[摘要] 電子鼻廣泛應(yīng)用于諸多領(lǐng)域，在不同領(lǐng)域中電子鼻傳感器陣列的構(gòu)成不同。由于中藥氣味的復(fù)雜性和特殊性，在中藥鑒別分析中，需建立陣列優(yōu)化法、篩選專屬最佳陣列。采用法國Alpha MOS 公司的αFOX3000電子鼻對姜科常用10味中藥進(jìn)行氣味檢測，基于逐步判別分析法和聚類分析結(jié)合典型指標(biāo)篩選法，建立了MOS傳感器陣列的優(yōu)化法。同時針對優(yōu)化前后的數(shù)據(jù)，分別采用主成分分析、Fisher判別分析和隨機(jī)森林算法進(jìn)行了對比研究。結(jié)果表明，優(yōu)化后的陣列不僅保留了原始陣列的有效信息，而且在一定程度上剔除了冗余信息、提高了識別效率。隨機(jī)森林分類器計(jì)算結(jié)果表明：最佳陣列為逐步判別分析篩選的S1，S2，S5，S6，S8，S12組合而成，此陣列優(yōu)化法有效、可行；為電子鼻在中藥鑒別中MOS傳感器陣列的優(yōu)化提供思路與方法參考。
　　[關(guān)鍵字] 電子鼻；中藥材；傳感器陣列；隨機(jī)森林
　　電子鼻（electronic nose，EN）也稱人工嗅覺系統(tǒng)，是模仿人類對氣味的識別機(jī)制[1]，設(shè)計(jì)研制的一種智能電子儀器，適用于許多系統(tǒng)中測量1種或多種氣味物質(zhì)。一個典型的電子鼻主要由3部分構(gòu)成：樣品處理器，傳感器陣列，信號處理系統(tǒng)[2]。而傳感器陣列作為電子鼻的檢測系統(tǒng)，是最為核心的部分；它由不同氣敏元件組成，具有廣譜響應(yīng)性、交叉敏感性等特點(diǎn)。常見的傳感器類型有導(dǎo)電聚合物（CP）傳感器、石英晶體微平衡（QCM）傳感器和金屬氧化物（MOS）傳感器等。其中，MOS傳感器靈敏度高、重復(fù)性好、基線漂移可校正等，已成為電子鼻傳感器的主流。
　　從20世紀(jì)80年代電子鼻誕生后，學(xué)者在很多領(lǐng)域進(jìn)行了應(yīng)用研究。也正是由于電子鼻響應(yīng)時間短、檢測速度快、樣品預(yù)處理簡便、測定評估范圍廣等優(yōu)點(diǎn)，現(xiàn)已在農(nóng)業(yè)[3]、食品[4]、環(huán)境監(jiān)控[5]和公共安全[6]等領(lǐng)域得到了廣泛的應(yīng)用。然而，不同領(lǐng)域檢測的物質(zhì)種類及分析目標(biāo)不同，相應(yīng)最適宜傳感器陣列也不同。因此，傳感器陣列優(yōu)化是電子鼻應(yīng)用于不同領(lǐng)域中需解決的關(guān)鍵技術(shù)之一。而在給定區(qū)域內(nèi)，如何選擇傳感器陣列，以剔除冗余信息，同時保證獲取信息的完整性、有效性和可靠性，是傳感器陣列優(yōu)化的首要問題。目前，在傳感器陣列優(yōu)化中常用的方法有方差分析[7]、相關(guān)系數(shù)分析[8]、變異系數(shù)因子載荷分析[9]等，每種方法的針對性和適應(yīng)性因不同分析目標(biāo)而異。
　　本研究探討了電子鼻傳感器陣列的優(yōu)化方法及其在中藥快速鑒別中的應(yīng)用。采用MOS傳感器陣列對姜科常用10味中藥進(jìn)行氣味特征的提取，基于逐步判別分析法和聚類分析結(jié)合典型指標(biāo)篩選法，建立了中藥鑒別中電子鼻傳感器陣列的優(yōu)化方法。同時采用主成分分析（PCA）、Fisher判別分析（Fisher LDA）和隨機(jī)森林（RF）算法對優(yōu)化前后的數(shù)據(jù)進(jìn)行了對比分析，確立了中藥鑒別中最佳傳感器陣列。結(jié)果表明優(yōu)化后的陣列所獲取信息不僅保留了原始信息的完整性、有效性和可靠性，還一定程度上剔除了冗余信息、提高了數(shù)據(jù)處理效率。此陣列優(yōu)化法有效、可行。
　　1 材料
　　αFOX3000氣味指紋分析儀，又稱電子鼻（法國Alpha MOS公司）；10味常用中藥飲片干姜、姜黃、高良姜、莪術(shù)、郁金、白豆蔻、草豆蔻、草果、益智、砂仁（北京同仁堂股份有限公司市售產(chǎn)品）。經(jīng)北京中醫(yī)藥大學(xué)閆永紅教授鑒定，分別來源于姜科植物姜Zingiber officinale Rosc.的干燥根莖、姜黃Curcuma longa L.的干燥根莖、高良姜Alpinia officinarum Hance的干燥根莖、蓬莪術(shù)C. phaeocaulis Val.的干燥根莖、廣西莪術(shù)C. kwangsiensis S. G. Lee et C. F. Liang的干燥塊根、白豆蔻Amomm kravanh Pierre ex Gagnep.的干燥成熟果實(shí)、草豆蔻Alpinia katsumadai Hayata的干燥近成熟種子、草果Amomum tsaoko Crevost et Lemaire的干燥成熟果實(shí)、益智Alpinia oxyphylla Miq.的干燥成熟果實(shí)以及陽春砂Amomum villosum Lour.的干燥成熟果實(shí)。
　　αFox3000電子鼻中傳感器原始陣列（U）由12根MOS傳感器構(gòu)成，這12根傳感器的類型及對不同化學(xué)成分的響應(yīng)靈敏度不同，具體見表1。
　　2 方法
　　2.1 樣品預(yù)處理——?dú)馕短崛》?將樣品粉碎，過2號篩，精確稱取0.4 g樣品裝入10 mL頂空瓶中，壓蓋密封。每味中藥各取10個樣本，采用循環(huán)交叉排列的方式組成序列，以減小實(shí)驗(yàn)的系統(tǒng)誤差[10]，組成訓(xùn)練集。另每味中藥再各取2個樣本，組成外部測試集。
　　電子鼻對樣品氣味特征采集分為3個流程：孵化平衡、自動進(jìn)樣和信號采集。實(shí)驗(yàn)參數(shù)設(shè)置分別為孵化時間600 s、孵化溫度45 ℃；進(jìn)樣量500 μL； 信號采集時間200 s、采集周期1 s。本研究視12根傳感器為12個變量、以傳感器最大響應(yīng)值為指標(biāo)進(jìn)行數(shù)據(jù)分析。
　　2.2 傳感器陣列優(yōu)化——S逐步判別分析法 采用Wilks′Lambda方法進(jìn)行逐步判別分析，以F作為判別統(tǒng)計(jì)量。一個變量是否能進(jìn)入模型主要取決與協(xié)方差分析中F檢驗(yàn)的顯著性水平和設(shè)置的進(jìn)入、離開模型的F[11]。具體參數(shù)設(shè)置為：當(dāng)F≥30時，變量進(jìn)入模型；當(dāng)F≤5時，變量移除模型。判別結(jié)果見表2。
　　表2中統(tǒng)計(jì)量（F）是該變量的均方與誤差均方的比值。該值越大，P越小，因此該值最大的先進(jìn)入判別函數(shù)。當(dāng)P小于0.05或0.01時，拒絕零假設(shè)。顯著性檢驗(yàn)結(jié)果P=0.000，即小于0.001，可以說這6個變量對判別的貢獻(xiàn)都很顯著�？傊f明該變量在不同組中均值不同是由于組間差異，而不是由隨機(jī)誤差引起的；即該變量在各組中均值差異顯著。可以看出S12，S5，S8，S6，S2，S1的統(tǒng)計(jì)量（F）都在30以上，這是選擇進(jìn)入判別函數(shù)的判據(jù)。經(jīng)過6個步驟后，模型內(nèi)，外變量無進(jìn)，無出，逐步判別分析的自變量選擇結(jié)束。因此，最終確定的傳感器優(yōu)化陣列（U1）的組成為S1，S2，S5，S6，S8，S12。

相關(guān)熱詞搜索：陣列 在中 鑒別 藥材 傳感器