稻米黃曲霉毒素污染的電子鼻和紅外光譜快速無(wú)損檢測(cè)方法研究.pdf

1、針對(duì)傳統(tǒng)糧食真菌毒素污染檢測(cè)方法操作繁瑣、時(shí)效性差或靈敏度低等缺點(diǎn)，本文以糧食儲(chǔ)藏中的特征氣味和光譜信息為切入點(diǎn)，采用電子鼻、近/中紅外(NIR/MIR)光譜技術(shù)對(duì)接種產(chǎn)黃曲霉毒素(AF)真菌的稻米進(jìn)行研究。重點(diǎn)分析糧食中常見(jiàn)霉菌各生長(zhǎng)時(shí)期特征揮發(fā)性物質(zhì)的變化規(guī)律，基于電子鼻響應(yīng)信號(hào)建立不同霉菌樣品的快速鑒別模型；揭示稻米中AF的指示性氣味成分，明確與AF含量密切相關(guān)的特征傳感器及光譜波段，建立基于電子鼻信號(hào)、NIR和MIR光譜信息的稻

2、米AF污染快速分析模型。本實(shí)驗(yàn)主要結(jié)論如下：
　　1、主成分分析(PCA)結(jié)果顯示，電子鼻能夠有效區(qū)分生長(zhǎng)中后期(5d、13d)的黃曲霉類、寄生曲霉類和青霉類樣品。線性判別分析(LDA)和偏最小二乘判別分析(PLS-DA)對(duì)黃曲霉類、寄生曲霉類和青霉類樣品的判別正確率分別達(dá)到100％和97.9%。GC-MS結(jié)果顯示，1-辛烯-3-醇和3-辛酮可作為霉菌次級(jí)代謝產(chǎn)物的特征揮發(fā)性成分，而各霉菌的揮發(fā)性物質(zhì)不同，且生長(zhǎng)后期差異更加明顯。

3、結(jié)果表明運(yùn)用電子鼻與GC-MS技術(shù)具有實(shí)現(xiàn)糧食常見(jiàn)霉菌快速鑒別的可行性。
　　2、基于電子鼻信號(hào)建立糙米AF污染的快速分析模型，PLS-DA可較好區(qū)分侵染不同AF含量的樣品，留一交互驗(yàn)證正確率均高于80%。偏最小二乘回歸分析(PLSR)顯示電子鼻信號(hào)與糙米中AFB1、B2、G1、G2及總量濃度之間呈現(xiàn)較高相關(guān)性，其中對(duì)AFB1的預(yù)測(cè)精度最高，相關(guān)系數(shù)(r)和預(yù)測(cè)均方根誤差(RMSEP)分別為0.808和127.3μg/kg。載荷分

4、析及GC-MS結(jié)果顯示LY2/AA、T70/2、PA/2、T30/1、P10/1、P10/2和P40/1的貢獻(xiàn)率最大，受AF污染糙米樣品揮發(fā)性組分的變化主要體現(xiàn)在酮醛類、醇類、芳香烴類和烷烴類物質(zhì)上。結(jié)果表明采用電子鼻對(duì)侵染不同濃度AF的糙米樣品進(jìn)行識(shí)別具有一定可行性。
　　3、基于紅外光譜建立糙米AF的LDA模型，NIR和MIR對(duì)AFB1、B2、G1、G2及總量的交互驗(yàn)證正確率均高于90%。PLSR對(duì)各AF含量的預(yù)測(cè)精度較高，r

5、和相對(duì)分析誤差(RPD)分別等于或大于0.920和2.5，整體優(yōu)于電子鼻結(jié)果。盡管對(duì)低濃度AF的預(yù)測(cè)能力稍差，但隨著儀器性能的不斷提升及建模算法的快速發(fā)展，NIR和MIR技術(shù)將成為更加高效、準(zhǔn)確的農(nóng)產(chǎn)品AF污染檢測(cè)方法。
　　4、利用電子鼻、NIR和MIR光譜技術(shù)對(duì)稻谷AF含量進(jìn)行分析，初步研究表明，LDA及多元回歸分析模型的整體預(yù)測(cè)性能不佳，主要影響因素包括樣品顆粒大小不一及AF分布不均等，后續(xù)研究需深度完善實(shí)驗(yàn)方案，改進(jìn)樣品前