從國(guó)內(nèi)外電子鼻在農(nóng)作物果實(shí)中的應(yīng)用研究來(lái)看,谷物方面的研究多,時(shí)間跨度與電子鼻在農(nóng)作物檢測(cè)領(lǐng)域的應(yīng)用高度吻合。國(guó)內(nèi)外在2017年均有相關(guān)的研究報(bào)道,Baskar等使用含有6個(gè)傳感器的自制電子鼻檢測(cè)了稻谷在不同溫度和不同濕度儲(chǔ)藏時(shí)變質(zhì)的情況[18]。于慧春等用電子鼻對(duì)不同霉變程度玉米樣品進(jìn)行檢測(cè),并用理化分析方法分別測(cè)定霉變玉米中的玉米赤霉烯酮、黃曲霉毒素含量,采用BP神經(jīng)網(wǎng)絡(luò)建立不同霉變程度下玉米赤霉烯酮、黃曲霉毒素含量的預(yù)測(cè)模型[23]。研究采用的電子鼻設(shè)備有自制和商業(yè)兩大類(lèi),自制的電子鼻通常采用商業(yè)氣體傳感器組成傳感器陣列,傳感器數(shù)量在6～32個(gè)范圍內(nèi),文獻(xiàn)[9-12,18-21,23,25]均使用日本Figaro傳感器構(gòu)建電子鼻。商業(yè)電子鼻主要有德國(guó)AIRSENSE公司的PEN2、PEN3,法國(guó)Alpha Mos公司的Fox3000、Fox4000等。從使用的電子鼻可以看出,早期研究更多地采用自制的電子鼻,而近期的研究使用商業(yè)電子鼻較多。這反映出早期研究主要集中在電子鼻技術(shù)的理論基礎(chǔ)方面,后期研究更注重電子鼻技術(shù)的實(shí)際應(yīng)用,研究對(duì)象從谷物向馬鈴薯、花生、洋蔥、蘋(píng)果、芒果、草莓等其他農(nóng)作物延伸。

從研究的具體內(nèi)容來(lái)看,作物果實(shí)隨著儲(chǔ)藏條件、儲(chǔ)藏時(shí)間的變化其品質(zhì)會(huì)發(fā)生改變,品質(zhì)下降往往同致病菌作用相關(guān),因此病害通常與儲(chǔ)藏時(shí)間、貨架期、品質(zhì)等密切相關(guān),且相關(guān)文獻(xiàn)較多。Jonsson等對(duì)不同儲(chǔ)藏時(shí)間的谷物霉變程度進(jìn)行了研究[9,14,20-21];Raigar等對(duì)儲(chǔ)藏的花生進(jìn)行了分類(lèi)和預(yù)測(cè)[26];Zakaria等用電子鼻、聲傳感設(shè)備檢測(cè)芒果儲(chǔ)藏期病害[29]。有的研究直接針對(duì)病原菌進(jìn)行檢測(cè),但僅采用電子鼻技術(shù)不能獲得揮發(fā)性物質(zhì)的成分信息,無(wú)法做到定量分析,因此通常采用電子鼻與GC-MS技術(shù)結(jié)合分析,既能獲得揮發(fā)物整體信息也能測(cè)定各組分的濃度。沈飛等利用電子鼻與GC-MS技術(shù)對(duì)6種谷物中常見(jiàn)霉菌在不同生長(zhǎng)階段的特征揮發(fā)性氣味物質(zhì)進(jìn)行了檢測(cè)分析,對(duì)黃曲霉類(lèi)、寄生曲霉類(lèi)和青霉類(lèi)樣品的整體判別正確率分別達(dá)到100.0%、100.0%和97.4%[27]。相對(duì)病害而言蟲(chóng)害研究較少,蟲(chóng)害研究基本集中在谷物方面,Ridgway等研究了小麥?zhǔn)茯x(chóng)和甲蟲(chóng)的危害情況[12,14];Zhou等對(duì)感染米象、紅粉甲蟲(chóng)的稻谷進(jìn)行了研究[15]。上述研究通常是基于電子鼻傳感器響應(yīng)與害蟲(chóng)數(shù)量的關(guān)系對(duì)谷物蟲(chóng)害情況進(jìn)行預(yù)測(cè),也有直接針對(duì)玉米象蟲(chóng)態(tài)進(jìn)行研究的報(bào)道[17,34]。

1.2 田間農(nóng)作物病蟲(chóng)害檢測(cè)

植物揮發(fā)物信號(hào)是植物間進(jìn)行信息交流的“語(yǔ)言”,生物和非生物因素均可誘導(dǎo)產(chǎn)生植物揮發(fā)物,特別是植食性昆蟲(chóng)和病原菌危害可以誘導(dǎo)植物產(chǎn)生特異性揮發(fā)物,植物揮發(fā)物已經(jīng)成為當(dāng)前研究的熱點(diǎn)。但是對(duì)采集的植物揮發(fā)物的研究一直采用GC-MS技術(shù),由于GC-MS儀器體積大、移動(dòng)性差,加上樣品分析耗時(shí)較長(zhǎng),不可能消除植物晝夜生長(zhǎng)周期的影響,無(wú)法實(shí)現(xiàn)田間植物揮發(fā)物實(shí)時(shí)監(jiān)測(cè)。電子鼻的發(fā)展彌補(bǔ)了GC-MS的不足,與GC-MS不同,電子鼻得到的不是被測(cè)樣品中某種或某幾種成分的定性與定量結(jié)果,而是樣品中揮發(fā)性成分的整體信息。農(nóng)作物田間病蟲(chóng)害的電子鼻檢測(cè)研究基于病蟲(chóng)脅迫誘導(dǎo)植物產(chǎn)生特異性揮發(fā)物的原理,由于田間環(huán)境復(fù)雜多變,病蟲(chóng)害影響因素眾多且產(chǎn)生機(jī)制不明確,相關(guān)研究起步較晚,到2008年才出現(xiàn)電子鼻檢測(cè)農(nóng)作物病蟲(chóng)害的報(bào)道,表2是電子鼻田間農(nóng)作物病蟲(chóng)害檢測(cè)相關(guān)文獻(xiàn)。

注:GABPNN表示遺傳BP神經(jīng)網(wǎng)絡(luò);LVQ表示學(xué)習(xí)矢量量化;PNN表示概率神經(jīng)網(wǎng)絡(luò);SDA表示逐步判別分析;PTR-ToF-MS表示質(zhì)子轉(zhuǎn)移反應(yīng)-飛行時(shí)間質(zhì)譜儀。

目前電子鼻在田間作物病蟲(chóng)害檢測(cè)方面的研究還處于試驗(yàn)階段,研究成果均出自國(guó)內(nèi)外高校、科研機(jī)構(gòu),表2中文獻(xiàn)的研究?jī)?nèi)容多數(shù)是驗(yàn)證電子鼻檢測(cè)田間作物病蟲(chóng)害的可能性。英國(guó)蘭卡斯特大學(xué)Laothawornkitkul等分別于2008年和2012年研究了電子鼻檢測(cè)黃瓜、辣椒、番茄3種植物受到的蟲(chóng)害、病害情況的可能性[35-36]。意大利波羅尼亞大學(xué)Cellini等于2010年使用電子鼻和GC-MS技術(shù)研究了2種葡萄藤受損傷的情況,采用線(xiàn)性判別分析方法區(qū)分健康和病菌侵害葡萄藤的準(zhǔn)確率為83.3%[37];2016年采用氣相色譜-質(zhì)譜和質(zhì)子識(shí)別飛行時(shí)間質(zhì)譜鑒別遭受火疫病、花腐病危害的蘋(píng)果苗揮發(fā)性化合物,并對(duì)比2個(gè)商業(yè)電子鼻檢測(cè)結(jié)果,表明電子鼻可以用于植物早期病害的檢疫[38];2017年對(duì)電子鼻在植物病害的診斷進(jìn)行了綜述[39]。美國(guó)克萊姆森大學(xué)Degenhardt等于2010年采用Cyranose 320電子鼻對(duì)棉花害蟲(chóng)和受害棉花進(jìn)行檢測(cè),其中受蟲(chóng)害樣品與電子鼻的響應(yīng)信號(hào)相關(guān)性為0.95[40];2012年研究表明,電子鼻區(qū)分受蟲(chóng)害損失2 d后的棉鈴與健康棉鈴的準(zhǔn)確率在80%～90%之間[41];2014年報(bào)道了用于植物蟲(chóng)害檢測(cè)的4代電子鼻(PAD)開(kāi)發(fā)過(guò)程[42]。馬來(lái)西亞Perlis大學(xué)的Markom等在2009年利用商業(yè)電子鼻與人工智能融合檢測(cè)由靈芝菌引起的棕櫚樹(shù)基礎(chǔ)莖腐病害[43];2011年開(kāi)發(fā)了用于植物病害檢測(cè)的金屬氧化物傳感器電子鼻[44]。Zhou等于2011年采用電子鼻和GC-MS技術(shù)檢測(cè)了褐飛虱蟲(chóng)害誘導(dǎo)的水稻揮發(fā)物,表明電子鼻技術(shù)可以診斷田間水稻蟲(chóng)害[45];2012年對(duì)受到褐飛虱危害、二化螟危害和機(jī)械損傷的水稻樣本進(jìn)行了研究,采用BP神經(jīng)網(wǎng)絡(luò)和學(xué)習(xí)失量量化模型對(duì)各水稻處理樣本進(jìn)行預(yù)測(cè),2種模型都取得了較好的預(yù)測(cè)結(jié)果[46];2014年采用不同特征參數(shù)提取方法對(duì)感染早疫病病害的番茄苗進(jìn)行了區(qū)分研究[47]。美國(guó)德州農(nóng)工大學(xué)Lan等于2008年針對(duì)農(nóng)作物害蟲(chóng)進(jìn)行了檢測(cè),采用Cyranose 320電子鼻分類(lèi)調(diào)查棉花盲椿象[49];2011年采用電子鼻識(shí)別棉鈴蟲(chóng)信息素及鑒別不同時(shí)間、濃度的信息素[50];2014年與華南農(nóng)業(yè)大學(xué)Xu等合作區(qū)分了不同數(shù)量和不同蟲(chóng)齡的水稻褐飛虱害蟲(chóng)[51]。國(guó)內(nèi)田間農(nóng)作物病蟲(chóng)害發(fā)表的文獻(xiàn)較少,2009年蔡曉明等使用電子鼻研究機(jī)械損傷茶樹(shù)綠葉氣味物質(zhì)的釋放規(guī)律,并對(duì)茶尺蠖取食誘導(dǎo)的茶樹(shù)揮發(fā)物與GC-MS技術(shù)進(jìn)行同步比對(duì)分析[53];2010年潘洪生等應(yīng)用電子鼻構(gòu)建棉花植株常見(jiàn)揮發(fā)性化合物特征譜庫(kù),建立棉鈴蟲(chóng)幼蟲(chóng)危害棉花植株的指紋圖譜[52]。

2 電子鼻技術(shù)在農(nóng)作物揮發(fā)物檢測(cè)中的應(yīng)用

2.1 揮發(fā)物信息采集技術(shù)

為了將揮發(fā)物引入電子鼻檢測(cè)系統(tǒng)可以使用多種采樣技術(shù),如靜態(tài)頂空技術(shù)、動(dòng)態(tài)頂空技術(shù)、吹掃和捕集、固相微萃取法、吸附萃取法等。目前使用電子鼻檢測(cè)農(nóng)作物病蟲(chóng)害過(guò)程中,農(nóng)作物揮發(fā)物的采集方法主要有2種:吸附劑萃取法和頂空法。其中,吸附劑萃取法是利用吸附劑吸附氣體中的揮發(fā)物成分,然后經(jīng)過(guò)高溫解吸附再由電子鼻檢測(cè),該方法檢測(cè)精度較高,但是檢測(cè)過(guò)程增加了中間環(huán)節(jié)不適合于快速檢測(cè)。頂空法操作簡(jiǎn)單,使用較多,如棉盲蝽害蟲(chóng)揮發(fā)性氣味的采集,水稻蟲(chóng)害誘導(dǎo)揮發(fā)物的采樣,但是由于頂空法采集的揮發(fā)性化合物濃度相應(yīng)較低,因此具有低靈敏度的缺點(diǎn)。為了提高農(nóng)作物檢測(cè)準(zhǔn)確度必須使用采樣袋對(duì)揮發(fā)物進(jìn)行預(yù)濃縮,但是多數(shù)的研究是采用簡(jiǎn)易的采樣袋進(jìn)行揮發(fā)物采集,溫度、頂空時(shí)間是采樣時(shí)必須優(yōu)化的主要參數(shù)。所以,電子鼻揮發(fā)物信息的實(shí)時(shí)、快速提取是農(nóng)作物病蟲(chóng)害檢測(cè)尚未很好解決的難題。

2.2 模式識(shí)別算法

建立基于電子鼻揮發(fā)物信息的病蟲(chóng)害檢測(cè)模型必須通過(guò)適當(dāng)?shù)哪Ｊ阶R(shí)別算法,其中PCA、LDA、DFA、CA、ANN、PLS、MLR、SDA、SVM、ANN、GABPNN、Fuzzy logic等已經(jīng)被用于建立農(nóng)作物病蟲(chóng)害的診斷模型。PCA、LDA、DFA、CA方法是電子鼻檢的模式識(shí)別分類(lèi)方法,這類(lèi)分析方法可以對(duì)多維電子鼻傳感器信息進(jìn)行降維處理,提取樣品分類(lèi)的有效信息并且可以做到可視化,同時(shí)經(jīng)上述方法優(yōu)化的電子鼻信息也可作為神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等的輸入數(shù)據(jù)對(duì)樣品進(jìn)行預(yù)測(cè),提高預(yù)測(cè)的準(zhǔn)確性。Lan等采用PCA對(duì)捕捉的棉盲椿象進(jìn)行分類(lèi)[49];Zhou等采用PCA、LDA、SDA和BP神經(jīng)網(wǎng)絡(luò)診斷了水稻褐飛虱蟲(chóng)害情況[46]。PLS、MLR、SDA是回歸方法,可以建立電子鼻傳感器信號(hào)與被測(cè)樣品指標(biāo)之間的量化關(guān)系,但量化模型的建立必須對(duì)多維傳感器信號(hào)進(jìn)行特征提取,消除傳感器冗余信息。而ANN、SVM、GABPNN屬于非線(xiàn)性模式識(shí)別方法,可以對(duì)非線(xiàn)性樣本數(shù)據(jù)進(jìn)行預(yù)測(cè),但是由于受到環(huán)境、樣品特性、受害機(jī)制不明等多種因素影響,農(nóng)作物病蟲(chóng)害預(yù)測(cè)的準(zhǔn)確性有待提高。為了處理電子鼻農(nóng)作物病蟲(chóng)害信息中的不確定、模糊、隨機(jī)、非線(xiàn)性數(shù)據(jù),已有研究采用隨機(jī)共振信噪比克服電子鼻傳感器漂移造成的干擾,也有研究采用模糊邏輯算法判別不同傳感器信號(hào)的貢獻(xiàn)率[20,26]。

2.3 電子鼻與GC-MS技術(shù)

僅使用電子鼻傳感器數(shù)據(jù)只能對(duì)樣品進(jìn)行定性的分析,若要研究電子鼻診斷農(nóng)作物病蟲(chóng)害的機(jī)制,需結(jié)合揮發(fā)性化合物具體成分標(biāo)準(zhǔn)的分析方法,很多研究采用電子鼻與 GC-MS技術(shù)結(jié)合的方法,這既彌補(bǔ)了GC-MS無(wú)法判斷所檢測(cè)出的化合物對(duì)樣品整體貢獻(xiàn)的不足,也能避免電子鼻檢測(cè)揮發(fā)物成分定量分析不準(zhǔn)確的缺點(diǎn),使揮發(fā)物中復(fù)雜組成成分的濃度得到系統(tǒng)的、高精度的測(cè)定。Blasioli等使用電子鼻和GC-MS技術(shù)研究了2種葡萄受損傷的情況[37];Zhou等分析了電子鼻和GC-MS技術(shù)檢測(cè)褐飛虱蟲(chóng)害誘導(dǎo)水稻揮發(fā)物的關(guān)聯(lián)機(jī)制[45-46];蔡曉明等使用電子鼻研究機(jī)械損傷茶樹(shù)綠葉氣味物質(zhì)的釋放規(guī)律,并對(duì)茶尺蠖取食誘導(dǎo)的茶樹(shù)揮發(fā)物與 GC-MS同步比對(duì)分析[53]。

3 電子鼻應(yīng)用研究未來(lái)發(fā)展方向

3.1 電子鼻儀器的發(fā)展方向

從農(nóng)作物病蟲(chóng)害領(lǐng)域的應(yīng)用逐漸可以看出,電子鼻的應(yīng)用逐漸向監(jiān)測(cè)難度大、不確定性高的復(fù)雜領(lǐng)域發(fā)展,與這種發(fā)展趨勢(shì)相適應(yīng)電子鼻裝備趨向于便攜式、集成化、智能化、小型化。從已有的研究來(lái)看,現(xiàn)在的應(yīng)用研究更多地使用商業(yè)的電子鼻,這主要由于開(kāi)發(fā)的電子鼻受到傳感器精度、適用性、開(kāi)發(fā)成本等影響不能推廣應(yīng)用,而商業(yè)電子鼻傳感器精度高、重復(fù)性好、有成熟的數(shù)據(jù)處理軟件,對(duì)不同揮發(fā)性氣體的綜合評(píng)價(jià)已能滿(mǎn)足基本的需要,因此便攜式、小型化、商業(yè)化的電子鼻是今后的主要發(fā)展方向。現(xiàn)在對(duì)電子鼻的氣體采樣系統(tǒng)、氣敏傳感器陣列、信號(hào)處理系統(tǒng)、模式識(shí)別4個(gè)組成部分又有更高的要求。對(duì)于氣體采樣系統(tǒng)更趨于簡(jiǎn)化,多數(shù)情況下電子鼻不配備專(zhuān)門(mén)的采樣裝置,僅采用高精度的氣泵將揮發(fā)性氣體引入傳感器陣列室;對(duì)于氣敏傳感器陣列要求提高傳感器陣列的精度、選擇性和穩(wěn)定性,目前新的傳感器如生物傳感器、納米傳感器已用于電子鼻的研制[54];信號(hào)處理方面主要是對(duì)信號(hào)特征提取方法的研究,特別是多傳感器信息融合的特征提取;針對(duì)模式識(shí)別的研究主要是通過(guò)不同的模式識(shí)別算法對(duì)電子鼻數(shù)據(jù)進(jìn)行分析,提高測(cè)試樣品檢測(cè)的精度和準(zhǔn)確性。今后的研究應(yīng)該更注重對(duì)樣品檢測(cè)規(guī)則的建立,即檢測(cè)對(duì)象影響因素的分析以及檢測(cè)機(jī)制的確定,而具體的建模方法可以直接使用商業(yè)的數(shù)據(jù)處理軟件。

3.2 多種現(xiàn)代技術(shù)融合應(yīng)用

電子鼻的應(yīng)用研究已經(jīng)進(jìn)入復(fù)雜領(lǐng)域,如農(nóng)作物病蟲(chóng)害檢測(cè),由于病蟲(chóng)害具有不可預(yù)見(jiàn)性、突發(fā)性和災(zāi)害性等特點(diǎn),加上環(huán)境復(fù)雜多變,單一的現(xiàn)代檢測(cè)技術(shù)只能獲得病蟲(chóng)害的部分信息,要提高電子鼻的檢測(cè)精度及效率,須要采用多種技術(shù)相結(jié)合的組合式檢測(cè)方法,從多個(gè)角度獲取樣品的相關(guān)信息,相互進(jìn)行實(shí)證檢驗(yàn)。電子鼻已經(jīng)與一些現(xiàn)代分析儀器結(jié)合使用,如GC-MS、質(zhì)子轉(zhuǎn)移反應(yīng)-飛行時(shí)間質(zhì)譜儀,這些儀器與電子鼻聯(lián)合使用對(duì)相同樣品的揮發(fā)物進(jìn)行分析,能提供檢測(cè)樣品揮發(fā)物成分定量信息,可以更準(zhǔn)確地對(duì)樣品進(jìn)行預(yù)測(cè)。電子鼻還可以和檢測(cè)原理不同的其他分析儀器結(jié)合使用,如機(jī)器視覺(jué)、近紅外光譜、電子舌、遙感等,這些方法可以獲得檢測(cè)對(duì)象另外的特性信息,未來(lái)電子鼻的研究,會(huì)趨向于多種分析儀器結(jié)合的方式。但是,多分析儀器結(jié)合應(yīng)該充分考慮檢測(cè)對(duì)象的特性,必須是能提高檢測(cè)對(duì)象特性信息貢獻(xiàn)率的方法,否則會(huì)導(dǎo)致數(shù)據(jù)冗余,降低檢測(cè)精度。此外,對(duì)于融合信息的數(shù)據(jù)處理需要合適的模式識(shí)別方法,不同種類(lèi)數(shù)據(jù)的特征提取、建模以及模型的穩(wěn)定性、適應(yīng)性是今后的研究方向。

4 結(jié)語(yǔ)

電子鼻在農(nóng)作物病蟲(chóng)害領(lǐng)域的成功應(yīng)用說(shuō)明其技術(shù)在復(fù)雜領(lǐng)域具有很大的應(yīng)用前景,但是復(fù)雜環(huán)境下有效信息的實(shí)時(shí)、快速提取,傳感器數(shù)據(jù)的漂移和冗余,模型的精度以及穩(wěn)定性、適應(yīng)性等一直是電子鼻研究中亟待解決的難題。隨著其應(yīng)用的拓展,高精度、重復(fù)性好、便攜式、小型化、商業(yè)化的電子鼻是今后的主要發(fā)展方向,其應(yīng)用必會(huì)趨向于多種現(xiàn)代分析儀器結(jié)合的方式。

[1]王志彬,王開(kāi)義,王書(shū)鋒,等.基于動(dòng)態(tài)集成的黃瓜葉部病害識(shí)別方法[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2017,48(9):46-52.

[2]周志艷,羅錫文,張揚(yáng),等.農(nóng)作物蟲(chóng)害的機(jī)器檢測(cè)與監(jiān)測(cè)技術(shù)研究進(jìn)展[J].昆蟲(chóng)學(xué)報(bào),2010,53(1):98-109.

[3]李震,洪添勝,王建,等.柑橘全爪螨蟲(chóng)害快速檢測(cè)儀的研制與試驗(yàn)[J].農(nóng)業(yè)工程學(xué)報(bào),2014,30(14):49-56.

[4]朱麗偉,馬文廣,胡晉,等.近紅外光譜技術(shù)檢測(cè)種子質(zhì)量的應(yīng)用研究進(jìn)展[J].光譜學(xué)與光譜分析,2015,35(2):346-349.

[5]Dean T J,Drake V A.Monitoring insect migration with radar:the ventral-aspect polarization pattern and its potential for target identification[J].Int J Remote Sens,2005,26(18):3957-3974.

[6]盧輝,韓建國(guó),張錄達(dá).高光譜遙感模型對(duì)亞洲小車(chē)蝗危害程度研究[J].光譜學(xué)與光譜分析,2009,29(3):745-748.

[7]王俊,崔紹慶,陳新偉,等.電子鼻傳感技術(shù)與應(yīng)用研究進(jìn)展[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2013,44(11):160-167.

[8]Stetter J R,Findlay M W,Schroeder K M,et al.Quality classification of grain using a sensor array and pattern recognition[J].Analytica Chimica Acta,1993,284(1):1-11.

[9]Jonsson A,Winquist F,Schnürer J,et al.Electronic nose for microbial quality classification of grains[J].International Journal of Food Microbiology,1997,35(2):187-193

[10]鄒小波,趙杰文.電子鼻快速檢測(cè)谷物霉變的研究[J].農(nóng)業(yè)工程學(xué)報(bào),2004,20(4):121-124.

[11]B9rjesson T,Johnsson L.Detection of common bunt infestation in wheat with an electronic nose and a human panel.[J].Journal of Plant Diseases&Protection,1998,105(3):306-313.

[12]Ridgway C,Chambers J,Portero-Larragueta E,et al.Detection of mite infestation in wheat by electronic nose with transient flow sampling[J].Journal of the Science of Food and Agriculture,1999,79(15):2067-2074.

[13]Olsson J,Borjesson T,Lundstedt T,et al.Detection and quantification of ochratoxin A and deoxynivalenol in barley grains by GC-MS and electronic nose[J].International Journal of Food Microbiology,2002,72(3):203-214.

[14]Zhang H M,Wang J.Detection of age and insect damage incurred by wheat,with an electronic nose[J].Journal of Stored Products Research,2007,43(4):489-495.

[15]Zhou B,Wang J.Detection of insect infestations in paddy field using an electronic nose[J].International Journal of Agriculture and Biology,2011,13(5):707-712.

[16]Lippolis V,Pascale M,Cervellieri S,et al.Screening of deoxynivalenol contamination in durum wheat by MOS-based electronic nose and identification of the relevant pattern of volatile compounds[J].Food Control,2014,37:263-271.

[17]Sai X,Zhou Z Y,Keliang L,et al.Recognition of the duration and prediction of insect prevalence of stored rough rice infested by the red flour beetle(Tribolium castaneum Herbst)using an electronic nose[J].Sensors,2017,17(4):688.

[18]Baskar C,Nesakumar N,Rayappan J B B,et al.A framework for analysing E-nose data based on fuzzy set multiple linear regression:paddy quality assessment[J].Sensors&Actuators A Physical,2017,267:200-209.

[19]張紅梅,王俊,葉盛,等.電子鼻傳感器陣列優(yōu)化與谷物霉變程度的檢測(cè)[J].傳感技術(shù)學(xué)報(bào),2007,20(6):1207-1210.

[20]惠國(guó)華,倪彧.基于信噪比分析技術(shù)的谷物霉變快速檢測(cè)方法[J].農(nóng)業(yè)工程學(xué)報(bào),2011,27(3):336-340.

[21]尹芳緣,黃潔,王敏敏,等.用電子鼻區(qū)分霉變燕麥及其傳感器陣列優(yōu)化[J].農(nóng)業(yè)工程學(xué)報(bào),2013,29(20):263-269.

[22]沈飛,吳啟芳,魏穎琪,等.谷物霉菌揮發(fā)性物質(zhì)的電子鼻與GC-MS檢測(cè)研究[J].中國(guó)糧油學(xué)報(bào),2016,31(7):148-152.

[23]于慧春,彭盼盼,殷勇,等.電子鼻融合BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)玉米赤霉烯酮和黃曲霉毒素B1含量模型研究[J].中國(guó)糧油學(xué)報(bào),2017,32(5):117-121.

[24]Massimo F R,Daciana I,John P C.Early identification of potato storage disease using an array of metal-oxide based gas sensors[J].Postharvest Biology and Technology,2016,116:50-58.

[25]Chang Z Y,Lv J H,Qi H Y,et al.Bacterial infection potato tuber soft rot disease detection based on electronic nose[J].Open Life Sci,2017,12(1):379-385.

[26]Raigar R K,Upadhyay R,Mishra H N.Storage quality assessment of shelled peanuts using non-destructive electronic nose combined with fuzzy logic approach[J].Postharvest Biology and Technology,2017,132:43-50.

[27]沈飛,劉鵬,蔣雪松,等.基于電子鼻的花生有害霉菌種類(lèi)識(shí)別及侵染程度定量檢測(cè)[J].農(nóng)業(yè)工程學(xué)報(bào),2016,32(24):297-302.

[28]Karlshoj K,Nielsen P V,Larsen T O.Prediction of Penicillium expansum spoilage and patulin concentration in apples used for apple juice production by electronic nose analysis[J].J Agric Food Chem,2007,55(11):4289-4298.

[29]Zakaria A,Shakaff A Y M,Masnan M J,et al.Improved maturity and ripeness classifications of Magnifera indica cv.Harumanis mangoes through sensor fusion of an electronic nose and acoustic sensor[J].Sensors-Basel,2012,12(5):6023-6048.

[30]李敏,胡美姣,張正科,等.電子鼻在芒果采后病原菌種類(lèi)判別中的應(yīng)用研究[J].熱帶作物學(xué)報(bào),2014,35(12):2455-2458.

[31]Pan L Q,Zhang W,Zhu N,et al.Early detection and classification of pathogenic fungal disease in post-harvest strawberry fruit by electronic nose and gas chromatography-mass spectrometry[J].Food Research International,2014,62:162-168.

[32]朱娜,毛淑波,潘磊慶,等.電子鼻對(duì)草莓采后貯藏早期霉菌感染的檢測(cè)[J].農(nóng)業(yè)工程學(xué)報(bào),2013,29(5):266-273.

[33]Li C Y,Schmidt N E,Gitaitis R.Detection of onion postharvest diseases by analyses of headspace volatiles using a gas sensor array and GC-MS[J].Lwt-Food Sci Technol,2011,44(4):1019-1025.

[34]唐培安,侯曉燕,孔德英,等.電子鼻檢測(cè)玉米象不同蟲(chóng)態(tài)的技術(shù)研究[J].中國(guó)糧油學(xué)報(bào),2015(12):87-91.

[35]Laothawornkitkul J,Moore J P,Taylor J E,et al.Discrimination of plant volatile signatures by an electronic nose:a potential technology for plant pest and disease monitoring[J].Environmental Science&Technology,2008,42(22):8433-8439.

[36]Ghaffari R,Laothawornkitkul J,Iliescu D,et al.Plant pest and disease diagnosis using electronic nose and support vector machine approach[J].Journal of Plant Diseases and Protection,2012,119(5/6):200-207.

[37]Blasioli S,Biondi E,Braschi I,et al.Electronic nose as an innovative tool for the diagnosis of grapevine crown gall[J].Analytica Chimica Acta,2010,672(1/2):20-24.

[38]Cellini A,Biondi E,Blasioli S,et al.Early detection of bacterial diseases in apple plants by analysis of volatile organic compounds profiles and use of electronic nose[J].Annals of Applied Biology,2016,168(3):409-420.

[39]Cellini A,Blasioli S,Biondi E,et al.Potential applications and limitations of electronic nose devices for plant disease diagnosis[J].Sensors,2017,17(11):2596.

[40]Henderson W G,Khalilian A,Han Y J,et al.Detecting stink bugs/damage in cotton utilizing a portable electronic nose[J].Computers and Electronics in Agriculture,2010,70(1):157-162.

[41]Degenhardt D C,Greene J K,Khalilian A.Temporal dynamics and electronic nose detection of stink bug-induced volatile emissions from cotton bolls[J].Psyche:A Journal of Entomology,2012(2):340-345.

[42]Lampson B D,Han Y J,Khalilian A,et al.Development of a portable electronic nose for detection of pests and plant damage[J].Computers and Electronics in Agriculture,2014,108:87-94.

[43]Markom M A,Shakaff A Y M,Adom A H,et al.Inligent electronic nose system for basal stem rot disease detection[J].Computers and Electronics in Agriculture,2009,66(2):140-146.

[44]Abdullah A H,Adom A H,Shakaff A Y M,et al.Electronic nose system for ganoderma detection[J].Sensor Lett,2011,9(1):353-358.

[45]Zhou B,Wang J.Use of electronic nose technology for identifying rice infestation by Nilaparvata lugens[J].Sensor Actuat B-Chem,2011,160(1):15-21.

[46]Zhou B,Wang J.Discrimination of different types damage of rice plants by electronic nose[J].Biosyst Eng,2011,109(4):250-257.

[47]葉盛,王俊.水稻蟲(chóng)害信息快速檢測(cè)方法實(shí)驗(yàn)研究---基于電子鼻系統(tǒng)[J].農(nóng)機(jī)化研究,2010,32(6):146-149.

[48]程紹明,王俊,王永維,等.基于電子鼻技術(shù)的不同特征參數(shù)對(duì)番茄苗早疫病病害區(qū)分效果影響的研究[J].傳感技術(shù)學(xué)報(bào),2014,27(1):1-5.

[49]Lan Y B,Zheng X Z,Westbrook J K,et al.Identification of stink bugs using an electronic nose[J].Journal of Bionic Engineering,2008,5(S1):172-180.

[50]Suh P C,Ding N,Lan Y.Using an electronic nose to rapidly assess grandlure content in boll weevil pheromone lures[J].Journal of Bionic Engineering,2011,8(4):449-454.

[51]Xu S,Zhou Z Y,Lu H Z,et al.Estimation of the age and amount of brown rice plant hoppers based on bionic electronic nose use[J].Sensors,2014,14(10):18114-18130.

[52]潘洪生,趙秋劍,趙奎軍,等.電子鼻z NoseTM構(gòu)建棉花揮發(fā)物指紋圖譜及棉花揮發(fā)物釋放節(jié)律分析[J].應(yīng)用與環(huán)境生物學(xué)報(bào),2010,16(4):468-473.

[53]蔡曉明,孫曉玲,董文霞,等.應(yīng)用z NoseTM分析茶樹(shù)的揮發(fā)物[J].生態(tài)學(xué)報(bào),2009,29(1):169-177.

[54]莊柳靜,高克強(qiáng).仿生嗅覺(jué)和味覺(jué)傳感技術(shù)的研究進(jìn)展[J].*院刊,2017,32(12):1313-1321.