AIRSENSE电子鼻文献 | 口腔恶臭的电子鼻测定评价方法研究

口腔恶臭的电子鼻测定评价方法研究

口臭是一种普遍的口腔问题，严重影响社交与心理健康，80%‑90% 口源性口臭来源于口腔微生物分解含硫氨基酸产生的挥发性硫化物与甲基类化合物。本文采用 AIRSENSE便携式电子鼻，以体外恒温孵化的人唾液构建口臭模型，建立电子鼻检测口腔恶臭的标准化评价方法，确定最优检测参数与特征传感器，为口腔除臭产品研发、口臭疗效评估提供客观的体外实验手段。

实验材料

唾液样本采集自 8 名健康志愿者。取样前 48 h 禁止摄入强气味食物，24 h 禁用香水、芳香类化妆品，12 h 禁止吸烟，尽量不进食饮水；取样当日晨起不刷牙，上午 8:30 统一收集全唾液，混匀后分装于无菌顶空瓶，剩余样本‑40 ℃冷冻保存。

实验仪器

AIRSENSE便携式电子鼻（10 个 MOS 传感器阵列）；数控超级恒温槽；振荡器。

AIRSENSE电子鼻检测参数：检测时间 60 s，数据采集间隔 1 s，传感器清洗时间 100 s，进样流速 100 mL/min。

实验方案

将分装后的唾液样本置于 37 ℃密封恒温孵化，设置孵化时间 1 h、3 h、6 h、9 h、12 h，记为 M₁、M₃、M₆、M₉、M₁₂；纯净水 M₀作为空白对照组，每组实验重复 3 次。

感官评价：5 名具备嗅觉评价经验的人员，采用 1‑6 分评分，1 分为无气味，6 分为无法忍受的恶臭，分数越高臭味越强。

AIRSENSE电子鼻检测：取不同孵化时间唾液顶空气体进样检测，记录传感器响应比值 G/G₀（G 为样品气体下传感器电导率，G₀为洁净空气下电导率）。

数据处理：SPSS 进行单因素方差分析、Duncan 多重比较；WinMuster 软件完成主成分分析（PCA）、线性判别分析（LDA）、Loadings 传感器贡献率分析；Origin 绘制图表。

结果与分析

01

感官评价结果

随着唾液孵化时间延长，微生物持续分解底物，样本臭味逐步升高。空白对照组 M₀评分为 1.00，孵化 12 h 样本 M₁₂感官评分达到 6.00；各组之间感官评分存在显著统计学差异 (P<0.05)，唾液体外孵化可以模拟由弱到强的口臭梯度。

02

电子鼻检测条件确定

观察传感器响应曲线，传感器信号快速上升至峰值后逐步衰减。在响应最大值附近 5 s，各个传感器信号分离度最高，区分效果最优；40 s 之后信号趋于平稳，不同传感器信号差异变小，分辨能力下降。因此选取传感器最大响应附近 5 s 的数据作为特征提取点。

对比不同孵化时长样本的信号，孵化 1‑9 h 部分传感器差异不显著；当孵化时间达到 12 h，全部 10 路传感器均出现显著差异，故选择 12 h 作为唾液模型的标准孵化时间。

03

关键传感器筛选

雷达图谱、方差分析结果显示，R₆(W1S，甲基类)、R₇(W1W，无机硫化物)、R₉(W2W，有机硫化物) 的响应值显著高于其余传感器，信号随孵化时间延长明显上升。孵化前期（1‑9 h）R₆增长较快，说明此时甲基类物质占主导；9‑12 h 阶段 R₇快速升高，无机硫化物大量生成。Loadings 分析也证实，R₆、R₇、R₉对主成分贡献最大，其余传感器接近原点，对口腔恶臭识别贡献很小。因此将 R₆、R₇、R₉作为评价唾液恶臭的特征传感器。

04

模式识别分析

PCA 分析：第一主成分贡献率 95.61%，第二主成分 4.00%，累计贡献率 99.61%，大于 95%，可以代表样本绝大部分气味信息。1 h 与 3 h、6 h 与 9 h 样本存在少量重叠，12 h 高恶臭样本可以实现明显分离。

LDA 判别分析：第一判别函数贡献率 73.27%，第二判别函数 18.51%，累计贡献率 91.78%。LDA 可以完全将孵化 12 h 高臭味样本和其余组别区分，判别效果优于 PCA。

05

电子鼻信号与感官评分相关性

将 R₆、R₇、R₉传感器响应值与感官评分进行拟合，二者呈现指数函数关系，三个传感器拟合决定系数 R² 均大于 0.9。说明电子鼻信号与人工感官评价结果一致性良好，电子鼻可以替代主观嗅闻实现恶臭强度评价。实验同时证实该体外唾液模型中，口腔恶臭主要致臭物质为挥发性硫化物与甲基类化合物。

结论

本研究确立AIRSENSE电子鼻评价唾液口腔恶臭的实验条件：传感器最大响应附近 5 s 提取特征信号，唾液 37 ℃恒温孵化 12 h 作为体外模型条件。R₆(W1S)、R₇(W1W)、R₉(W2W) 是识别口腔恶臭的核心传感器。PCA、LDA 能够区分不同恶臭等级的唾液样本，特征传感器响应值和感官评分高度相关，证实该唾液模型中口臭主要致臭物质为挥发性硫化物与甲基类化合物。

AIRSENSE电子鼻可以作为口臭相关产品体外筛选的客观检测手段，为口腔气味的数字化评价提供实验参考。