电子鼻技术在猪肉新鲜度识别中的应用

根据猪肉的气味特征,建立了一套用于猪肉新鲜度识别的电子鼻系统。通过分析猪肉的腐败机理,合理选用了气敏传感器阵列。依据猪肉的新鲜度模式,确定了遗传优化的组合RBF神经网络作为模式识别方法。试验结果表明,本文的电子鼻系统对猪肉新鲜度的识别率达95%,优于其它识别系统。     

电子鼻检测猪肉新鲜度的研究

本实验用电子鼻技术检测了猪肉在不同实验条件下挥发性成分的变化,考察了保存温度和时间对猪肉挥发性成分的影响。通过对在5、15、25℃保存不同时间的猪肉样品进行电子鼻检测得出：电子鼻输出信号随采集时间的延长而增加,对输出信号与采集时间的关系进行数据分析,发现电子鼻输出信号与采集时间和采集时间的0．5次方呈线性关系,可以用其斜率表示各个样品的特征值;电子鼻输出信号的特征值随猪肉样品保存温度的升高而增加,也随保存时间的延长而增加。初步实验研究表明,在不同实验条件下,猪肉挥发性成分发生变化,电子鼻可检测到这些变化,因此可尝试用电子鼻技术评价猪肉新鲜度的变化。     

电子鼻检测不同贮藏温度下猪肉新鲜度变化

采用电子鼻研究冷却猪肉在不同贮藏温度(－ 18、0、4、10、20℃)条件下新鲜度变化规律。选用优化后的进样体积(1500μL)进样,对实验数据进行主成分分析(PCA)、货架期模拟及拟合感官评分的偏最小二乘回归分析(PLS)。结果表明：5 种温度条件下贮藏不同时间肉样挥发性气味差异显著,贮藏温度越高肉样新鲜度发生显著下降时刻越早,预测时间分别为336、180、72、48、18h。对4、20℃条件下电子鼻检测数据与感官评分拟合后进行PLS 分析,相关系数分别高达0.9982和0.9998,表明电子鼻能代替感官评定。逐一选取每一根传感器进行PLS 拟合后发现,TA/2、T40/1、T40/2、P30/2、P40/1、P10/2、P10/1 是对不同新鲜度肉样挥发性气味具有良好特异性响应的传感器。     

电子鼻传感器阵列优化对猪肉新鲜度法的检测

用电子鼻检测猪肉新鲜度时,传感器阵列的冗余信息会带来负面影响。为了提高识别的准确性,根据猪肉散发的气味选择初始的传感器阵列,利用方差分析方法剔除重复性和区分度不明显的传感器;再通过变异系数分析、相关系数绝对值累加和最小分析、主成分分析(principal component analysis,PCA)第2主成分系数分析,筛选出了适合检测猪肉新鲜度的传感器阵列的优化阵列。本研究采用逐步判别法筛选出合适的特征值,并用贝叶斯判别方法对传感器阵列优化前后的数据进行对比分析。结果表明:通过对传感器阵列的优化,识别率由优化前的86.8%提高到优化后的98.9%。研究表明,本实验的传感器阵列优化方法可以大大提高电子鼻对猪肉新鲜度的识别准确性。     

电子鼻定量检测淡水鱼新鲜度的方法研究

挥发性盐基氮(total volatile basic nitrogen,TVB-N)值是定量评价淡水鱼新鲜度的重要指标之一,为了寻求更加准确检测TVB-N值的有效方法,自行设计了电子鼻系统。该系统由金属氧化物感器阵列、数据采集卡、信号调理电路以及数据采集与处理程序构成。以鲢鱼为研究对象,利用电子鼻系统对其新鲜度进行检测。以传感器阵列响应值作为自变量,以鱼肉TVB-N值作为因变量,分别采用多元线性回归(multiple linear regression,MLR)、主成分回归(principal component regression,PCR)和反向传播神经网络(back propagation neural network,BPNN)建立了TVB-N值的预测模型。通过测试样本对3种模型进行验证,MLR预测模型对TVB-N的预测值与测量值之间的相关系数R、预测标准误差SEP、最大误差百分比RE-max及平均误差百分比RE-mean分别为0.65、5.11、7.45%和5.04%;PCR预测模型分别为0.80、2.77、5.64%和3.15%;BPNN预测模型分别为0.97、1.56、3.51%和2.18%。结果表明:BPNN预测模型性能最优,PCR预测模型性能次之,MLR预测模型性能最差。该研究为定量化检测淡水鱼新鲜度的检测提供了一种有效的方法。     

基于电子鼻的鸡蛋新鲜度检测

鸡蛋新鲜度检测十分重要,为实现无损检测鸡蛋新鲜度,该文利用电子鼻技术,通过挥发物的检测来尝试对20℃、70%RH贮藏条件下的鸡蛋新鲜度进行预测。并测量鸡蛋的理化指标(哈夫单位和蛋黄指数)作为新鲜度的衡量标准。通过线性判别分析对储藏不同天数的鸡蛋进行分类分析,发现线性判别分析能较好地区分不同储藏天数的鸡蛋,判别函数的总贡献率为75.70%;利用多元线性回归和BP神经网络分析法建立电子鼻响应信号和鸡蛋理化指标之间的关系模型,所建多元线性回归模型的相关系数达0.84以上,相对误差在8.00%左右;所建BP神经网络模型的相关系数达0.84以上,相对误差在9.00%左右。说明电子鼻技术对鸡蛋新鲜度具有一定的预测能力,该研究可为鸡蛋新鲜度的无损检测提供参考。     

基于电子鼻的鲢鱼新鲜度评价

采用电子鼻对不同保藏时间的鲢鱼样品进行分析。研究表明:随着保藏时间的延长,传感器的响应强度逐渐增强。在主成分分析图中,不同保藏时间的样品可以相互区分,样品的分布随着保藏时间的延长呈规律性的变化。电子鼻响应值与微生物和理化指标之间有良好的相关性。电子鼻可以用于鲢鱼新鲜度的评价。     

基于电子鼻、电子舌技术的荣昌猪肉及其制品贮藏过程新鲜度检测研究

目的 探究电子鼻、电子舌对贮藏期间荣昌猪肉及其制品新鲜度变化的检测效果。方法 测定贮藏期间荣昌猪肉及其制品菌落总数(total viable count, TVC)、挥发性盐基氮(total volatile basic nitrogen, TVB-N)及感官特性的变化,并以此划分其新鲜度等级。同时,采用电子鼻、电子舌分别对贮藏期间荣昌猪肉及其制品进行检测,运用线性判别分析(lineardiscriminantanalysis,LDA)、传感器贡献率分析(Loading)、主成分分析(principal component analysis, PCA)识别荣昌猪肉及其制品的新鲜度。结果 电子鼻能够检测到荣昌猪肉及其制品在贮藏期间的气味变化,并能够对其新鲜度进行区分,而传感器W1W对应的硫化物类的变化是电子鼻检测其新鲜度的主要依据。电子舌能够很好地区分贮藏期间荣昌猪肉及其制品的滋味变化,并能够区分其新鲜度。结论 利用电子鼻、电子舌技术能够识别不同新鲜度的荣昌猪肉及其制品,为进一步研究荣昌猪肉及其制品新鲜度快速检测提供方法参考和理论依据。     

猪肉新鲜度检测方法综述

综述猪肉新鲜度检测的重要意义、主要方法、原理和优缺点,比较各常用方法的准确性。概述当前国内外猪肉新鲜度检测的新方法,分析猪肉新鲜度检测的研究方向。     

基于电子鼻快速检测罗非鱼新鲜度研究

气味是判断水产品质量的重要指标,利用电子鼻检测4℃下不同贮藏时间的罗非鱼的气味,并对实验数据进行主成分分析(PCA)和判别因子分析(DFA),再结合挥发性盐基氮,用最小二乘法将罗非鱼新鲜度与电子鼻数据建立对应关系。结果表明:主成分分析与判别因子分析均能在二维平面内将不同新鲜度的罗非鱼区分开,贡献率分别达到99.787%和95.745%。TVB-N与电子鼻检测罗非鱼气味的数据经最小二乘回归分析(PLS)有着高度的相关性,决定系数(R2)为0.9907。     

基于电子鼻的不同去势猪肉风味品质评价

实验分别对免疫去势公猪肉、手术去势公猪肉和完全公猪肉进行电子鼻检测,并采用主成分分析、线性判别式分析和交互验证判别分析分别对电子鼻15s、30s和60s响应值进行统计处理。结果表明,主成分分析效果不好,三个处理组几乎完全重叠;线性判别式分析结果显示,采用15s响应值其区分效果及聚类效果最好,完全公猪组的气味显著地区别于免疫去势和手术去势组,且免疫去势组的气味与手术去势组相似;对15s、30s和60s响应值进行交互验证判别分析,总体正确率依次为90.0%、83.3%、66.7%,由各组的正确率可知,完全公猪组的正确率最高,正确率稍低的30s和60s响应值的分析结果显示,手术去势组和免疫去势组较易混淆,说明这两组气味相似。综上所述,电子鼻的检测结果显示,手术去势组和免疫去势组的气味相似,且均与完全公猪组有较大差异。     

基于电子鼻和神经网络的牛肉新鲜度的检测

本文对一批新鲜牛肉进行感官评价、挥发性盐基氮检测、微生物含量检测和电子鼻检测,检测时间为冷藏第0、3、5、7、10、12、14 d。应用电子鼻第50 s的响应信号建立牛肉样品的模式识别分析模型。运用马氏距离分析牛肉样品新鲜度的变化,样品与新鲜样品间的马氏距离随冷藏时间的延长而增大,在冷藏5 d后,样品的质量有明显跃变;运用主成分分析和线性判别分析区分不同冷藏时间的样品,除第0~5 d样品有部分重合外,其他天数样品都能很好区分;利用逐步判别分析进行冷藏时间判别,正确率为96.19%;分别采用BP神经网络(BPNN)和广义回归网络(GRNN)建立牛肉冷藏天数与感官理化指标间的相关模型,实验表明GRNN模型效果较好,该模型对冷藏时间、挥发性盐基氮(TVBN)、细菌总数和感官得分的预测误差Se分别为1.36 d、4.64?10-2 mg/g、1.61×106cfu/g和1.31。     

基于电子鼻技术的鲈鱼新鲜度评价

采用电子鼻获取不同保藏时间鲈鱼(Lateolabrax japonicus)鱼鳃和鱼肉的气味信息,通过对数据进行主成分分析(PCA)、线性判别分析(LDA)和负荷加载分析,并结合感官评价、挥发性盐基氮(TVB-N)和菌落总数进行分析,建立一种基于电子鼻技术判别鲈鱼新鲜度的方法。结果表明,随着保藏时间的延长,电子鼻传感器的响应强度逐渐增大,鲈鱼鱼鳃和鱼肉的气味随之发生变化,且鱼鳃的气味响应强度大于鱼肉,其中2号传感器对第1主成分的贡献率最大;电子鼻分析结果与感官、TVB-N值和菌落总数结果基本一致。因此电子鼻可以用来区分不同新鲜度的鲈鱼,鱼鳃的区分效果优于鱼肉。     

基于电子鼻对水蜜桃货架期评价的研究

利用PEN3 电子鼻系统对早熟“久保”水蜜桃采后7d 货架期内的芳香成分进行检测分析,先通过电子鼻系统动态采集水蜜桃芳香成分并得到了电子鼻的响应值,再利用PCA(主成分分析)、LAD(线性判别)模式识别方法进行数据分析。结果表明LDA 方法能够更好地区分第1 天、第2～4 天和第5～7 天货架期的水蜜桃,进行交叉确认分析后,对第1 天、第2～4 天和第5～7 天的水蜜桃货架期区分准确率达91%,同时采用负荷加载(Loading )分析方法可以得知,传感器W1S(甲烷)、W2S(乙醇)、W2W(硫化氢类)对水蜜桃货架期的评价起主要作用,这为进一步优化传感器以及探索方便快捷的水蜜桃无损检测技术提供了依据。     

电子鼻在秋刀鱼鲜度评定中的应用

为建立秋刀鱼鲜度快速评定方法,研究了秋刀鱼于4℃条件下感官评分、TVB-N、TBARS、细菌总数以及电子鼻检测信号的变化情况。结果表明,秋刀鱼在冷藏过程中感官评分呈下降趋势,贮藏前期气味劣化是总评分降低的主导因素;TVB-N值在贮藏前期变化较小,第5 d开始呈显著增加(p0.05),11 d时接近0.30 mg/g的界限值;TBARS含量在贮藏过程中迅速增加;细菌总数的变化与TVB-N值的变化趋势较为一致,第11 d时接近7.0 Log10 CFU/g的界限值。综合感官、生化和微生物指标,秋刀鱼在4±1℃条件下一级鲜度可保持3 d,二级鲜度可保持至第7 d,货架期为9~11 d。冷藏过程中秋刀鱼样品在PCA的二维图形上倾向于聚类分布,且特征区域没有重叠,电子鼻可以很好的表征秋刀鱼的鲜度变化,同时与感官评分、生化指标以及微生物指标指示的鲜度等级基本一致。研究结果将为秋刀鱼鲜度的快速评定提供技术参考。     

Application of Electronic Nose for Measuring Total Volatile Basic Nitrogen and Total Viable Counts in Packaged Pork During Refrigerated Storage

The objective of this study was to predict the total viable counts (TVC) and total volatile basic nitrogen (TVB‐N) in pork using an electronic nose (E‐nose), and to assess the freshness of chilled pork during storage using different packaging methods, including pallet packaging (PP), vacuum packaging (VP), and modified atmosphere packaging (MAP, 40% O₂/40% CO₂/20% N₂). Principal component analysis (PCA) was used to analyze the E‐nose signals, and the results showed that the relationships between the freshness of chilled pork and E‐nose signals could be distinguished in the loadings plots, and the freshness of chilled pork could be distributed along 2 first principal components. Multiple linear regression (MLR) was used to correlate TVC and TVB‐N to E‐nose signals. High F and R² values were obtained in the MLR output of TVB‐N (F = 32.1, 21.6, and 24.2 for PP [R² = 0.93], VP [R² = 0.94], and MAP [R² = 0.95], respectively) and TVC (F = 34.2, 46.4, and 7.8 for PP [R² = 0.98], VP [R² = 0.89], and MAP [R² = 0.85], respectively). The results of this study suggest that it is possible to use the E‐nose technology to predict TVB‐N and TVC for assessing the freshness of chilled pork during storage.