基于電子鼻和電子舌技術(shù)的金耳深層發(fā)酵過程監(jiān)測方法研究.pdf

1、金耳是一種具有悠久食藥用歷史的的菌種，金耳多糖具有降血糖、提高免疫力等多種藥理作用。隨著液體深層發(fā)酵技術(shù)的不斷發(fā)展，金耳菌絲體開始大規(guī)模培養(yǎng)。金耳深層發(fā)酵過程異常復雜，而現(xiàn)有的過程監(jiān)測技術(shù)難以滿足全面了解菌體代謝特性的需要，隨著金耳深層發(fā)酵工業(yè)化生產(chǎn)程度的加深，對發(fā)酵過程進行全面監(jiān)測的需求也越來越迫切。電子鼻和電子舌技術(shù)是最近快速發(fā)展的智能檢測技術(shù)，本課題擬采用電子鼻和電子舌技術(shù)進行金耳深層發(fā)酵過程的監(jiān)測方法研究。研究的主要內(nèi)容和相關(guān)結(jié)

2、論如下：
　?。?）金耳發(fā)酵過程中發(fā)酵液關(guān)鍵理化指標變化情況檢測分析。菌體干重、還原糖和總糖含量與菌體增殖代謝過程密切相關(guān)，其中菌體干重反映了菌體生物量的變化情況，金耳菌體經(jīng)過短暫的適應后，進入了對數(shù)生長期，菌體干重增加迅速，進入穩(wěn)定期后變化趨于平緩。還原糖作為供能物質(zhì)之一，隨著金耳菌體生物量的增加，其含量不斷降低。金耳發(fā)酵的第四天，由于金耳多糖的大量釋放，導致發(fā)酵液中總糖含量的變化由降轉(zhuǎn)增。
　?。?）基于電子鼻技術(shù)的金耳

3、深層發(fā)酵過程監(jiān)測方法研究。構(gòu)建電子鼻系統(tǒng)，優(yōu)選了7根氣敏傳感器組成電子鼻傳感器陣列。將金耳發(fā)酵過程分為三個階段，分別對應菌體增殖的延滯期、指數(shù)期和穩(wěn)定期。分別利用主成分分析（PCA）和獨立分量分析（ICA）提取特征，構(gòu)建K最近鄰（KNN）發(fā)酵階段預測模型。兩種模型對預測集樣本的識別準確率分別為97.14％和100.00%。根據(jù)天數(shù)的不同將發(fā)酵過程分為七個階段，所建模型對預測集樣本的識別準確率分別為88.57%和97.14%。以電子鼻響應

4、的PCA和ICA特征作為輸入，金耳發(fā)酵液關(guān)鍵理化指標作為輸出，利用支持向量機（ SVM）和誤差反向傳播神經(jīng)網(wǎng)絡（BPNN）兩種算法構(gòu)建定量預測模型。結(jié)果顯示，基于 ICA的SVM模型對總糖預測效果最好，相關(guān)系數(shù)（Rp）和預測集均方根誤差（RMSEP）分別為0.938和3.500g/L?；?ICA的BPNN模型對還原糖的預測效果最好，Rp和RMSEP分別為0.953和2.156g/L。對菌體干重ICA聯(lián)合BPNN所建模型預測效果最好，R

5、p和RMSEP分別為0.958和3.044g/L。
　　（3）基于電子舌技術(shù)的金耳深層發(fā)酵過程監(jiān)測方法研究?？梢砸罁?jù)三維主成分圖分析結(jié)果將金耳發(fā)酵分為三個階段。而后分別建立基于PCA和ICA的KNN發(fā)酵階段預測模型。兩種模型對預測集樣本的識別準確率均達到100%。將金耳發(fā)酵分為七個階段時，兩種模型對預測集樣本的識別準確率分別為97.14%和100.00%。分別提取電子舌響應的PCA和 ICA特征，采用 SVM和BPNN算法構(gòu)建金耳

6、發(fā)酵液關(guān)鍵理化指標定量預測模型。結(jié)果顯示，不同方法建立的模型均可以很好的預測發(fā)酵液中的總糖、還原糖和菌體干重?；贗CA建立的SVM模型對總糖和還原糖的預測效果最好，Rp分別為0.908和0.975， RMSEP分別為4.350g/L，4.579g/L。基于ICA建立的BPNN菌體干重預測模型效果最優(yōu)，Rp和RMSEP分別為0.953和3.179g/L。
　?。?）基于電子鼻和電子舌技術(shù)融合的金耳發(fā)酵過程監(jiān)測方法研究。提出采用主成

7、分特征融合和獨立分量特征融合兩種融合方法，結(jié)合BPNN和SVM算法構(gòu)建總糖、還原糖和菌體干重定量預測模型。其中，基于 ICA建立的SVM模型預測效果最好，對預測集樣本中總糖、還原糖含量和菌體干重的的預測結(jié)果如下所示：Rp分別為0.960，0.987，0.970，RMSECV分別為2.574/L，2.293/L，2.527g/L。與采用單一技術(shù)建立的模型相比，基于電子鼻和電子舌技術(shù)融合方法建立的定量模型的預測能力有所提升。
　　研究