电子鼻是一种基于生物嗅觉的仿生仪器，于20世纪90年代发展并逐渐被应用于诸多领域^[1]。关于电子鼻的研究最早可追溯到20世纪60年代，Wilkens等^[2]利用气体分子在电极上的氧化还原反应模拟嗅觉过程，但随后研究热度并不高。直至1987年在第八届欧洲化学传感研究组织年会上，以Gardner为首的研究团队提出并发表关于气体测量及模式识别研究的相关论文开始，电子鼻逐渐引起学术界的关注。关于电子鼻的定义，Gardner等^[3]认为，电子鼻是由一系列具有特异性的化学传感器和合适的模式识别系统组成，并能识别简单或复杂气体的仪器。电子鼻系统主要由传感器阵列、信号处理系统、模式识别等部分组成^[4]，其工作原理与生物嗅觉类似，气体分子与传感器阵列中的气敏元件接触后，引起气敏元件的物理或化学变化并转化为电信号，经由系统采集与信号预处理后，借助模式识别而呈现出样品气味的整体信息。电子鼻与GC-MS、光谱法（如红外光谱、拉曼光谱）的特点比较，由于电子鼻具有快速、无损检测样品气体的功能，经“训练”后即能应对各种样品单一或复杂气味的检测，进而对样品进行区分和鉴别，因此被广泛应用于工业^[5]、食品^[6]、环境检测^[7]、医学^[8]等领域，并取得了显著成效，近年来电子鼻在果蔬贮藏保鲜行业也取得了广泛应用。

果蔬采后变化是一个有机体成熟、衰老和死亡的过程，在此过程中果蔬内部物质的一系列变化可引起品质改变。气味是果蔬生理协同变化的外在重要客观反映，与果蔬品种^[9-10]、成熟度^[11]、新鲜度^[12-13]和采后病害^[14]等密切相关。然而目前常用的气味分析方法较难满足评价果蔬采后贮藏保鲜过程品质变化的实际应用需求。传统的仪器分析如气相色谱- 质谱联用，侧重于分析挥发性物质的成分与含量，较难分析挥发性物质整体对样品风味的贡献，且该技术对样品前处理要求较高、检测耗时长、技术成本高，因此主要适用于实验室研究^[15-16]；而感官分析则对品评人员要求较高，分析结果受品评人的身体状况、情绪、文化程度等诸多主观因素影响，难以作为科学严谨的分析方法在生产上推广应用^[17]。

近年来得益于人工智能技术的迅速发展，电子鼻作为一种嗅觉仿生仪器，具有检测快速、客观和准确的优点，被用于果蔬新鲜度检测、品质评价、病害监测等方面。本文针对电子鼻在果蔬贮藏保鲜中的应用研究进展进行归纳概述，并基于电子鼻实践应用中的难点进行分析，旨在为实现果蔬采后品质精准化检测提供参考。

1　电子鼻在果蔬品种、产地鉴定中的应用

由于遗传和栽培因素的差异，果蔬风味往往因其品种和产地的不同而呈现出差别，通过电子鼻检测气味，可实现对果蔬不同品种和产地的快速判断，从而建立起果蔬品种和产地的气味指纹数据库，为果蔬种质资源的进一步加工与利用提供理论基础。

电子鼻在果蔬品种和产地鉴定方面有着广泛的应用前景，已有许多相关的研究报道（表 1）。这些研究涉及竹笋^[18]、荔枝^[19]、石榴^[20]、红洋葱^[21]、大蒜^[22]、葡萄^[23]、黑木耳^[24]、花椒^[25]等多种果蔬品种，以及柴胡^[26]、大白菜^[27]、甜樱桃^[28]、猕猴桃^[29]、橙子^[30]、枸杞子^[31]、辣椒^[32]等多种果蔬产地。这些研究说明，电子鼻在果蔬品种和产地鉴定方面具有很大的应用潜力。为了实现果蔬产地的精准化检测，还需要进一步收集和整合果蔬的气味信息，建立起相应的气味数据库，同时优化和改进电子鼻的系统设计、信号处理方法和模式识别算法，以提高电子鼻的性能和效率。

2　电子鼻在果蔬成熟度判断中的应用

成熟度是决定果蔬品质的重要因素之一，但其判断主要依赖于生产者的经验，缺乏科学准确的研判。果蔬香气的形成与其发育阶段密切相关，这种“阶段性”特征为电子鼻应用于果蔬成熟度判断提供可能。电子鼻在果蔬成熟度研究方面有着广泛的应用前景，已有许多相关的研究报道（表 2）。这些研究涉及柑橘^[33]、黄桃^[34]、荔枝^[35]、菠萝^[36]、葡萄^[37]、苹果^[38]、芒果^[39]、香蕉^[40-41]、猕猴桃^[42]、番茄^[43]等多种果蔬，以及不同的信号处理方法和模式识别算法。研究表明，电子鼻能够利用不同的特征值和分类模型，有效地区分不同采摘期或采后阶段的果蔬气味特征，达到较高的分类准确率。然而，这些研究也存在一些局限性和挑战，如样本量较小、品种范围较窄、实验条件受限等。因此，在实际应用中，还需要考虑更多影响因素，如贮藏时间、贮藏条件等，以及如何优化电子鼻传感器阵列、信号处理方法和模式识别算法等，以提高电子鼻在果蔬成熟度判断方面的稳定性和可靠性。

电子鼻能够实现对果蔬成熟度的快速无损识别，不需要对果蔬进行切割或损伤，其能够结合多种信号处理和模式识别技术，提高对果蔬成熟度的分类或回归准确率。例如，PCA、LDA、CCA等降维方法可以有效提取电子鼻数据中的主要信息，消除冗余和噪声；SVM、BPNN、RF等机器学习方法可以有效建立电子鼻数据与果蔬成熟度之间的非线性关系，提高预测性能。电子鼻能够与其他传感器或仪器进行复合或融合，进一步提高对果蔬成熟度的识别效果。例如，电子鼻与相机、光谱仪、质谱仪等可以相互补充信息，实现对果蔬成熟度的多角度评价。

3　电子鼻在果蔬新鲜度和品质检测中的应用

新鲜度是消费者选择果蔬产品的重要考量因素之一，但大多数果蔬难以从外观上准确判断其贮藏时间的长短或货架期限，一定程度上限制了采购商或者消费者对果蔬新鲜度的溯源。在果蔬成熟与衰老的过程中，风味变化必然随时间经历从形成到流失的过程，因此通过气味表征实现果蔬新鲜度的检测被认为是可行的办法。目前，在利用电子鼻检测果蔬新鲜度和品质方面已有较多报道（表 3）。在果蔬新鲜度判断研究方面，电子鼻已经被广泛应用在苹果^[44]、甜橙^[45]、沃柑^[46]、西兰花^[47]、木瓜^[48]、菠菜^[49]、芹菜^[50]、番茄^[51]、甜柿^[52]、水蜜桃^[53]、猕猴桃^[54-55]、香蕉^[56]、葡萄^[57]、冬枣^[58]等多种果蔬，是果蔬新鲜度判断的高效技术。

此外，电子鼻可预测果蔬内部品质指标，多种预测模型已被用于建立电子鼻传感器信号与果蔬品质参数之间的关系，如PLS、MLR、BP神经网络、Boltzmann模型和随机森林算法等^[59-63]。在猕猴桃、苹果、红心李、温州蜜柑、番茄、黄瓜、草莓和大头菜等果蔬品质检测中均有研究报道。目前电子鼻在品质评价中的应用主要集中于硬度、可溶性固形物、可滴定酸等常见理化参数的预测上，这些理化参数的检测方法操作简单、耗时短，即使构建出相关预测模型也无法充分发挥出电子鼻快速、准确、操作简单的优点。因此，电子鼻在果蔬品质评价中的应用，应该更加注重检测耗时长且操作繁琐的理化指标，如淀粉含量、糖酸比、抗氧化能力等，这些指标能够更好地反映果蔬的风味和营养价值。例如，香蕉、马铃薯等淀粉含量高的果蔬，其淀粉检测方法一般为酶水解法、碘显色法等，步骤繁多、耗时较长。如果能够利用电子鼻传感器信号与淀粉含量之间的相关性构建有效的预测模型，就可以实现淀粉含量的快速检测。

在果实品质无损检测方面，徐赛等^[66]指出，利用电子鼻优势，通过对芳香物质的鉴定，可以基于已有的数据库信息比较，对果实各种品质包括糖度、硬度、成熟度等进行判定。基于电子鼻在农产品中的广泛应用，刘鹏等^[67]系统总结了电子鼻在农产品风味评价、新鲜度检测、掺假鉴别、病害监控、理化指标检测等方面的安全快速检测应用。

4　电子鼻在果蔬采后病害监测中的应用

采后病害的发生是果蔬贮藏保鲜中最常见的问题之一，根据其成因可分为生理性病害与侵染性病害，均会导致产品经济价值的下降甚至丧失。传统的病害检测和识别基本依赖人工，其辨别和监测效率低下、准确率低、检测滞后且易受诸多因素影响。伴随着衰败过程的推进，果蔬紊乱的生理状态或病原菌自身都会释放出特定的气味“信号”，这为利用电子鼻实现采后病害的监测提供依据。通过对果蔬挥发物的变化监测果蔬病变的情况，可以及时预警和防止果蔬病害发生。

电子鼻在采后病害监测大多都集中在侵染性病和机械损失害识别的研究上，在草莓^[69]、桃子^[70]、苹果^[71]、蓝莓^[72]、石榴^[73]、猕猴桃^[74]等多种果实采后病害早期识别方面均有报道（表 4）。吴嘉雯等^[75]综述了电子鼻在病害检测中的研究进展，特别是电子鼻可以鉴别单种病菌及预测发病果树病原菌的数量，也可以检测和识别不同病原菌的交叉感染。电子鼻在侵染性病害的早期识别中起着重要作用，其中机械伤的存在是果蔬侵染性病害发生的重要原因，对其识别有利于提前分拣出潜在发病产品，降低侵染性病害发生的可能性。在机械损伤病害检测中，电子鼻已被应用于番石榴^[76]、草莓^[77]、桃^[78]、苹果^[79]、杏^[80]等多种果实的检测。

此外，有少量关于电子鼻对生理性病害监测的应用研究。朱娜等^[81]建立基于电子鼻的Fisher判别模型用于桃冷害程度的预测，准确率达91.7%。Tan等^[82]则应用电子鼻对受冻害的橙进行监测，但识别准确度并不高。笔者认为生理性病害的电子鼻应用研究热度低主要有以下两个原因：一方面生理性病害不具有传染性，在采后过程中的危害低于侵染性病害；另一方面，生理性病害研究难度远高于侵染性病害，如柑橘枯水病、菠萝黑心病等病害引起的果实气味变化与果蔬自身由于环境成熟度不同引起的气味变化相似，较难区分，使用电子鼻进行无损检测的难度大、可操作性低。

5　电子鼻在果蔬农药残留检测中的应用

食品安全是生产中的核心问题之一，尤其是随着生活水平的提高，人们对食品安全的需求也在不断增加。其中，果蔬的安全问题主要体现在农药残留上。近年来，电子鼻开发为农药残留的快速准确检测提供了新手段和新思路^[83]。电子鼻在果蔬等农药残留检测中的应用具有广阔的前景和潜力。电子鼻能与其他检测技术相结合，提高农药残留检测的灵敏度和精确度，目前在苹果^[84]、茶叶^[85-86]、草莓^[87]、黑莓^[87]、灯笼果^[87]和红辣椒^[88]等果蔬中的农药残留检测方面已取得一些成果（表 5）。研究表明电子鼻在果蔬农药残留检测中能提供快速、准确的农药残留检测结果，为未来农药残留检测技术的发展提供了宝贵的参考。然而仍有许多果蔬和相关农药还未建立电子鼻快速检测体系，需要进一步开发更多适用于其他果蔬产品农药残留的快速检测方法，以满足绿色果蔬产品生产的需求。此外，由于不同农药残留物的安全要求标准不一，而且许多农药残留物含量极低，这就要求提升电子鼻传感器的稳定性、选择性和可重复性，以及数据处理和模型构建的复杂性。因此，未来还需要进一步优化电子鼻系统的设计和性能，提高其在农药残留检测中的适应性和可靠性。

6　结语与展望

采后作为农业生产链的最后一环，对实现精准化农业战略具有至关重要的作用，为此，需要发展适宜的采后精准化检测技术。电子鼻作为一种嗅觉仿生仪器，能够利用果蔬香气的变化，结合多种统计分析方法，实现对果蔬采后品质的无损、在线、综合评价。目前电子鼻已在很多领域有较多报道，具有广阔的应用前景，但在生理学病害和农药残留物检测方面仍存在一些问题和挑战，如传感器技术、数据处理方法和多技术融合检测等方面仍需要继续优化。为了提高电子鼻的检测效果和应用范围，建议在以下几个方面进行改进和创新：

（1）传感器技术。传感器是电子鼻的核心部件，其性能直接影响电子鼻的检测效果。目前电子鼻使用的传感器大多基于金属氧化物或导电高分子等材料，这些材料存在漂移、稳定性差、选择性低等缺点，导致电子鼻的响应信号不稳定、不可靠。因此，需要研发新型传感器材料，如纳米材料、生物分子、DNA等，以提高传感器的灵敏度和选择性。

（2）数据处理方法。数据处理是电子鼻的重要环节，其目的是从复杂的响应信号中提取有效的信息，实现对果蔬采后品质的分类和回归。目前电子鼻使用的数据处理方法大多基于统计学或机器学习等理论，这些方法存在建模复杂、参数调节困难、泛化能力低等缺点，导致电子鼻的识别率和预测精度不高。因此，需要发展新型数据处理方法，如深度学习、神经网络等，以提高数据处理的效率和准确度。

（3）多技术融合检测。多技术融合检测是指将电子鼻与其他检测手段结合起来，实现对果蔬采后品质的全面评价。目前电子鼻作为嗅觉仿生仪器，只能利用果蔬香气作为检测对象，这难以反映果蔬采后品质的多方面特征。因此，需要发展多技术融合检测系统，如将电子鼻与光谱技术、视觉成像等结合起来，以实现对果蔬采后品质的多维度、多层次、多参数的检测。

随着传感器技术、仿生材料及人工智能技术的大力发展，相信在不久的将来，专一化、智能化、实用化的新型电子鼻将真正应用到实际生产中，以满足果蔬采后品质精准化检测的需求。