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(cè)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(fù)雜，而現(xiàn)有的過程監(jiān)測(cè)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(duì)發(fā)酵過程進(jìn)行全面監(jiān)測(cè)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(cè)技術(shù)，本課題擬采用電子鼻和電子舌技術(shù)進(jìn)行金耳深層發(fā)酵過程的監(jiān)測(cè)方法研究。研究的主要內(nèi)容和相關(guān)結(jié)

2、論如下：
　　（1）金耳發(fā)酵過程中發(fā)酵液關(guān)鍵理化指標(biāo)變化情況檢測(cè)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(yīng)后，進(jìn)入了對(duì)數(shù)生長期，菌體干重增加迅速，進(jìn)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(dǎo)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(cè)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(gè)階段，分別對(duì)應(yīng)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(dú)立分量分析（ICA）提取特征，構(gòu)建K最近鄰（KNN）發(fā)酵階段預(yù)測(cè)模型。兩種模型對(duì)預(yù)測(cè)集樣本的識(shí)別準(zhǔn)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(gè)階段，所建模型對(duì)預(yù)測(cè)集樣本的識(shí)別準(zhǔn)確率分別為88.57%和97.14%。以電子鼻響應(yīng)

4、的PCA和ICA特征作為輸入，金耳發(fā)酵液關(guān)鍵理化指標(biāo)作為輸出，利用支持向量機(jī)（ SVM）和誤差反向傳播神經(jīng)網(wǎng)絡(luò)（BPNN）兩種算法構(gòu)建定量預(yù)測(cè)模型。結(jié)果顯示，基于 ICA的SVM模型對(duì)總糖預(yù)測(cè)效果最好，相關(guān)系數(shù)（Rp）和預(yù)測(cè)集均方根誤差（RMSEP）分別為0.938和3.500g/L。基于 ICA的BPNN模型對(duì)還原糖的預(yù)測(cè)效果最好，Rp和RMSEP分別為0.953和2.156g/L。對(duì)菌體干重ICA聯(lián)合BPNN所建模型預(yù)測(cè)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(shù)的金耳深層發(fā)酵過程監(jiān)測(cè)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(gè)階段。而后分別建立基于PCA和ICA的KNN發(fā)酵階段預(yù)測(cè)模型。兩種模型對(duì)預(yù)測(cè)集樣本的識(shí)別準(zhǔn)確率均達(dá)到100%。將金耳發(fā)酵分為七個(gè)階段時(shí)，兩種模型對(duì)預(yù)測(cè)集樣本的識(shí)別準(zhǔn)確率分別為97.14%和100.00%。分別提取電子舌響應(yīng)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(biāo)定量預(yù)測(cè)模型。結(jié)果顯示，不同方法建立的模型均可以很好的預(yù)測(cè)發(fā)酵液中的總糖、還原糖和菌體干重。基于ICA建立的SVM模型對(duì)總糖和還原糖的預(yù)測(cè)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(yù)測(cè)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(cè)方法研究。提出采用主成

7、分特征融合和獨(dú)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(yù)測(cè)模型。其中，基于 ICA建立的SVM模型預(yù)測(cè)效果最好，對(duì)預(yù)測(cè)集樣本中總糖、還原糖含量和菌體干重的的預(yù)測(cè)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(yù)測(cè)能力有所提升。
　　研究