电子鼻及其在各领域的最新研究进展

摘要：电子鼻是由多个性能彼此重叠的气敏传感器和适当的模式识别算法组成的具有识别单一和复杂气体 能力的装置。本文介绍了电子鼻的基本原理及主要组成部分；综述了电子鼻近年来在食品、环境、农业、 医学、公共安全等领域的研究进展；最后展望了其未来发展趋势。 关键词：电子鼻；传感器阵列；模式识别 中图分类号：TP212 文献标识码：A 文章编号：1006-883X(2010)03-0006-05
在电子鼻系统中有三个主要组成部分：采样系统、检测系统及数 据处理系统[5]。
鼻子 嗅觉接受体
敏感体 传感器
敏感体 电子传感器
神经轴突 嗅觉块
数据采集/传输
数据预处理 （气味标记）
数据采集 标记图
神经网络
模式识别
人工神经网络
大脑信号
输出源 结果
计算机
图 1 电子鼻3
电子鼻已在乳品加工业的很多地方得以应用，例如丹麦 青纹干酪的成熟度过程监控、瑞士干酪香味混合物的模式识 别和干酪的口味的检测，以及奶酪保质期的检测、干酪的质 量控制，另外还包括检测牛奶的微生物细菌、分辨不同的冰 淇淋样、在线监测酸奶酪发酵等等[10-12]。
国内浙江大学的王俊等研究电子鼻在各类食品中的应用 如龙井茶、柑橘、桃、西红柿、雪梨、小麦、鸡蛋等取得了 较好的研究结果[13-15]。
题被广泛研究。
电子鼻一般包括一组交叉敏感的电化学传感器阵列、适当的模式识别方法，来自动检测和辨别简单的、
或复杂的气味[3]。和传统的气体分析技术如气相色谱法（Gas Chromatography, GC）、质谱法（Mass Spectroscopy，
MS）、火焰离子化检测（Flame Ionization Detection, FID）等相比，具有响应速度快、易于使用、价格低廉等
优点，因此在食品、环境监控、医学、农业、生物及安全等各领域得
到了广泛的应用。
人类鼻
目标混合物
电子鼻
二、电子鼻及主要组成部分 电子鼻的基本工作原理是基于模仿人类气味识别机制[4]（如图 1
所示）。 和人类嗅觉系统相似，电子鼻包含一组化学传感器阵列，被封装
在密闭容器中。目标混合物，以气态形式引入到密闭容器中，气体和 传感器之间的反应导致传感器电导率的变化。这些变化依赖于气体中 各成分与传感器之间的复杂的相互作用，每一个传感器与部分成分以 独特的方式进行响应。在阵列中，每一个传感器有不同的特性（如涂 层、工作温度等），因此，对于特定的气味，每一个传感器有不同的 电响应（即电压输出）。传感器阵列的联合输出形成一个指纹图谱或 标记图，对于特定的气味是独一无二的。根据指纹图或标记图利用一 定的模式识别算法即可识别出不同的气味成分。
三、电子鼻在各领域的研究进展 1、食品科学 电子鼻在食品领域的研究较为深入，已涉及到食品科学
的方方面面。根据应用场合及功能不同，可以将电子鼻在食 品控制中的应用分为：生产过程监控、货架寿命调查、新鲜 度评估、真假验证及其他方面。
印度的 Bipan Tudu 等研究电子鼻用于红茶的质量评估 [6]。根据神经网络在处理传感器阵列数据存在的主要问题： 从不同的茶园采摘的红茶，遍布不同的地方，茶的质量受气 候条件、农场类型、季节及种植方法的不同有较大差异。因 此，整个数据库不能随时得到满足，训练一个传统的神经网 络模型变得困难。提出具有增强学习特性的 RBF 神经网络用 于模式识别算法对红茶的气味进行分类，获得较好的辨识效 果。此外，该课题组还使用电子鼻预测辨识红茶的最佳发酵 时间[7]。
意大利的 S. Buratti 等利用电子鼻结合分光光度计方法， 预测不同品牌意大利红酒的感官描述[8]。应用遗传算法选择 变量，建立预测回归模型。在所选择的模型上，应用了精确 的验证技术和检测输出的步骤。
美国的 S. Panigrahi 等使用一商用的基于导电聚合物的
2010.03 SensorWorld
金翠云 崔瑶 王颖
一、引言
电子鼻（Electronic Noses）是一种模仿生物嗅觉的电子系统，起源于 20 世纪 80 年代，英国学者 Persuad
和 Dodd 用 3 个商品化的 SnO2 气体传感器模拟哺乳动物嗅觉系统中的多个嗅感受器细胞对多种有机挥发气体 进行类别分析，开创了电子鼻研究之先河[1]。90 年代召开了第一届电子鼻专题会议[2]，此后，即作为一重要专
中国科学技术大学的罗德汉等将电子鼻应用到假烟的识 别中[16]。
华中科技大学的谢长生等利用电子鼻识别不同品牌的国 产醋[17]，对 17 种不同品牌的国产醋，利用电子鼻分析，其 包含 9 个纳米 ZnO 薄膜气体传感器。PCA 和 CA 用于研究样 品中的种类。
2、环境科学 当今世界面临的主要的环境问题是有毒化学物质对大 气、水、土壤的污染。城市大气污染被认为与日益增长的呼 吸疾病是密切相关的，并且一些物质（如苯）若人们长期暴 露其中则为引发癌症。 意大利的 S. De Vito 等利用电子鼻系统结合神经网络技 术用于预测大气中的苯浓度，监控城市环境污染[18]。 比利时的 Martyna Kuske 等通过检测微生物中的易挥发 混合物（MVOCs）来监测室内真菌污染[19]。研究结果表明， 电子鼻能够辨别发霉的和未发霉的样品，及识别某种真菌。 英国的 O. Canhoto 等研究电子鼻技术用于饮用水的微生 物及化学污染检测[20]。该研究基于导电聚合物传感器阵列的 两类电子鼻系统用于早期检测和辨识饮用水中的细菌，真菌。 使用 PCA、DFA 及聚类分析，可以辨别在 25°C 下经过 24 小 时的繁殖的细菌和真菌。 阿根廷的 Silvia Reich 等利用电子鼻监测高度污染水源 的排放物。该区域水质、土壤、空气严重受污染，导致一些 慢性病的发生。电子鼻用于监控该区域的气味[21]。 意大利的 Antonella Macagnano 等利用最新的两种技术 —固相微萃取（Solid Phase Microextraction）和电子鼻，用于 监控受污染的土壤中菲（phenanthrene）的降解[22]。菲是一种 疏水有机污染物，包含 3 个融合的苯环，属于多环芳香烃
（Polycyclic Aromatic Hydrocarbons，PAHs）。PAHs 产生于自 然或人为因素所导致的不完全燃烧的有机物质，如火灾、含 碳燃料的燃烧等。受污染的土壤中 PAHs 的检测，传统的方 法是溶剂萃取，电子鼻分析的结果表明，通过 PCA 处理，受 污染的和未受污染的土壤样品可以显著的通过时间来区分。

Technology Review
1、采样系统 采样系统的主要功能是将被测样品顶部的挥发混合物引 入电子鼻检测系统（或密闭容器中）。目前所使用的采样技术 包括静态顶空法（Static Headspace，SHS）、吹扫捕集和动态 顶空技术（Purge and Trap and Dynamic Headspace Techniques, P&T and DHS）、固相微萃取法（Solid-Phase Microextraction, Spme）、搅拌棒吸附萃取法（Stir Bar Sorptive Extraction, SBSE）、内针动态萃取（ Inside-Needle Dynamic Extraction ， INDEX）、引入薄膜的质谱分析（Membrane Introduction Mass Spectrometry，MIMS）等。 2、检测系统 传统的电子鼻，由一组气体传感器阵列作为检测系统， 这是最为普遍的方法。 根据传感器原理不同，包括压电传感器、电化学传感器、 光学传感器、热传感器等。 压电传感器又称为重量或声学传感器，基于声波传播， 采用压电材料如石英制作。表面声波（SAW）和体声波（BAW） 是此类声敏传感器中应用最普遍的。 电化学传感器包括电流式、电位式，化学电阻式、电导 式传感器。其中，化学电阻传感器，如金属氧化物半导体 （MOS）和导电聚合物（CP）广泛的用于制作气体传感器阵 列。几种使用金属氧化物半导体场效应晶体管（MOSFET） 的电位气体传感器也应用在电子鼻技术中。 光学传感器如光纤气体传感器，由于其所特有的传感信 号无电磁干扰、噪声低、电绝缘、化学稳定性好及热稳定性 好等优点，在电子鼻研究中也越来越引起人们的注意。 另外一个分支是生物传感器，在生物传感器上覆盖有对 目标分析物敏感的成分，从而保证其对目标物的生物分子特 异性。 虽然气体传感器是电子鼻中最常用的检测系统，但由于 其有诸如传感器中毒、样品主要成分覆盖（如酒饮料中的乙 醇）、湿度的影响、信号的非线性等不足，在检测系统中还引 入了质谱分析（Mass Spectrometry，MS）和离子迁移光谱测 定（Ion Mobility Spectrometry，IMS）等技术。 3、数据处理系统 数据处理系统即是要将传感器阵列采集到的信号进行处 理，以得到最终的辨识结果，其中最为关键的就是模式识别 技术。 模式识别方法可分为有监督方法及无监督方法。 主成份分析法（Principal Component Analysis，PCA）是 典型的无监督方法。它是一种线性特征提取技术，通过降低
3、农业科学 农业应用中，电子鼻系统已成功用于农作物质量监控、 水果成熟度检测，以及鱼类监视。电子鼻还用于检测由病菌 如真菌、细菌引起的农作物疾病。 农业生产中，很长时间以来，都是依赖人为经验进行品 种分类、定级等。气味作为不同的特征可以用于检测作物的 健康状态。 马来西亚的 M.A. Markom 等提出利用内置人工智能的电 子鼻来检测植物疾病，尤其是基腐病（Basal Stem Rot，BSR）。 利用商业电子鼻 Cyranose 320，作为前端传感器，ANN 作为 模式识别方法。气味样品从现场采集，分类识别在计算机中 完成，结果表明系统能够区别健康和感染的植物茎[23]。 澳大利亚的 Jae Ho Sohn 等将电子鼻用于养鸡场连续的 气味监控[24]。连续气味监控技术需要清楚复杂气味的产生机 制、气味场所、辨识策略，以降低气味排放对周边环境的影 响。研究结果表明，基于特定的模型算法，电子鼻能够连续 的监控气味浓度。 4、医学领域 随着电子鼻的发展，其在医学领域应用日渐普遍。 通过分析糖尿病人的呼吸或尿给出了有意义的分析控制 [25,26]；使用电子鼻检测耳、鼻、喉的感染达到高达 88%的准 确率[27]。同时，Hanson et al. 成功的将 38 位病人 4 个月的电 子鼻数据与其肺炎诊断相关联[28]；电子鼻技术还用于评估肾 功能[29]，药片上的难闻气味[30]，精神病人的体味[31]等。 电子鼻在医学上的另外一个应用是检测癌症。 意大利的 M. Bernabei 等提出基于电子鼻无侵害的诊断 早期尿道癌[32]。电子鼻数据由 PCA 及 PLS-DA（偏最小二乘 判别分析法）来处理。PLS-DA 模型用于健康数据和病理数 据分析，显示出两组数据的区别，并对前列腺炎和膀胱癌有 一定的区别。这些初步的研究结果表明电子鼻能够用于尿道 癌的早期诊断。 D’Amico 指出电子鼻可以区分良性的皮肤损伤与胎记瘤 或黑素瘤[33]。 国内浙江大学的王平等也开展了电子鼻在早期肺癌诊断 的研究[34,35]。提出一种新型的基于虚拟气体传感器阵列及图 象识别方法的无创肺癌检测与诊断电子鼻。