基于電子鼻和電子舌技術的金耳深層發(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是最近快速發(fā)展的智能檢測技術，本課題擬采用電子鼻和電子舌技術進行金耳深層發(fā)酵過程的監(jiān)測方法研究。研究的主要內容和相關結

2、論如下：
　?。?）金耳發(fā)酵過程中發(fā)酵液關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，其中菌體干重反映了菌體生物量的變化情況，金耳菌體經過短暫的適應后，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增。
　?。?）基于電子鼻技術的金耳

3、深層發(fā)酵過程監(jiān)測方法研究。構建電子鼻系統(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網絡（BPNN）兩種算法構建定量預測模型。結果顯示，基于 ICA的SVM模型對總糖預測效果最好，相關系數(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。
　?。?）基于電子舌技術的金耳深層發(fā)酵過程監(jiān)測方法研究?？梢砸罁S主成分圖分析結果將金耳發(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算法構建金耳

6、發(fā)酵液關鍵理化指標定量預測模型。結果顯示，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?；贗CA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，結合BPNN和SVM算法構建總糖、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。與采用單一技術建立的模型相比，基于電子鼻和電子舌技術融合方法建立的定量模型的預測能力有所提升。
　　研究