共查询到17条相似文献，搜索用时 390 毫秒
1.
2.
苹果汁中鲁氏接合酵母早期污染的电子鼻识别研究 总被引：5，自引：0，他引：5
通过电子鼻(Electronic nose,EN)检测苹果汁气味,探索电子鼻识别苹果汁中鲁氏接合酵母早期污染的可行性。利用线性判别分析(LDA)研究电子鼻对不同污染时间苹果汁的区分能力。运用载荷分析研究各传感器对电子鼻早期识别鲁氏接合酵母污染的贡献。同时对苹果汁进行感官评定分析,作为验证电子鼻检测性能的参考。运用偏最小二乘回归(PLSR)分析电子鼻信号与酵母菌浓度之间的相关性,以期建立定量检测模型。结果表明实验菌株污染苹果汁12 h后,对应的酵母浓度小于200 CFU/m L,电子鼻能够识别污染样品,而感官评定人员在这个条件下无法区分污染样品与空白样品。载荷分析表明S1、S2、S6、S7和S8传感器在电子鼻识别鲁氏接合酵母早期污染中起到重要作用。PLS结果表明电子鼻信号与酵母浓度之间有很好的相关性,决定系数R2分别为0.97(校正集)和0.93(预测集),预测标准误差分别为0.28(校正集)和0.26(预测集)。上述结果表明利用电子鼻对苹果汁中鲁氏接合酵母早期污染进行识别预警是可行的,有望在食品微生物快速检测领域得到广泛应用。 相似文献
3.
4.
基于理化指标和电子鼻的果园荔枝成熟度识别方法 总被引：1，自引：0，他引：1
采用理化指标和电子鼻识别2种方法分别对6个成熟度(p1~p6)的果园荔枝进行识别。理化指标采样数据显示,荔枝果实直径、果核直径和果实净质量均随着果实的成熟而增大。p1—p4阶段,荔枝果皮绿色和黄色不断加深,亮度不断增大。p4—p6阶段,荔枝果皮亮度先增大后减小,颜色迅速变红,黄色成分先增加后减少。提取特征值后,采用主成分分析(PCA)、线性判别分析(LDA)、BP神经网络(BPNN)、简单相关分析(SCA)、典型相关分析(CCA)进行数据处理。理化指标识别法结合PCA和LDA对果园荔枝成熟度识别的正确率均为100%,能够较好地进行识别。但PCA识别结果中p1、p2和p3的距离较近,实际应用中易发生混淆。电子鼻识别法结合PCA和LDA分析均无法较好地对果园荔枝成熟度进行识别,电子鼻识别法结合BPNN对果园荔枝识别训练集的回判正确率为100%,测试集的识别正确率为92%,识别效果较好。SCA分析结果表明,在荔枝成熟过程中,除色差L*值外,其他各项理化指标均与电子鼻部分传感器的响应信号显著相关。CCA分析结果表明,电子鼻响应信号与理化指标整体相关性显著,电子鼻整体信号与部分理化指标相关性显著。证明了理化指标和电子鼻均能有效地识别水果品质信息变化,并为电子鼻替代理化指标识别法在水果品质信息监测上的应用提供了参考。 相似文献
5.
为提高电子鼻长期鉴别的稳健性,提出了一种基于小波分析的电子鼻信号去漂移方法。对含漂移信号的电子鼻数据进行小波分解,获得分解系数;构造一种相对偏差阈值滤波函数对小波逼近系数进行阈值处理,获得修正的小波系数;运用小波逆变换对修正后的小波系数进行重构,得到去除漂移或少漂移的电子鼻信号。对6种白酒样本随机生成的5组样本训练集与对应的测试集进行去漂移处理与信号重构,提取去漂移处理前后的电子鼻信号积分值特征,并运用Fisher判别分析(FDA)和BP神经网络分别对5组数据集进行鉴别分析。FDA鉴别结果显示,无论是训练集还是测试集,5组样本的鉴别正确率由去漂移前的最高值45%提升至去漂移后的100%。BP神经网络鉴别结果显示,5组样本的鉴别正确率由去漂移前的最高值31.7%提升至去漂移后的98.3%。这说明所给出的去漂移方法在白酒电子鼻的鉴别中是稳健有效的。同时,也为电子鼻鉴别其他物品提供了一种可借鉴的去漂移方法。 相似文献
6.
为了能够全面、快速分析鱼粉的新鲜度,将电子鼻与顶空固相微萃取气质联用技术结合,以挥发性物质含量辅助评价鱼粉的新鲜度。首先,采用顶空固相微萃取方法对18种储藏时间鱼粉的挥发性物质进行了分析,得到不同储藏时间鱼粉的挥发性物质种类和含量,以及挥发性物质变化规律;采用多元线性回归方法和最近邻回归方法对鱼粉各类挥发性物质和表征新鲜度的标记物与电子鼻传感器响应建立了模型。结果表明:顶空固相微萃取气质联用(Solid phase microextraction-gas chromatography-mass spectrometry,SPME-GC-MS)共鉴定出101种,主要包括醇类化合物、醛类化合物等11类挥发性物质,其中醛酮类化合物种类较多。随着鱼粉逐渐腐败,气味阈值较低的醛类化合物相对含量逐渐降低、酮类化合物相对含量逐渐升高,并出现了二甲基三硫、三甲胺等表征鱼粉新鲜度的标记物;在储藏过程中,醇类化合物相对含量呈先上升后下降趋势;酸类化合物、含氮化合物、含硫化合物相对含量则呈上升趋势。与多元线性回归方法相比,最近邻回归方法具有更好的预测能力,测试集相关系数在0.763 3～0.999 9之间,均方根误差在0.086 7%～8.465 5%之间。 相似文献
7.
采用电子鼻系统对秸秆饲料固态发酵过程阶段进行监测研究具有明显的应用意义。但是电子鼻系统传感器阵列中同一气敏传感器会对多种被测气体响应,导致采集数据含有冗余信息,因此有必要对电子鼻传感器阵列进行优化。本文基于因子分析法对电子鼻系统采集数据结合阶段状态信息进行分析,提出传感器阵列优化方法。并采用神经网络、支持向量机和高斯过程等模式识别方法对电子鼻系统传感器阵列优化组合采集数据进行过程状态识别模型建模。研究表明,传感器阵列优化有利于减少模型输入,降低模型复杂性,提高模型对过程状态的识别率。 相似文献
8.
为了快速辨识不同味觉品质的牛肉汁,对牛肉味觉品质等级进行划分,构建了由12个离子电极与1个参比电极组成的味觉传感器阵列,将该阵列应用于牛肉汁的等级辨识中,评价30组牛肉汁样品味觉品质等级。采用基于欧氏距离的聚类分析方法划分牛肉味觉品质等级。针对牛肉汁味觉品质评价自动化关键技术问题,对用于牛肉汁等级评价的传感器阵列进行了筛选优化。采用单因素方差分析对各离子电极响应信号之间的内在关联进行了研究,根据优化结果选择S1、S2、S5、S7、P2、P3离子电极构建新的传感器阵列,并对30组牛肉汁进行评价。试验结果表明:优化后的传感器阵列对牛肉汁的等级评定正确率为93.33%,高于未经优化的传感器阵列的等级评定正确率(80.00%)。 相似文献
9.
10.
11.
应用色敏传感器阵列(CSA)结合可见/近红外(Vis-NIR)光谱检测技术,对大米储藏时间进行鉴别。大米按不同储藏期(0、1、2、4、6个月)分为5组。色敏传感器由氟硼吡咯类色敏材料制成,与大米挥发性气体发生反应后,分别提取色敏材料的光谱数据。光谱数据经SNV算法预处理后,用Si-PLS算法提取3类光谱数据的最佳光谱区间并合成一个数据集。分别用遗传算法(GA)、无信息变量消除法(UVE)和蚁群算法(ACO)提取光谱变量。并结合主成分分析(PCA)和线性判别分析(LDA)进行模式识别。结果表明,用Si-PLS-UVE提取的光谱变量建立的LDA预测模型正确识别率最高。取主成分数为9时,训练集正确识别率为98%,校正集正确识别率为96%,为大米储藏时间的检测提供了一种可行的方法。 相似文献
12.
基于分形维和图像特征的牛肉大理石花纹等级判定模型 总被引：1，自引：0，他引：1
采集135个牛胴体眼肌样本,参照中国牛肉质量标准的大理石图版,由3人评定小组评定出每一个样本的大理石花纹等级,再用数码相机采集每一个样本的数字图像。用图像处理技术对每一幅图像进行降噪、分割等处理,提取出牛肉大理石花纹,并计算出牛肉大理石花纹的面积比率、总脂肪颗粒数和大小脂肪颗粒数;然后用变尺度的方法,测定出每个牛肉大理石花纹样本图像的计盒维数和信息维数;以这些参数为基础,分别建立牛肉大理石花纹等级判定的多元线性模型和多元多项式模型。实验结果表明,利用多元线性模型和多元多项式模型判定牛肉大理石花纹等级,预测正确率分别为75%和87.5%。 相似文献
13.
为了探讨高光谱图像技术对不同储存时间和取样部位的牛肉颜色检测的可行性,采集具有代表性的牛肉后腿、里脊和背脊共82个牛肉样品的高光谱图像,并测量其亮度、红度、黄度和饱和度等颜色参数.选取感兴趣区域获取样品代表性光谱,通过选择适宜的谱区范围和预处理方法,建立并评价了预测各颜色参数的偏最小二乘校正模型.对于亮度、红度、黄度和饱和度,校正集的相关系数分别为0.80、0.91、0.91和0.93,校正标准差分别为2.23、1.18、0.82和1.12,预测集的相关系数分别为0.92、0.88、0.87和0.89,预测标准差分别为1.66、1.45、0.80和1.27.研究结果表明,高光谱图像技术可用于快速无损检测不同储存时间下、不同部位的牛肉颜色. 相似文献
14.
提出了一种基于比色传感器数据和近红外光谱特征融合的储藏期面粉脂肪酸值的定量检测方法。开发比色传感器阵列、搭建便携式近红外光谱测量系统,分别采集不同储藏期面粉样本的比色传感器数据和近红外光谱。利用主成分分析分别对预处理后的比色传感器数据和近红外光谱数据进行特征降维,采用五折交互验证法在反向传播神经网络(BPNN)模型校正过程中进行优化,确定基于单技术分析模型的最佳主成分(PCs)个数。将优化后的基于单技术模型的最佳PCs在特征层进行融合,建立基于融合特征的BPNN分析模型,以实现对面粉储藏过程中脂肪酸值的快速检测。实验结果显示,基于比色传感器特征和基于近红外光谱特征建立的最佳BPNN模型的最佳PCs数量分别为3和4,基于融合特征建立的BPNN模型在预测集中的相关系数和预测均方根误差的均值分别为0.9276和1.9345 mg/(100 g)。研究表明,与单技术数据分析模型相比,基于比色传感器数据和近红外光谱特征融合模型的检测精度和泛化性能都有所提高。本研究可为粮食储藏品质的高精度原位监测提供一种技术方法。 相似文献
15.
16.
电子鼻漂移阈值构建及其在白酒鉴别中的应用 总被引：1，自引：0，他引：1
为了有效去除电子鼻漂移,提出了一种基于空载条件小波包分解的漂移去除方法。对电子鼻空载数据进行小波包分解,获得小波包分解的逼近系数集;在对其进行离散度分析之后,构建了空载条件下的一种阈值函数。在此阈值函数基础上,扩展成为样本(有载)条件下的去漂移阈值函数,进而发展成有载样本的漂移剔除方法。为了检验该方法的有效性及实用性,将其应用于4种白酒的鉴别中。对4种白酒电子鼻数据按测试时间顺序生成训练集和测试集,线性的Fisher判别分析结果表明,训练集、测试集数据处理后的鉴别正确率均得到了提高,最低提高值为23.65%。表明此方法能够提升电子鼻的检测能力。同时,为了进一步检验该漂移去除方法的性能,采用非线性的BP神经网络进行鉴别分析,结果显示:训练集的鉴别正确率从处理前的65.5%提高到处理后的100%,处理后的测试集鉴别正确率也达到了97.5%。这不仅说明了4种白酒的鉴别属较复杂的非线性分类问题,还充分说明了该漂移去除方法的有效性。 相似文献