基于電子鼻、電子舌及其融合技術(shù)對(duì)柑橘品質(zhì)的檢測(cè).pdf_第1頁
已閱讀1頁,還剩141頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、柑橘已有4000多年的栽培歷史,具有氣味芳香、口感清甜、色澤誘人等特點(diǎn),廣受消費(fèi)者喜愛。本文通過電子鼻、電子舌和氣質(zhì)聯(lián)用的多信息融合方法,研究了采摘期內(nèi)的柑橘品質(zhì)監(jiān)控、不同貯藏期內(nèi)的柑橘質(zhì)量檢測(cè)、混合果汁的感官特性評(píng)定、超高壓處理的果汁鑒別以及果汁中添加劑含量的預(yù)測(cè)等內(nèi)容;通過傳統(tǒng)的化學(xué)檢測(cè)方法對(duì)柑橘中總酸、可溶性固形物、維生素C以及糖酸比進(jìn)行檢測(cè);通過定量描述分析法對(duì)混合果汁的感官特性進(jìn)行定量描述分析。本研究從探索電子鼻和電子舌傳感器

2、信號(hào)與揮發(fā)性成分、理化參數(shù)之間的相關(guān)性出發(fā),比較不同降維方法對(duì)原始信息提取的性能,利用電子鼻數(shù)據(jù)、電子舌數(shù)據(jù)以及融合數(shù)據(jù)對(duì)柑橘樣品進(jìn)行模式分類和參數(shù)預(yù)測(cè)(理化參數(shù)、揮發(fā)性成分和感官特性)。主要研究?jī)?nèi)容與結(jié)論如下:
  (1)分別采用電子鼻、電子舌和氣質(zhì)聯(lián)用技術(shù)對(duì)不同采摘期的柑橘進(jìn)行檢測(cè)。通過APLSR(ANOVA Partial Least Squares Regression)分析發(fā)現(xiàn),電子鼻和電子舌的傳感器信號(hào)與被檢測(cè)對(duì)象的理

3、化參數(shù)、揮發(fā)性成分之間存在弱相關(guān)性(交叉敏感性)。本研究中,極限學(xué)習(xí)機(jī)(Extreme Learning Machine,ELM)作為一種新穎的神經(jīng)網(wǎng)絡(luò)用于處理電子鼻和電子舌數(shù)據(jù)。分析表明,ELM模型、支持向量機(jī)(Support Vector Machine,SVM)模型以及學(xué)習(xí)向量量化(Learning Vector Quantization,LVQ)模型都具有比較好的分類效果。通過對(duì)模型訓(xùn)練時(shí)間的比較,ELM算法要快于SVM和LVQ

4、算法。在理化參數(shù)和揮發(fā)性成分預(yù)測(cè)時(shí),基于ELM的回歸模型要優(yōu)于SVM回歸模型和多元線性回歸(Multiple LinearRegression,MLR)模型。
  (2)采用電子鼻、電子舌和氣質(zhì)聯(lián)用技術(shù)對(duì)不同貯藏條件下的柑橘進(jìn)行檢測(cè)(三個(gè)貯藏溫度:4℃,10℃和20℃,貯藏時(shí)間為12天,每三天檢測(cè)一次),利用常規(guī)理化檢測(cè)方法對(duì)柑橘的可溶性固形物、總酸、糖酸比和維生素C含量進(jìn)行分析。通過雙向方差分析(Two-way multivar

5、iate analysis of variance,Two-way MANOVA)發(fā)現(xiàn):貯藏溫度、貯藏時(shí)間和它們的交互作用對(duì)維生素C、糖酸比、檸檬烯含量、萜品烯以及月桂烯的含量具有顯著性影響;貯藏溫度和貯藏時(shí)間對(duì)可溶性固形物值和芳樟醇含量變化有影響,但它們的交互作用不明顯;貯藏時(shí)間以及交互作用對(duì)總酸值有顯著性影響,但貯藏溫度對(duì)總酸值沒有顯著性影響。對(duì)不同貯藏條件下的柑橘進(jìn)行分類時(shí),ELM模型和SVM模型均達(dá)到了100%的分類正確率;對(duì)理

6、化參數(shù)和揮發(fā)性成分進(jìn)行預(yù)測(cè)時(shí),ELM的回歸模型明顯優(yōu)于偏最小二乘回歸法(Partial Least-Squares Regression,PLSR)的回歸模型。
  (3)采用電子鼻、電子舌和氣質(zhì)聯(lián)用技術(shù)對(duì)混合果汁(溫州蜜柑和甜橙混合比例為:5∶0、4∶1、3∶2、2∶3、1∶4和0∶5)進(jìn)行檢測(cè),通過定量描述分析法對(duì)混合果汁感官特性進(jìn)行了描述,通過APLSR對(duì)電子鼻和電子舌的傳感器信號(hào)與揮發(fā)性芳香成分、感官特性之間的相關(guān)性進(jìn)行分

7、析,并通過電子鼻和電子舌的傳感器信號(hào)模擬人的感官分析。結(jié)果顯示,在果汁的混合過程中,檸檬烯、巴倫西亞橘烯以及月桂烯的含量呈現(xiàn)一定變化趨勢(shì),但其它香氣成分的含量變化并沒有表現(xiàn)出規(guī)律性,說明了在混合過程中果汁的揮發(fā)性芳香物質(zhì)含量變化是一個(gè)復(fù)雜的過程;在定量描述分析過程中,感官特征的變化過程與揮發(fā)性香氣成分的變化過程類似;基于隨機(jī)森林(Random Forest,RE)建立的預(yù)測(cè)模型,融合后的數(shù)據(jù)集對(duì)感官特性以及14種揮發(fā)性芳香物質(zhì)具有較優(yōu)的

8、預(yù)測(cè)結(jié)果。
  (4)采用電子鼻對(duì)超高壓處理后(范圍0~500 MPa)的柑橘果汁(兩個(gè)品種:上野和宮川)進(jìn)行了檢測(cè)。在數(shù)據(jù)處理過程中,采用了三種特征值提取方法(穩(wěn)定值、最大值以及面積值)和三種數(shù)據(jù)降維方式(局部保持投影(Locality Preserving Projection,LPP)、主成分分析(Principal Component Analysis,PCA)、線性判別分析(Linear Discriminant Ana

9、lysis,LDA))。結(jié)果顯示,基于LDA的樣品點(diǎn)分布優(yōu)于基于PCA的樣品點(diǎn)分布,而LPP分類效果與LDA類似;根據(jù)ELM和SVM的分類結(jié)果可知,經(jīng)降維處理的數(shù)據(jù)其分類效果普遍優(yōu)于未經(jīng)降維處理的數(shù)據(jù),同時(shí),基于LPP和LDA的結(jié)果優(yōu)于基于PCA的分類結(jié)果。由于LPP是一種無監(jiān)督算法,從該意義上講,LPP比有監(jiān)督LDA更具有實(shí)際應(yīng)用意義。
  (5)采用電子鼻和電子舌對(duì)混有苯甲酸和殼聚糖的柑橘果汁進(jìn)行檢測(cè),通過對(duì)電子鼻和電子舌傳感

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論