[發明專利]一種監測腐敗菌繁殖的傳感器制備方法及快速檢測腐敗菌的方法

在審

• 申請號: 201810979015.5
• 申請日: 2018-08-27
• 公開（公告）號: CN109182443A
• 公開（公告）日: 2019-01-11
• 發明（設計）人: 鄒小波;石海軍;黃曉瑋;李志華;石吉勇;史永強;翟曉東;胡雪桃;徐藝偉
• 申請（專利權）人: 江蘇大學
• 主分類號: C12Q1/04
• 分類號: C12Q1/04;C12R1/225;C12R1/01
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種監測腐敗菌繁殖的傳感器制備方法，其特征在于，利用毛細管點樣法將氣敏材料固定在傳感器載體上，制成3×3的可視化傳感器陣列；所述氣敏材料為對優勢腐敗菌代謝產生有機酸、胺和含硫化合物具有靈敏響應的氣敏材料，包含6種卟啉或金屬卟啉和3種pH指示劑；

所述6種卟啉或者金屬卟啉，具體為四苯基卟啉、四苯基氯化鐵、四苯基氯化錳、四苯基卟吩鋅、四苯基卟吩銅、四苯基卟吩鈷；所述卟啉使用氯苯或者乙醇溶解，使用的濃度為0.01mol/L-0.09mol/L；所述3種pH指示劑，分別為甲基紅、中性紅、百里酚酞；所述pH指示劑使用氯仿溶解，使用的濃度為0.01mol/L-0.2mol/L；

所述傳感器載體為C2反相硅膠板或疏水濾紙。

2.根據權利要求1所述的一種監測腐敗菌繁殖的傳感器制備方法，其特征在于，所述毛細管點樣法，采用100mm×0.3mm或100mm×0.5mm型號的毛細管，每次點樣氣敏材料溶液的用量為0.01μL-0.09μL。

3.根據權利要求1所述的一種監測腐敗菌繁殖的傳感器制備方法，其特征在于，所述傳感器載體的尺寸為5cm×5cm至7cm×7cm的正方形。

4.根據權利要求1所述的一種監測腐敗菌繁殖的傳感器制備方法，其特征在于，所述腐敗菌為乳桿菌、腸桿菌、耶爾森菌和嗜冷桿菌。

5.一種利用如權利要求1-4任一項所述制備方法得到的傳感器快速檢測腐敗菌的方法，其特征在于，利用智能手機采集傳感器陣列圖像，并進行提取處理響應信號，結合模式識別區分優勢腐敗菌，包括：

步驟S1:設置圖像采集參數；先將智能手機固定在有穩定照明光源的拍攝位置，設置測光方式、感光度、曝光時間和白平衡的相機參數；

步驟S2:采集傳感器陣列圖像；在相同的位置和參數條件下，先采集傳感器陣列反應前的圖像，再將傳感器陣列與樣品進行反應，每隔a天后采集傳感器陣列圖像用于后期處理和分析；

步驟S3:圖像預處理；為了得到可視化傳感器陣列中氣敏材料的位置，先對圖像尺寸作等比例縮放，并轉化為灰度值為32的灰度值圖像；利用中值濾波的5×5模板對灰度值圖像進行去除噪聲，用于增強圖像效果利于后期處理；再通過Sober算子檢測圖像的邊緣，得到指示信息圖像的邊緣，接著借助輪廓提取算法檢測出氣敏材料的輪廓；最后用自適應閾值選取法分割出氣敏材料的圖形位置；

步驟S4:提取傳感器陣列的特征信號；提取氣敏材料上每個像素點的R、G、B平均值和ΔL、Δa、Δb、ΔE，傳感器與樣品反應后的R、G、B均值與反應前均值相減并取絕對值得到ΔR、ΔG、ΔB，將ΔR、ΔG、ΔB、ΔL、Δa、Δb和ΔE作為傳感器的特征信號X；

步驟S5:模式識別區分腐敗菌；獲得到的特征信號X內部的向量之間存在信息冗余，為提高模型的預測性能，借助主成分分析PCA對特征信息X進行預處理，用預處理后的數據建立線性判別LDA、K最近鄰算法KNN、人工神經網絡BPNN和支持向量機模型SVM預測優勢腐敗菌的類別。

6.根據權利要求5所述的快速檢測腐敗菌的方法，其特征在于，步驟S3中等比例縮放，是指將圖片壓縮至400-700像素大小。

7.根據權利要求5所述的快速檢測腐敗菌的方法，其特征在于，所述快速檢測腐敗菌的方法還包括樣品制備方法：將每個待測食品進行表面滅菌，經培養計數，每個待測食品樣本的細菌總數均小于10CFU/g，將滅菌后的100份待測食品，分為5組，每組20份，取其中4組分別放置在乳桿菌，腸桿菌，耶爾森菌和嗜冷桿菌菌液中浸泡15s后瀝干，剩余1組樣本作為對照組，所有樣本用真空包裝袋包裝后置于4℃冷藏保存；每隔5d取每組樣本進行腐敗菌總數檢測、揮發性成分檢測、嗅覺可視化檢測。

8.根據權利要求5所述的快速檢測腐敗菌的方法，其特征在于，所述快速檢測腐敗菌的方法采用基于智能手機安裝的APP實現。

9.根據權利要求8所述的快速檢測腐敗菌的方法，其特征在于，基于智能手機安裝的APP實現快速檢測腐敗菌的具體方法如下：

第1步，打開APP，點擊“掃描設置”按鈕，完成手機相機相關參數如：測光方式、感光度、曝光時間為和白平衡的參數設置；

第2步，點擊“模型選擇”，加載已建立好的模型，用于步驟S5中的模式識別區分優勢腐敗菌定性判別，同時，在服務器端可以建立新的識別模型或優化已有模型，該新的模型或優化的模型能夠被重新加載；

第3步，點擊“圖像采集”，在該界面實現“反應前圖像采集”、“反應后圖像采集”、“圖像處理與數據獲取”、“保存數據”和“歷史數據記錄”功能；

點擊“反應前圖像采集，此時采集與樣品反應前的傳感器陣列的圖像并保存至智能手機的儲存設備中；

點擊“反應后圖像采集”，相機在與上一次拍攝相同的參數下采集與樣品反應后的傳感器陣列的圖像并保存至智能手的儲存設備中；

點擊“圖像預處理與數據獲取”，執行圖像預處理、分割氣敏材料圖像并提取特性信息計算出可視化的差值圖像；

點擊“保存數據”或“歷史數據記錄”可分別實現數據保存和查看歷史數據的功能；

第4步，點擊“數據處理與分析”，在打開的界面中再點擊“數據預處理”，智能手機將在該界面中顯示步驟S5中PCA預處理后的三維分布圖，并把預處理后的數據上傳到云端服務器，由云端服務器對數據進行下一步分析；點擊“模型分析預測”將調用云服務器已建立好的數據模型進行處理，并輸出模型識別率至手機界面中。