基于电子舌检测的橙汁贮藏品质研究

为实现对不同储存时间的鲜榨橙汁品质进行客观、快速的评价,采用基于虚拟仪器技术的电子舌系统对6种不同储存时间下的鲜榨橙汁样本进行定性和定量分析。针对电子舌输出信号特点,分别采用主成分分析(Principal Component Analysis,PCA)和离散小波变换(Discrete Wavelet Transform,DWT)方法对输出信号进行预处理,以分类效果为依据,确定离散小波变换作为较佳特征提取方法。在此基础上,采用线性判别分析(Linear Discriminant Analysis,LDA)方法对不同储存时间鲜榨橙汁样本进行定性分析,然后采用粒子群优化最小二乘支持向量机(Particle Swarm Optimization Least Squared-Support Vector Machines,PSOLSSVM)对鲜榨橙汁的不同储存时间进行定量预测。结果表明:LDA结果中第一判别式(LD1)和第二判别式(LD2)的综合贡献率为95.7%,6种储存时间下的鲜榨橙汁样本均得到有效定性辨别;而PSO-LSSVM预测模型对鲜榨橙汁的不同储存时间具有较高的定量预测精度,其相关系数(R~2)、均方根误差、平均绝对误差分别为0.999 1,0.287 7,0.232 8。     

基于电子舌和模式识别的中成药品辨识方法研究

为了实现不同中成药品的快速区分辨识,采用基于虚拟仪器技术的伏安电子舌系统对治疗感冒病症的4种不同中成药品进行了检测分析。分别采用特征点提取(FPE)法和离散小波变换(DWT)法对电子舌输出信号进行预处理,以样本点的聚集性和分类效果为依据,确定较佳的特征提取方法为以db4为母小波进行的8层离散小波变换。在此基础上,分别采用主成分分析法(PCA)、聚类分析法(CA)和BP神经网络(BPNN)对不同中成药品进行区分辨识。结果表明,PCA结果中PC1和PC2累计贡献率为95.6%,除羚羊感冒片和银翘解毒片有重叠趋势外,其余各类得到有效区分;CA能够有效地观察出4种中成药品之间的差异程度,但4种药品最终被分成两类,区分效果较差;非线性分类模型BPNN对不同中成药品区分效果较好。通过优化实验,分别确定了模型的训练算法、激活函数和隐含层节点数目等参数,测试集验证表明,BPNN模型对4种中成药品的分类正确率达到100%。本研究结果可为中成药品的非感官质量评价和快速辨识研究提供技术参考。