尝试采用可视化嗅觉技术对鲢鱼K值进行快速定量预测。利用可视化嗅觉技术对4℃恒温条件下不同冷藏天数的鲢鱼进行无损检测,获取可视化传感器阵列对样品顶空挥发性气体的响应信号;同时,利用高效液相色谱法检测鲢鱼体内三磷酸腺苷关联物...尝试采用可视化嗅觉技术对鲢鱼K值进行快速定量预测。利用可视化嗅觉技术对4℃恒温条件下不同冷藏天数的鲢鱼进行无损检测,获取可视化传感器阵列对样品顶空挥发性气体的响应信号;同时,利用高效液相色谱法检测鲢鱼体内三磷酸腺苷关联物的含量,算出K值;然后,采用偏最小二乘法(Partial least squares,PLS)和遗传算法偏最小二乘法(Genetic algorithm-partial least squares,GA-PLS)建立基于鲢鱼气味特征信息与K值的定量预测模型。结果显示,经遗传算法(GA)优化后原变量可从48个减少到18个,传感器可减少至11种;利用筛选出的变量建立的GA-PLS模型对鲢鱼K值的预测效果更好,预测均方根误差RMSEP=0.04,预测集相关系数Rte=0.93。研究结果表明,鲢鱼K值的实测值与预测值的相关性很高,可视化嗅觉技术能够用于定量预测鲢鱼K值。本研究为鱼类鲜度检测提供了一种准确、快捷、低成本的无损检测方法。展开更多
以托盘包装冷鲜牛腱为研究对象,选择蓝莓、玫瑰、菠菜、黑豆、黑米、柑橘皮、紫葡萄、姜黄和玫瑰茄共9种天然色素原材料制作3×3矩阵的嗅觉可视化阵列,利用色素气体可视化传感器来提取牛肉储藏期间的挥发性气味信息,同时测定挥发性...以托盘包装冷鲜牛腱为研究对象,选择蓝莓、玫瑰、菠菜、黑豆、黑米、柑橘皮、紫葡萄、姜黄和玫瑰茄共9种天然色素原材料制作3×3矩阵的嗅觉可视化阵列,利用色素气体可视化传感器来提取牛肉储藏期间的挥发性气味信息,同时测定挥发性盐基氮(total volatile base nitrogen,TVB-N)和细菌总数(total viable count,TVC),将天然色素气体可视化传感器阵列与挥发性气体成分反应前后产生的红绿蓝(RGB)颜色变化值作为响应信号,利用偏最小二乘法(partial Least Square,PLS)和最小二乘支持向量机(least-squares support vector machine,LS-SVM)来建立气体可视化传感器阵列响应信号与牛肉TVB-N含量和TVC值的相关回归模型,定量预测牛肉的新鲜度。结果表明,LS-SVM的定量预测模型最佳,TVB-N和TVC含量的LS-SVM模型的预测集均方差RMSEP分别为65.66 mg·kg^(-1)和0.383 log(cfu·g^(-1)),校正集预测值与实测值的相关系数R_p分别为0.863 4和0.854 7。展开更多
文摘尝试采用可视化嗅觉技术对鲢鱼K值进行快速定量预测。利用可视化嗅觉技术对4℃恒温条件下不同冷藏天数的鲢鱼进行无损检测,获取可视化传感器阵列对样品顶空挥发性气体的响应信号;同时,利用高效液相色谱法检测鲢鱼体内三磷酸腺苷关联物的含量,算出K值;然后,采用偏最小二乘法(Partial least squares,PLS)和遗传算法偏最小二乘法(Genetic algorithm-partial least squares,GA-PLS)建立基于鲢鱼气味特征信息与K值的定量预测模型。结果显示,经遗传算法(GA)优化后原变量可从48个减少到18个,传感器可减少至11种;利用筛选出的变量建立的GA-PLS模型对鲢鱼K值的预测效果更好,预测均方根误差RMSEP=0.04,预测集相关系数Rte=0.93。研究结果表明,鲢鱼K值的实测值与预测值的相关性很高,可视化嗅觉技术能够用于定量预测鲢鱼K值。本研究为鱼类鲜度检测提供了一种准确、快捷、低成本的无损检测方法。
文摘以托盘包装冷鲜牛腱为研究对象,选择蓝莓、玫瑰、菠菜、黑豆、黑米、柑橘皮、紫葡萄、姜黄和玫瑰茄共9种天然色素原材料制作3×3矩阵的嗅觉可视化阵列,利用色素气体可视化传感器来提取牛肉储藏期间的挥发性气味信息,同时测定挥发性盐基氮(total volatile base nitrogen,TVB-N)和细菌总数(total viable count,TVC),将天然色素气体可视化传感器阵列与挥发性气体成分反应前后产生的红绿蓝(RGB)颜色变化值作为响应信号,利用偏最小二乘法(partial Least Square,PLS)和最小二乘支持向量机(least-squares support vector machine,LS-SVM)来建立气体可视化传感器阵列响应信号与牛肉TVB-N含量和TVC值的相关回归模型,定量预测牛肉的新鲜度。结果表明,LS-SVM的定量预测模型最佳,TVB-N和TVC含量的LS-SVM模型的预测集均方差RMSEP分别为65.66 mg·kg^(-1)和0.383 log(cfu·g^(-1)),校正集预测值与实测值的相关系数R_p分别为0.863 4和0.854 7。
