0 引 言
水果是人们日常生活中不可缺少的食品之一，它含有丰富的碳水化合物、有机酸、维生素及无机盐，是人类重要的营养源。不同种类水果所含芳香呈味物质不同因而气味不同，同时水果的气味与其成熟度、贮藏时间乃至腐败程度关系密切，因此气味可以作为水果生理状态的判别因子。人工感官方法依赖人的嗅觉系统因而受人个体主观因素影响较大，因此重复性较差。而气相色谱法、色谱-质谱联用法、电化学法等检测方式普遍收到检测费用高昂、耗时长、样品前处理复杂等因素制约，并且检测过程中所用气体样品均需要先分离检测，然后将多个分离结果重组给出检测结果，造成一定的误差。电子鼻主要由具有特异性的气体传感器阵列与模式识别系统构成，依靠被测样品挥发出的气体标定样品类型的仪器。作为人类嗅觉的延伸，电子鼻系统避免了人类主观因素的干扰，检测结果更为客观、准确、稳定，因此电子鼻在水果品质分析等领域得到广泛的应用。邹小波等使用电子鼻系统检测好坏苹果，以主成分分析法和RBF 神经网络对试验样本数据进行分析，预测准确率可达96.4%[1]。Brezmes 等检测了pinklady 苹果的货架期数据并以此判断其成熟度，结果显示在苹果储藏期鉴别中神经网络方法优于主成分分析方法[2]。Oshita 等采用具有32 个半导体聚合物传感器的电子鼻系统对“LaFrance”梨的气味进行检测，同时记录梨样品的酸度，结果表明该系统可以较好的区分3 种不同成熟度的梨样品[3]。浙江大学王俊教授课题组应用德国Airsense 公司PEN2 电子鼻检测不同成熟度番茄在储存过程中的挥发气体，以颜色标示成熟度时，电子鼻可以区分半熟期、成熟期和完熟期的番茄样品，但成熟期和完熟期样品检测结果有部分重叠。以坚实度标示成熟度，主成分分析方法可以完全区分不同成熟度的番茄样品[4]。Cincina 等将微生物接种到去皮番茄中，用EOS835 电子鼻系统检测番茄挥发物，结果表明电子鼻系统能够检测腐败的番茄[5]。但是现有电子鼻系统采用的模式识别方法主要有主成分分析法、偏最小二乘法、人工神经网络等[6-10]。主成分分析法通过计算综合主成分函数得分，并侧重于信息贡献影响力对原始数据进行综合评价，在智能化仪器模式识别领域中应用广泛，但当主成分的因子负荷的符号有正有负时，综合评价函数意义就不明确，命名清晰性差。偏最小二乘法可有效的克服样本容量低于变量个数时回归建模的问题，但当一个或几个影响点存在就会导致回归结果失效。人工神经网络属于一种人工智能理论，在输入样本较多的情况下会出现训练速度和效率降低、预报精度下降的问题，需要反复学*。
本文采用自行研发的电子鼻系统检测了苹果、梨、葡萄、李子、桃子的腐败数据，采用非线性双稳态随机共振方法提取水果腐败过程的特征信息，实现了5 种水果腐败过程的直观跟踪，这为水果腐败机制的研究提供了一条新的思路和方法。同时该技术可以有效的克服气
敏传感器基线漂移引入的误差，提高了检测的精度。
1 材料与方法
1.1 样品制备
在适当的条件下，由于不同水果自身结构以及含有酶的种类和活性不同，且水果自身携带的致腐性微生物繁殖速度也有差异，因此不同水果的腐败过程也不相同。在湿度80%～90%和温度25～30℃下进行本试验。首先将购自超市的苹果、梨、桃子、李子、葡萄洗净切片，分别置入烧杯中，每种水果制备3 个平行样本，以封口膜密封。使用电子鼻系统测量水果样品，每天测2 次，连续检测4 d，记录数据待处理。
…………