基于神经网络及电子鼻的虾夷扇贝鲜活品质评价及传感器的筛选

追踪检测虾夷扇贝品质变化过程中的存活指标,生理指标以及电子鼻气味图谱的变化,建立保活流通过程中不同等级的活品虾夷扇贝电子鼻气味指纹图谱,购买市场上不同状态的活品虾夷扇贝,分别通过学习向量量化(learning vector quantization, LVQ)、概率(probabilistic neural networks, PNN)、支持向量机(support vector machine, SVM)神经网络对测试样品快速模式分类,最后通过对电子鼻传感器的筛选探索便携式快速品质鉴别设备的可能性。研究结果表明,24 h的极端胁迫环境放置较为完整的模拟了虾夷扇贝在保活流通过程中状态变差的过程；将电子鼻数据主成分分析、聚类分析结果与存活指标(开口率、缩边率以及死亡率)和生理指标(超氧化物歧化酶活性、耗氧率以及海水浊度)相结合可以把品质变化过程中的虾夷扇贝分成5个等级,并分别得到每个等级的扇贝气味指纹图谱；3种神经网络均可以对测试样品等级进行快速测定,其中支持向量机(SVM)神经网络兼具精确和快速的特点,测试样本T全部预测为等级4,测试样本N全部预测为等级3,从交叉验证到仿真预测所用时间仅为7.652 s；筛选得到的8个电子鼻传感器也可以对不同等级鲜活虾夷扇贝气味特征进行有效区分。

Quality evaluation of live Yesso scallop and sensor selection based on artificial neural network and electronic nose