表明 所建模型具有统计学意义。将未知样品电子鼻响应信号值S₃、S₅、S₆、S₇、S₈、S₉对应值带入判别式，得 出y值最大的组即为其所感染的病原菌种类。对所得模型进行验证结果见表2，建模组总体准确率为96.7％， 验证组总体准确率为94.2％，说明该模型能较好的区分草莓不同病害感染类型。

表2基于气味的病害预测模型的建立及验证结果