共查询到10条相似文献，搜索用时 15 毫秒
1.
基于气味与颜色的脊尾白虾新鲜度评价 总被引：4，自引：3，他引：1
该文旨在建立一种检测脊尾白虾新鲜度的无损检测方法,利用电子鼻与色差仪研究在4℃冷藏条件下不同新鲜度脊尾白虾的气味和颜色的变化规律,分别建立气味、颜色、气味结合颜色的3种新鲜度等级预测模型,并进行比较分析。结果表明,根据LAB表色系统,b*值随脊尾白虾鲜度的劣变呈正向线性相关;电子鼻可将不同新鲜度等级的脊尾白虾进行准确区分,并确定了反映其新鲜度变化的气敏传感器有5个（S6、S7、S8、S9、S10）;利用气味、颜色、气味结合颜色建立的3个新鲜度等级预测模型都具有可行性（平均准确率≥90.0%）,其中气味结合颜色建立的预测模型准确率最高,达到98.8%,依次为气味、颜色模型。因此,可根据气味结合颜色的预测模型对脊尾白虾新鲜度等级进行预测。 相似文献
2.
电子鼻检测鸡蛋货架期新鲜度变化 总被引：19，自引：8，他引：11
该文旨在通过气味检测鸡蛋的新鲜度。利用德国AIRSENSE公司PEN3型电子鼻对鸡蛋在20℃,70%相对湿度条件下罗曼鸡蛋货架期的气味进行了无损检测。通过测定哈夫单位,建立了不同货架期气味与鸡蛋哈夫单位等级的对应关系。首先,分析并对比了第0天与第36天的完整鸡蛋与蛋液所产生气体的变化情况,确定氨氧化物、烷烃和醇类等是鸡蛋贮藏中产生的恶化气体。其次,结合电子鼻,利用主成分分析、线性判别等多元统计方法进行数据分析,对不同货架期、不同等级的鸡蛋进行归类区分,发现线性判别（LDA）效果优于主成分分析法（PCA）。结合载荷分析,确认了检测鸡蛋新鲜度的主要传感器S1、S2、S3、S5、S6、S8。初步证明了气体传感器和模式识别方法在电子鼻区分鸡蛋货架期新鲜度的可行性,为建立利用气体传感器监控鸡蛋新鲜度的方法提供实验基础和理论依据。 相似文献
3.
【目的】利用电子鼻和分光测色仪建立一套快速检测茶树叶片氮含量的无损伤检测方法。【方法】供试样品为茶树顶芽向下第3~4片无损伤叶片。在预实验中优化了气体收集瓶体积、顶空预热温度和顶空时间等参数。采用电子鼻自带Winmuster软件将经过优化后的传感器响应特征值进行主成分分析(principal component analysis,PCA)、线性判别法分析(linear discriminant analysis,LDA)和负荷加载分析(loadings analysis,LA),筛选出灵敏性最好的传感器。同时用分光色差仪对茶树叶片色度值进行测定。样品的测量部位是叶肉区,每组20次重复。色度值主要包括L (表示黑白或者亮暗)、a (表示红绿)、b (表示黄蓝)值。采用Origin 8.0软件对测色仪L、a、b值分别进行一元线性回归分析。利用SPSS 16.0软件采用LSD法进行单因素方差分析(one-way Anova),并进行t检验。对分光测色仪中色差指标进行筛选,以获得相关系数最高的参数。采用凯氏定氮法测定茶叶总氮含量。正式试验第二步是以不同氮含量下的电子鼻和分光测色检测数据为基础,分别建立气味、颜色、气味结合颜色的3种氮含量预测模型,并进行比较分析。【结果】通过预备试验,建立了气体收集器体积为50 mL、顶空预热温度为30℃、顶空时间为30 min的电子鼻检测体系。正式试验第一步确定了以对氮氧化合物灵敏(S2),对甲烷灵敏(S6),对无机硫化物灵敏(S7),对醇类、醛类、酮类物质灵敏(S8),对有机硫化物灵敏(S9)的传感器为主要传感器。根据L、a、b表色系统,b值与叶片缺氮程度呈线性相关。正式试验第二步利用气味、颜色、气味结合颜色建立的3个氮含量预测模型都具有可行性,其中气味结合颜色建立的预测模型准确率最高,达到90%。【结论】用气味结合颜色的预测模型预测茶树叶片氮含量准确度较高,可在实际工作中进行运用。 相似文献
4.
基于电子鼻传感器阵列优化的甜玉米种子活力检测 总被引：2，自引：5，他引：2
针对甜玉米种子活力传统检测方法操作繁琐、重复性差等不足,该研究利用电子鼻技术建立甜玉米种子活力快速检测方法。利用电子鼻获取不同活力甜玉米种子的气味信息,再结合主成分分析(PCA,principal component analysis)、线性判别分析(LDA,linear discriminant analysis)、载荷分析(loadings)和支持向量机(SVM,support vector machine)对气味信息进行提取分析,建立甜玉米种子活力的定性定量分析模型。结果显示:PCA和LDA分析均无法区分不同活力的甜玉米种子,而SVM的鉴别效果较好。全传感器阵列数据集SVM分类判别模型训练集和预测集正确率分别为97.10%和96.67%,建模时间为30.75 s,回归预测模型训练集和预测集决定系数R~2分别为0.993和0.913,均方差误差分别为2.23%和8.50%。经Loadings分析将10个传感器阵列优化为6个。优化后传感器阵列数据集SVM分类判别模型训练集和预测集正确率分别为98.55%和96.67%,建模时间为21.81 s,回归预测模型训练集和预测集决定系数R~2分别为0.982和0.984,均方差误差分别为3.80%和3.01%。结果表明:基于SVM的电子鼻技术可以实现对不同活力甜玉米种子的高效判别和预测,将传感器阵列优化为6个,判别和预测效果均有所提升。该研究为电子鼻技术应用于甜玉米种子活力检测提供理论依据。 相似文献
5.
基于虚拟仪器的淡水鱼鲜度电子鼻测量系统 总被引：6，自引：1，他引：5
新鲜度是鱼类或鱼类制品质量的一个重要指标,可以通过测量鱼体气味来评价其新鲜度。该文分析了鱼体死亡后产生的特征挥发性气体,确定了TGS822乙醇类及有机溶剂型传感器、TGS825硫化氢型传感器、TGS826氨气及胺类型传感器以及TGS832 卤烃型气体传感器等4类传感器作为淡水鱼电子鼻的传感器阵列,并采用虚拟仪器平台开发了电子鼻测量系统,用该测量系统对不同新鲜度的鲢鱼鱼肉进行了气味检测。试验结果表明,电子鼻传感器阵列的响应随样品新鲜度的变化而变化,采用PCA（主成分分析）对试验数据进行聚类分析,可以将鱼体新鲜、次新鲜和腐败（包括半腐败）的样本正确区分,证实了自行研制电子鼻测量系统的可行性和适用性。 相似文献
6.
基于电子鼻的鱼粉中挥发性盐基氮检测模型比较 总被引：7，自引：4，他引：3
挥发性盐基氮（TVB-N）是表征鱼粉新鲜度的主要指标之一,为了探讨基于电子鼻系统检测鱼粉新鲜度的可行性,研制了检测鱼粉中TVB-N质量分数的电子鼻测量系统。该系统主要由氧化锡气敏传感器阵列、便携式数据采集设备和基于LabVIEW的采集程序组成。利用该系统对不同TVB-N质量分数的鱼粉样本进行气味信号采集,同时对鱼粉样本中的TVB-N的质量分数采用半微量凯式定氮法进行检测,利用2σ准则对传感器响应值进行数据剔除处理,建立了鱼粉中TVB-N质量分数的主成分分析（PCA）、多元线性回归（MLR）、BP神经网络模型,并用预测样本对模型进行验证。试验结果为：3种模型TVB-N质量分数预测值与实测值之间的决定系数R2、预测标准误差SEP、最大相对误差RE-max及平均相对误差RE-mean分别为0.48、10.25、13.62%、6.06%;0.59、9.14、13.91%、5.57%;0.94、3.64、6.30%、1.88%。BP神经网络效果最好,多元线性回归次之,主成分分析最差。研究结果表明,利用电子鼻技术可以有效对鱼粉中TVB-N质量分数进行检测。 相似文献
7.
8.
基于电子鼻的带鱼货架期预测模型 总被引：6，自引：4，他引：2
为探索通过气味分析判断海产品贮藏品质的方法,利用电子鼻对带鱼在不同贮藏温度与贮藏时间下的挥发性气味变化进行了分析,对所获数据进行了主成分分析与货架期分析,并与理化品质指标值挥发性盐基氮（total volatile basic nitrogen,TVBN）相联系,建立了带鱼在273～283 K下的货架期预测模型。结果表明：电子鼻18个金属传感器能很好地将贮藏于273与283 K下的带鱼随着贮藏时间变化的气味进行区分。贮藏于不同温度条件下的带鱼的TVBN值与菌落总数值均随着贮藏时间的增加而增长,且均符合一级化学动力学模型（R2＞0.9）。基于电子鼻货架期分析获得的273～283 K下的气味变化结果与该温度下理化品质指标变化具有较好的对应关系,采用Arrhenius动力学模型推导公式求得带鱼在（273～283 K）温度段内TVBN的Q10（温差为10 K的货架寿命之比）值,对照该温度段下电子鼻货架期分析获得的气味变化货架期分析值,得到带鱼在该温度段内的Q10货架期预测模型,经验证,其预测误差小于20%。可根据获得的货架期预测模型对带鱼在273～283 K条件下的货架期进行预测。 相似文献
9.
基于高光谱成像技术的猪肉新鲜度评价 总被引：18，自引：5，他引：18
该文研究利用高光谱成像技术预测猪肉新鲜度参数,挥发性盐基氮(TVB-N)和pH值。在470～1000nm波长范围内,从高光谱图像中提取的反射光谱,分别经过2次Savitzky-Golay(S-G)平滑、多元散射校正(MSC)处理后,建立PLSR(偏最小二乘法)的预测模型。对TVB-N的预测,使用2次S-G平滑处理、MSC光谱建立的PLSR预测模型相关系数分别为0.90和0.89,预测模型标准差分别为7.80和8.05。对pH值的预测,经过MSC处理比2次S-G平滑处理的结果好,相关系数为0.79,预测模型标准差为0.37。同时综合2个参数利用MSC处理后的预测模型对猪肉新鲜度进行评定,准确率达91%。研究结果表明,高光谱成像技术可以用于猪肉新鲜度快速无损检测。 相似文献
10.
基于电子鼻的花生有害霉菌种类识别及侵染程度定量检测 总被引：4，自引：3，他引：1
针对花生霉变传统分析方法操作繁琐、时效性差等不足,该研究拟利用电子鼻气体传感技术建立起花生有害霉菌污染的快速检测方法。辐射灭菌花生籽粒分别接种5种谷物中常见有害霉菌(黄曲霉3.17、黄曲霉3.395 0、寄生曲霉3.395、寄生曲霉3.012 4和赭曲霉3.648 6),并于26℃、80%相对湿度条件下储藏9 d至严重霉变。利用电子鼻气体传感器获取不同储藏时期(0、3、6、9 d)花生样品的整体挥发性气味信息。最后,结合多元统计分析方法对电子鼻传感器响应信号进行特征提取,建立了花生中有害霉菌污染程度的定性定量分析模型。结果显示,主成分分析法(principal component analysis,PCA)可成功区分不同霉菌侵染程度的花生样品,线性判别分析(linear discriminant analysis,LDA)模型对样品不同储藏天数判别的准确率均达到或接近100%。花生中菌落总数的偏最小二乘回归分析(partial least squares regression,PLSR)模型的预测决定系数和预测相对均方根误差分别达到0.814 5和0.244 0 lg(CFU/g)。结果表明,应用电子鼻技术快速检测储藏期间花生霉变状况具有一定可行性,可为利用气味信息实现粮食霉菌污染的在线监测提供理论参考。 相似文献