电子舌

电子舌的概述 　　现代科学对液体中的味道分成酸、苦、甜、咸、鲜等五种基本味道。电子舌(electronic tongue)，就是应用於分辨液体中味道判定及成份分析的仪器。它是一种可以在短时间内分辨和定量溶液中不同的味觉(taste)或化学成份的仪器。因此电子舌是仿生感测科技的一种，它模仿人?的舌头及味觉判定，相对於其他仿生感测科技；如人工耳、电子鼻而言，电子舌仍有许多未知领域待开发。电子舌具有分析快速，多用途及可以定性及定?溶液中化学成份的功能。因此其应用的?域很广泛，?如食品、工业、环境监测…等，可预期将来更可应用於医学检测、居家健检…等各方面。电子舌的原理 　　电子舌仪器的信号感测原理可以分成电化学式及光学式。电化学式又可以分成电压式，阻抗式及电容式感测原理，其原里为电极之感测材料层与物质产生生化反应产生电信号, 此信号可以为电压、阻抗或电容。电压信号的计量可以使用电表量测，阻抗及电容信号的计量则可以使用电感电容阻抗电表(LCZ meter)量测。电化学式原?的电极感测膜材料一般多使用脂质/高分子膜，商用产品也是如此。但是有一些研究者也尝试使用贵重金属电极作脉冲电压式的量测(pulsed voltammetry) 。例如巴西的研究者Mattoso [6]尝试使用六个不同导电性高分子为电子舌之感测电极，材料层为聚咇咯(polypyrrole)及聚苯胺(polyaniline)等类的材料，并以 LCZ 电表量测。电子舌的发展与应用现状
　　电子舌经历了一段较长的发展历程。近些年来，由于应用前景广阔，电子舌得到了很大发展。

　　1、多通道电极味觉传感器

　　这种传感器是第一个基于非特定传感器方法的液体分析多传感器系统，虽是1990年由Toko等人研制的，但它现在仍然是最具有选择性和广泛使用的味觉传感器。

　　这种传感器由8个含有类脂膜的电极组成，类脂膜用类脂物质组成。类脂膜把味觉物质的信息转换为电信号。每个类脂膜被安装在带一个洞的塑料管上，这样柱体内部就与外界隔离。管的末端用一个塞子封住，在塞子上安有Ag／Agcl电极。管子盛有3mol／L的KC1溶液。8个检测电极被分成两组，并与2个电极夹连接。电极由机械手控制。

　　味觉物质使类脂膜的电位发生变化，输出电信号。这个电信号是味觉物质味道的性质和强度，而不是味觉物质的数量。产生不同味觉特征的物质的响应模式不同，因此，可以很容易区分每一种味道。因为标准偏差小于1％，所以，复检性非常高。另一方面，味觉传感器具有与同一味觉组相似的响应模式，例如：酸物质的样本HC1、柠檬酸和醋酸具有类似的响应模式。NaCI，KC1，KBr这些咸物质，也具有类似的响应模式。对于其它味觉物质，如苦味、甜味和鲜昧，也适用。味觉传感器能响应它对应的味道，味觉传感器有对化学物质进行分子识别的能力。因此，使用多通道味觉传感器可以轻易地区分不同的饮料。

　　从多通道味觉传感器对33个品牌的啤酒的响应特征曲线的PCA结果可以看出：通过PCA数据处理后，第一主元与啤酒味道的浓烈度和清淡度有关，第二主元与啤酒的柔和度和强烈度有关。味觉传感器的最大优点就是不用对任何食物进行预处理，将饮料一倒进杯子就能检测出味道，使用味觉传感器能检测出味道随时间的变化。这种传感器也能用来分析胶状或固体食物，如西红柿，可以先用搅拌机碾碎它们；也可用来检测工厂排水的污染情况，许多污染物如CN一，Fe“，cu“，可以在几分钟之内检测出来。使用多样回归分析可以选择性地检测氰化物。

　　多通道电极味觉传感器对味觉物质的识别，实质上是基于类脂膜的。具有关文献介绍，味觉传感器系统的类脂膜具有典型的长期漂移的特征，这个长期漂移的特征依赖膜的成份和电势起伏现象。

　　2、伏安法电子舌

　　伏安法电子舌由一组贵金属的工作电极阵列组成，取代了传统方法中的单一电极。有两种伏安法：小振幅脉冲伏安法(SAPV)和大振幅脉冲伏安法(LAPV)。电子舌的应用选择了LAPV。用15～100mV的不同的电压值，每个电极收集了一些数据点。在数据处理过程中，选择起关键作用的数据点用来校准和识别。

　　使用有2个工作电极(铂和金)的电子舌检测不同饮料：9个品牌的桔子汁、两种类型的橙子汁软饮料、苹果汁和巴氏灭菌牛奶，发现这种电子舌能够区分不同种类的饮料，通过PCA来处理数据。用这种电子舌也能够检测饮料的老化、氧化等变化。

　　用有5个工作电极(铂、金、铱、钯、铑)的电子舌，来检测牛奶发酵和细菌滋生。检测牛奶的11个样本，打开包装要立即进行，然后，每隔30min得一个最大值。在2个牛奶样本中加入抑菌剂(叠氮化钠)来防止细菌滋生。借助于dip．slide试验，每2h检测牛奶样本中的细菌菌落，然后，用参考值来校准。通过局部最小二乘(PLS)回归算法和借助于反向传播人工神经网络(BPNN)来进行多变量校正。

　　有6个工作电极(铂、金、铱、钯、铑和铼)、2个离子选择电极(pH和氯化物)、二氧化物电极和导电率的结合了伏安法的合成电子舌，与温度传感器一起用来识别发酵牛奶样本，用PCA和BPNN(反向人工神经网络)来处理数据，BPNN用来分类。已经证明：伏安法、电势分析法和电导分析法的结合，可改善电子舌的识别能力。

　　伏安法具有高敏感性、多功能性、简单性和鲁棒性，所以，伏安法成为广泛使用的分析技术。但这种方法还存在一些问题，如发生在不同贵金属电极上的化学反应的差别还不清楚；伏安法电子舌对细菌的敏感特性不清楚。

　　3、生物传感器生物传感器由敏感元件和信号处理装置组成。敏感元件又分为分子识别元件和换能器两部分，分子识别元件一般由生物活性材料，如酶、微生物及DNA等构成。依据换能器介质的不同，生物传感器可分为电化学生物传感器、光生物传感器及压电生物传感器[6；也可按活性材料的不同划分。生物传感器可用于对气体或液体的检测，这里介绍的是几种用于液体检测的生物传感器(电子舌)。

　　生物传感器可用于食品中残留农药的检测，如有一种生物传感器，使用人造酶为活性材料，利用有机磷杀虫剂水解酶，对硝基酚和二乙基酚的测定极限为10～mol，在4|D℃以下测定只需4min，可用于测定食品中残留的有机磷杀虫剂。

　　在现代医学，生物学大分子检测已成为临床诊断的重要手段，人们开始探索用生物传感器检测生物学大分子，其中，石英谐振式生物传感器是近年发展起来的用于生物学大分子检测的一种新型生物传感器’。这种生物传感器是利用石英晶体的压电效应来实现能量转换和信号传感的。它通过分子识别元件感知样品中是否含有或含有多少待测生物学大分子靶序列，换能器将感知的信号转换为可观察的信号。石英谐振式生物传感器的研制，起源于1959年Sauerbrey等人的研究。这种传感器的优点是能动态、定量地监测对象，在液体中可直接获取信息，可实现单样本多指标或多样本单指标的检测。石英谐振式生物传感器为临床上病原性微生物的检测以及多种疾病的早期诊断提供了一种全新的方法。

　　微电极阵列电化学生物传感器，也是近年来受到关注的一种生物传感器。这种传感器以电导、半导体或离子导电的材料构成电极，上涂有一层生物化学薄膜作为敏感膜，如，YonHin和ZhuJian—zhong等人在微电极上固定葡萄糖氧化酶制作了微型葡萄糖传感器J。Kim等人用MEMS技术制作了用于全血分析的微型生物传感器，这种传感器的工作电极由30×30的微阵列电极构成，单个电极的直径为6m。

　　生物传感器大量应用于临床和食品检测上，也可用于环境水质检测。据文献介绍，一种尿素酶生物传感器_l，可以检测水中的重金属离子，其原理是重金属离子会抑制酶的活性。这种传感器把脲酶固定在对氨离子敏感的FET表面，形成了尿素酶场效应管(LlI~aenzymeFET)。把尿素酶生物传感器浸入1．0×10。mol／L尿素溶液中，等到输出电压信号稳定后，向尿素溶液中加入汞离子溶液，浓度逐渐增大。试验结果表明：加入汞离子，会迅速对固定酶产生抑制(t=5min)，测量的电信号也随之下降。当汞离子浓度逐渐增大到10mol／L时，酶的剩余活性几乎全部被抑制，检测的下限为5×10一mol／L。检测汞离子的试验，证明了尿素酶生物传感器应用于水质监测的可能性。

电子舌与电子鼻的结合
　　不论人或动物，鼻子和嘴总是离得很近，客观上造成了从不同角度对同一食物同时识别的可能。后来，人们研究发现，各种各样的食物、饮料，同时具有味觉和嗅觉的特征。对物质分析，同时使用电子舌与电子鼻，显然比单独使用其中一个要精确的多。

　　用电子舌与电子鼻的结合检测酒是一个比较典型的例子。酒具有味觉和嗅觉的特征，是由于芳香族分子在液体和气体状态下是不同的。用电子舌与电子鼻检测四种不同的酒，从检测中分别得到八和四维的数据阵列。因为这两种传感器的输出量不同，所以，必须有一个标准化过程。

　　每一个数据集合被标准化后，对每一个四种不同酒的检测得到一个十二维的数据阵列。两个数据集合的组合已经在十二维空间导致样本的一种新的表示法，这种表示法同时包含关于被测样本的从电子舌与电子鼻产生的信息。

　　对四种酒的区分效果是令人满意的。在主元平面组件的相关配置与电子鼻情形相似，在电子舌的作用下，成功地达到红酒(2和5)和白酒(1和4)的组件之间地相对大的间距要求。

　　对用电子舌与电子鼻的结合来区分酒以外的其它饮料也进行了研究…。电子鼻有10个催化活性金属，如铂、铱、钯为栅极的MOSFET(金属氧化物半导体场效应晶体管)传感器和4个金属氧化物(Taguchi)传感器。电子舌由6个金属伏安电极组成。用这两种传感器对苹果汁、橙子汁和菠萝汁的4个样本进行检测。由PCA和PLS进行数据处理，其中，PLS用来建立一个数字的分类模型。从PCA知道单独使用电子鼻不能区分苹果汁和菠萝汁。另一方面，当单独使用电子舌数据时，橙子汁样本不能完全从苹果汁中区分出来。通过分别使用每个数据集合，PLS模型能准确区分所有的样本。当把两种传感器的数据结合起来时，能改善分类能力。