基于电子鼻和人工神经网络对鱼露产地的区分与识别

付奥，赵利，袁美兰，白春清，江勇

（江西科技师范大学生命科学学院，南昌 330013）

基于电子鼻和人工神经网络对鱼露产地的区分与识别

付奥，赵利，袁美兰，白春清，江勇＊

（江西科技师范大学生命科学学院，南昌 330013）

为建立一种快速无损检测鱼露产地的方法，采购不同产地（泰国、广东、越南、实验室自制）的鱼露，利用电子鼻检测其风味物质。通过主成分分析（PCA）对不同产地的鱼露进行区分，人工神经网络（ANN）对鱼露的产地进行预测。结果显示：在主成分析图上，总贡献率为98.37%，不同产地鱼露能够被较好地区分；负荷加载分析（Loading）表明P30/1（对烃类、氨类和乙醇类物质敏感）和LY2/GH（对氨类和胺类化合物敏感）传感器在区分鱼露产地中起主要作用，径向基人工神经网络（RB）和梯度下降人工神经网络（GD）对鱼露产地进行预测的准确率分别为95.56%和91.04%，表明采用电子鼻技术鉴别不同产地的鱼露是可行的。

鱼露；电子鼻；产地；主成分分析；人工神经网络

鱼露，别名鱼酱油，是一种以价值低的鱼虾或水产品加工的下脚料为原料，利用其体内酶及微生物的共同作用对原料中的蛋白质、脂肪等物质进行发酵分解而成的调味品。其风味咸鲜，营养丰富，含有人体必需氨基酸、牛磺酸、维生素及钙、碘等矿物质［1］。鱼露的生产主要分布在东南亚如越南，泰国，我国东部沿海地带如广东、福建，日本及菲律宾北部。20世纪80年代后鱼露产业迅速发展，目前国内产量每年约10万吨以上，但一些不法分子伪造进口鱼露，甚至利用盐水和酱色勾兑冒充鱼露的新闻已屡见不鲜，因此鉴别不同产地鱼露是十分有必要的。

鱼露的风味物质主要包括氨基酸、肽、有机酸、核酸关联物、挥发性酸、挥发性含氮化合物等［2］，不同产地的不同酿造方法对鱼露风味物质的组成成分都会有影响。目前对鱼露中挥发性物质的检测方法大多为GC-MS（gas chromatography-mass spectrometer）［3］，但利用这些检测方法检测鱼露的产地存在着耗时费力、仪器昂贵、人为主观等方面的不足。20世纪90年代以来，电子鼻技术发展迅速，其具有操作和样品前期处理简单，响应时间短，检测速度快，测定评估范围广，人为误差小，重复性好等优点，逐渐在食品检测方面发挥的重要作用。

电子鼻是模仿生物嗅觉功能，由多个性能重叠的气敏传感器和适当的分类模式组成的能够识别单一和复杂气味的装置［4］，在医学［5，6］、环境［7，8］和食品［9，10］等领域得到了广泛应用。目前利用电子鼻鉴别产地和区分种类主要集中在酒［11，12］和中药药材［13，14］方面。本实验用电子鼻采集不同产地鱼露的嗅觉指纹信息，再运用主成分分析（principal component analysis，PCA）对不同产地的鱼露风味物质进行区分，然后运用人工神经网络（artificial neural network，ANN）对鱼露的产地进行预测，为判别不同产地鱼露提供理论依据。

1 材料与方法

1.1 材料

选取的5种鱼露分别来自泰国、广东、越南、东莞这4个不同产地，见表1，分别用A，B，C，D，E来表示。

表1 5种鱼露样品信息Table 1Five kinds of fish sauce samples information

1.2 仪器

电子鼻：Gemini系统，法国Alpha M.O.S公司，它由6个金属氧化物传感器（MOS）阵列组合而成，分别为T70/2，PA/2，P30/1，P40/2，LY2/GH，LY2/gCTL，传感器及其对应的香气类型见表2；手动进样针：2.5mL，美国汉密尔顿。

表2 传感器及其对应的香气类型Table 2The sensor and the corresponding aroma types

1.3 实验方法

1.3.1 电子鼻参数设置

载气为合成干燥空气，流速为150mL/min；样品气味体积为1mL；顶空加热温度为40℃，顶空加热时间为15min；搅动速度为500r/min；注射速度为1mL/s；获取时间300s；延滞时间300s。每个样品做3个平行，每个平行测3次。

1.3.2 数据处理

采用PCA对不同产地鱼露样品的电子鼻数据进行统计学分析，再用MATLAB 7.0自行编写的径向基人工神经网络（radial basis，RB）和梯度下降人工神经网络（gradient descent，GD）模型建立预测不同产地鱼露的数学模型。

2 结果与分析

2.1 电子鼻分析结果

图1 鱼露样品的电子鼻响应图Fig.1Electronic nose response curves of fish sauce samples

由图1可知，不同产地鱼露样品的电子鼻气味指纹图谱存在差异，不同传感器的指纹图谱能够很好地区分不同产地鱼露样品中的风味物质。

2.2 统计学分析

2.2.1 PCA分析

PCA一般用于数据探索或查看，是在对样品特性一无所知的前提下，通过对原始数据向量进行降维，从而从一定的视角来寻找样品间差异的一种算法。

图2 鱼露样品电子鼻响应的PCA分析图Fig.2PCA plot of electronic nose response curve of fish sauce samples

由图2可知，PC1的贡献率为95.46%，PC2的贡献率为2.91%，累计贡献率为98.37%，说明不同产地不同品牌的鱼露样品在风味物质上存在着较大的差异。在PCA图上，可以清楚地看出5个不同产地鱼露样品气味信号图大致被分成3个区域，A和B样品在一个区域，但在PCA2上能被电子鼻区分；C和E样品在一个区域；D样品单独在一个区域，这可能与不同产地鱼露样品的生产原料有关，A和B都是以鲜鱼为原料发酵而成，由不同厂家生产，C和E是同一厂家以鳀鱼为原料不同批次生产的不同规格的鱼露，D是以淡水鱼下脚料为原料生产的鱼露，这说明相同原料生产的鱼露在风味物质上具有相似性，而电子鼻能够区分不同品牌不同原料鱼露样品风味物质的差异性。

不同产地鱼露样品的Loadings分析结果显示了电子鼻的6个传感器在区分不同产地鱼露样品贡献率的大小，贡献率的大小和传感器的区分能力呈正相关。P30/1传感器在PCA1图上贡献最大，LY2/GH传感器在PCA2上贡献最大。P30/1传感器对烃类、氨类、乙醇类物质敏感，LY2/GH传感器对氨、胺类化合物敏感，表明鱼露中的烃类物质、氨类物质、乙醇类物质和胺类物质是区分不同产地的主要风味物质。

2.2.2 ANN分析

人工神经网络是由人工建立的、以有向图为拓扑结构的动态系统，它通过对连续或断续的输入做状态响应而进行信息处理［15］。在估计预测方面解决了许多实际问题，表现出很好的智能性，如李瑞盈［16］利用反向人工神经网络对宁夏枸杞产地进行识别，结果令人满意；刘宇佳等［17］优化了近红外-人工神经网络模型用于银耳的产地识别。

本实验采用RB和GD两种人工神经网络对鱼露的产地做预测分析。RB的结构较简单，输入层神经元数与输入变量相同，通过调整延展系数，当延展系数为0.78时，准确率最优为95.56%，9号和28号样预测错误；GD算法是标准的反传算法，构建反传人工神经网络（back-propagation，BP）模型要优化以下几个因素：神经元的数目、学习速率、步长和训练函数，经过优化神经元数目为13，学习速率为0.021，步长为1000，目标设为10－5，迭代次数设为14000，当迭代次数超过15000或目标小于10－5，训练过程则会停止，其准确率为93.33%，其中10号，12号和41号样品预测错误。

建立人工神经网络模型，进行交叉验证时，理论值1，2，3，4分别对应广东鱼露、越南鱼露、泰国鱼露和实验室自产鱼露。预测值在0.5～1.5之间，判定样品为广东鱼露；预测值在1.5～2.5之间，判定样品为越南鱼露；预测值在2.5～3.5之间，判定样品为泰国鱼露；预测值在3.5～4.5之间，判定样品为实验室自产鱼露。采用本文建立的人工神经网络模型鉴定鱼露样品的留一法交叉验证结果见表3。留一交叉验证法是将每一个样本作为测试样本，余下N－1个样本作为训练样本，得到了N个分类器或模型，用这N个分类器或模型的分类准确率作为此分类器的性能指标，因为每一个分类器或模型都是用几乎所有的样本来训练模型，实验没有随机因素，所得结果比较可靠。

表3 鱼露样品的人工神经网络模型交叉验证结果Table 3The cross validation results of artificial neural network model of fish sauce samples

3 结论

本实验用电子鼻对不同产地鱼露的风味物质进行检测，通过PCA对电子鼻进行数据分析，可知越南、泰国以及国内生产的鱼露的风味物质在组成成分上差异明显，在PCA图上能很好地被区分，P30/1（氨类、乙醇类、烃类化合物）和LY2/GH（氨类、胺类化合物）在判别不同产地的鱼露样品中起到了较大作用，本研究成功地利用人工神经网络建立数学模型，对鱼露样品的产地进行预测，预测准确率分别为95.56%和93.33%，这为更好地利用电子鼻鉴定鱼露产地提供了依据。

［1］江航，王锡昌.顶空固相微萃取与GC-MS联用的鱼露挥发性风味成分分析［J］.安徽农业科学，2008，36（23）：9838-9841.

［2］赵华杰，何炘，杨荣华，等.鱼露风味的研究进展［J］.食品与发酵工业，2007，33（7）：123-128.

［3］杨远帆，陈申如，吴光斌，等.鱼露风味成分的萃取及气相色谱分离条件的优化［J］.食品科学，2008，29（6）：346-349.

［4］Gopel W，Schierbaum K D.SnO2sensors：current status and future prospects［J］.Sensors and Actuators B，1995（26/27）：1-12.

［5］Gardner J W，Shin H W，Hines E L.An electronic nose system to diagnose illness［J］.Sensors and Actuators B：Chemical，2000，70（1）：19-24.

［6］李东云，梁建平，陆秋天，等.电子鼻咽喉镜在阻塞性睡眠呼吸暂停综合征上呼吸道狭窄定位诊断中的应用［J］.中国内镜杂志，2005，11（9）：917-918.

［7］Baby R E，Cabezas M，De Reca E N W.Electronic nose：a useful tool for monitoring environmental contamination［J］.Sensors and Actuators B：Chemical，2000，69（3）：214-218.

［8］Nicolas J，Romain A C，Ledent C.The electronic nose as a warning device of the odour emergence in a compost hall［J］.Sensors and Actuators B：Chemical，2006，116（1）：95-99.

［9］安莹，孙桃.基于电子鼻不同识别模式对不同品牌酱油的区分与识别［J］.中国调味品，2016，41（2）：60-64.

［10］陶兴宝，卢一，解达帅，等.基于机器视觉及电子鼻技术的藤椒产地区分研究［J］.中国调味品，2016，41（6）：122-125.

［11］缪璐，何善廉，莫佳琳，等.电子鼻技术在朗姆酒分类及原酒识别中的应用研究［J］.中国酿造，2015，34（8）：106-110.

［12］邱桂华.不同产地黄酒鉴别方法的比较研究［D］.杭州：浙江农林大学，2013.

［13］韩邦兴，赵杨阳，朱志祥，等.基于电子鼻技术的不同产地大白菊鉴别研究［J］.现代中药研究与实践，2012，26（1）：16-18.

［14］汪云伟，钟恋，谭茂兰，等.基于电子鼻技术的附子（黑顺片）等级及产地的区分研究［J］.中成药，2014，36（12）：2565-2569.

［15］毛健，赵红东，姚婧婧.人工神经网络的发展及应用［J］.电子设计工程，2011，19（24）：62-65.

［16］李瑞盈.宁夏枸杞产地特征识别技术研究［D］.保定：河北大学，2013.

［17］刘宇佳，贺丽苹，张泳.近红外光谱-人工神经网络的模型优化用于银耳产地识别研究［J］.食品工业科技，2016，37（3）：303-311.

Distinction and Recognition of the Fish Sauce Origin Based on Electronic Nose and Artificial Neural Network

FU Ao，ZHAO Li，YUAN Mei-lan，BAI Chun-qing，JIANG Yong＊
（School of Life Science，Jiangxi Science and Technology Normal University，Nanchang 330013，China）

Establish a rapid and non-destructive detection method for fish sauce production，purchasing fish sauce from different areas（Thailand，Guangdong，Vietnam，laboratory self-made），and using electronic nose to detect the flavor.Use principal component analysis（PCA）to distinguish different origins of fish sauce，then using artificial neural network（ANN）to predict the origins of fish sauce.The results show that in PCA plot，the total contribution rate is 98.37%，different origins of fish sauce could be separated well；loading analysis results show that the sensor P30/1（hydrocarbons，ammonia and ethanol）and LY2/GH（ammonia and amines）play a main role in distinguishing fish sauce production，and the predicted values of origins of fish sauce in both radial basis（RB）and gradient descent（GD）are 95.56%and 91.04%.Therefore，using the electronic nose technology to identify different origins of fish sauce is feasible.

fish sauce；electronic nose；origin；principal component analysis（PCA）；artificial neural network（ANN）

TS207.3

A

10.3969/j.issn.1000-9973.2017.03.010

1000-9973（2017）03-0040-05

2016－09－15 ＊通讯作者

江西省现代农业产业技术体系建设专项资金资助项目（赣财教指2013-258）；江西省教育厅2014年度科学技术研究项目（GJJ14575）；江西省科技厅科技支撑重大项目（20152ACF60008）；江西省青年科学基金计划（20151BAB214023）

付奥（1992－），女，湖北洪湖人，硕士，研究方向：食品检测；江勇（1969－），男，江西南昌人，主任技师，研究方向：分析化学、食品科学。