金耳是一种具有悠久食药用历史的的菌种,金耳多糖具有降血糖、提高免疫力等多种药理作用。随着液体深层发酵技术的不断发展,金耳菌丝体开始大规模培养。金耳深层发酵过程异常复杂,而现有的过程监测技术难以满足全面了解菌体代谢特性的需要,随着金耳深层发酵工业化生产程度的加深,对发酵过程进行全面监测的需求也越来越迫切。电子鼻和电子舌技术是最近快速发展的智能检测技术,本课题拟采用电子鼻和电子舌技术进行金耳深层发酵过程的监测方法研究。研究的主要内容和相关结论如下:(1)金耳发酵过程中发酵液关键理化指标变化情况检测分析。菌体干重、还原糖和总糖含量与菌体增殖代谢过程密切相关,其中菌体干重反映了菌体生物量的变化情况,金耳菌体经过短暂的适应后,进入了对数生长期,菌体干重增加迅速,进入稳定期后变化趋于平缓。还原糖作为供能物质之一,随着金耳菌体生物量的增加,其含量不断降低。金耳发酵的第四天,由于金耳多糖的大量释放,导致发酵液中总糖含量的变化由降转增。(2)基于电子鼻技术的金耳深层发酵过程监测方法研究。构建电子鼻系统,优选了7根气敏传感器组成电子鼻传感器阵列。将金耳发酵过程分为三个阶段,分别对应菌体增殖的延滞期、指数期和稳定期。分别利用主成分分析(PCA)和独立分量分析(ICA)提取特征,构建K最近邻(KNN)发酵阶段预测模型。两种模型对预测集样本的识别准确率分别为97.14%和100.00%。根据天数的不同将发酵过程分为七个阶段,所建模型对预测集样本的识别准确率分别为88.57%和97.14%。以电子鼻响应的PCA和ICA特征作为输入,金耳发酵液关键理化指标作为输出,利用支持向量机(SVM)和误差反向传播神经网络(BPNN)两种算法构建定量预测模型。结果显示,基于ICA的SVM模型对总糖预测效果最好,相关系数(Rp)和预测集均方根误差(RMSEP)分别为0.938和3.500g/L。基于ICA的BPNN模型对还原糖的预测效果最好,Rp和RMSEP分别为0.953和2.156g/L。对菌体干重ICA联合BPNN所建模型预测效果最好,Rp和RMSEP分别为0.958和3.044g/L。(3)基于电子舌技术的金耳深层发酵过程监测方法研究。可以依据三维主成分图分析结果将金耳发酵分为三个阶段。而后分别建立基于PCA和ICA的KNN发酵阶段预测模型。两种模型对预测集样本的识别准确率均达到100%。将金耳发酵分为七个阶段时,两种模型对预测集样本的识别准确率分别为97.14%和100.00%。分别提取电子舌响应的PCA和ICA特征,采用SVM和BPNN算法构建金耳发酵液关键理化指标定量预测模型。结果显示,不同方法建立的模型均可以很好的预测发酵液中的总糖、还原糖和菌体干重。基于ICA建立的SVM模型对总糖和还原糖的预测效果最好,Rp分别为0.908和0.975,RMSEP分别为4.350g/L,4.579g/L。基于ICA建立的BPNN菌体干重预测模型效果最优,Rp和RMSEP分别为0.953和3.179g/L。(4)基于电子鼻和电子舌技术融合的金耳发酵过程监测方法研究。提出采用主成分特征融合和独立分量特征融合两种融合方法,结合BPNN和SVM算法构建总糖、还原糖和菌体干重定量预测模型。其中,基于ICA建立的SVM模型预测效果最好,对预测集样本中总糖、还原糖含量和菌体干重的的预测结果如下所示:Rp分别为0.960,0.987,0.970,RMSECV分别为2.574/L,2.293/L,2.527g/L。与采用单一技术建立的模型相比,基于电子鼻和电子舌技术融合方法建立的定量模型的预测能力有所提升。研究表明,电子鼻和电子舌技术在金耳发酵监测中取得了较为满意的结果。所建立的基于电子鼻和电子舌融合的定量预测模型达到更高的精度,在金耳深层发酵过程监测中有广阔的应用前景。