CN100575950C - 一种水果成熟度预测方法 - Google Patents
一种水果成熟度预测方法 Download PDFInfo
- Publication number
- CN100575950C CN100575950C CN200610155208A CN200610155208A CN100575950C CN 100575950 C CN100575950 C CN 100575950C CN 200610155208 A CN200610155208 A CN 200610155208A CN 200610155208 A CN200610155208 A CN 200610155208A CN 100575950 C CN100575950 C CN 100575950C
- Authority
- CN
- China
- Prior art keywords
- sensor
- peach
- response signal
- pol
- represent
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Abstract
本发明公开了一种水果成熟度预测方法。它包括如下步骤：1)把水果样品放置在密闭容器内，顶空气体达到平衡以后，顶空气采样导入传感器阵列反应室内，传感器阵列与顶空气体发生反应得到响应信号；传感器响应信号是传感器接触到顶空气后的电阻R与传感器在经过洁净空气时的电阻R0的比值，即S＝R/R0；2)然后对检测过的水果样品进行坚实度、糖度和酸度检测；3)采用多元线性回归、主成分回归、最小二乘回归和人工神经网络建立上述传感器响应信号与水果样品的坚实度、糖度和酸度之间关系的数学模型。本发明扩大了检测范围，降低了干扰，其灵敏度、可靠性和重复性都有了很大的提高。
Description
技术领域
本发明涉及一种水果成熟度预测方法。
背景技术
近年来，随着国际市场的全球化，人们对水果品质要求也越来越高，而水果的成熟度是决定水果品质的主要因素。果实采收、贮藏及流通过程中成熟度决定了消费者的满意程度，所以对水果成熟度进行检测及控制就显得相当重要。目前水果成熟度检测技术的研究得到了不断的发展，但它们绝大多数采用的是有损伤的检测。
水果的气味是评价其品质的重要手段，也是影响消费者购买的主要因素之一。水果各自都具有不同的香味和特殊的气味，这是由它们自身所含的芳香物质所决定的。芳香物质在水果的不同成熟时期的含量各有不同。一般食品的香气质量是靠人的嗅觉感受评定的，感官评定主要依赖人的生理何心理条件，评定结果的准确性往往难以保证。为此，许多学者开始尝试用气相色谱法(GC)和气相色谱一质谱联用技术(GC-MS)进行气味的检测。Oshita等人利用GC/MS检测出“La France”梨在三个成熟期的七个气味成分是相同的，但是七个成分的浓度是不同的。Chervin等人利用GS/MS检测出不同储藏条件下的水果的气味也是不同的。但这些检测方法检测费用昂贵、检测周期长。水果坚实度(Firmness)是指果肉抗压力的强弱，可以作为判断水果成熟状态和品质的一个重要指标。目前坚实度检测常用方法是M-T戳穿试验方法。该方法是用一定直径的钢制压头，按一定的压缩速度对水果进行压缩试验，同时测量压缩力，属于有损检测，且大量样本逐个检测很不现实。水果品质的其它指标(糖度、酸度等)一般也是把水果压碎，挤出果汁来进行检测也属于有损检测。
发明内容
本发明的目的是提供一种水果成熟度预测方法。
它包括如下步骤：
1)把水果样品放置在密闭容器内，密闭时间为30-60min，顶空气体达到平衡以后，顶空气采样导入传感器阵列反应室内，采样时间为60-90s，传感器阵列与顶空气体发生反应得到响应信号；传感器响应信号是传感器接触到顶空气后的电阻R与传感器在经过洁净空气时的电阻R0的比值，即S＝R/R0；
2)然后对检测过的水果样品进行坚实度、糖度和酸度检测；
3)采用多元线性回归、主成分回归、最小二乘回归和人工神经网络建立上述传感器响应信号与水果样品的坚实度、糖度和酸度之间关系的数学模型；
对于坚实度，桃子气味多元线性回归模型为：
CF＝72.76-26.73×S1+12.02×S2-357.37×S3+7.91×S4+314.82×S5-3.92×S6-45.3×S7-1.06×S8
对于糖度，桃子气味的多元线性回归模型为：
SSC＝3.81+3.99×S1-0.87×S2+4.94×S3+7.84×S4-9.65×S5+7.25×S6+5.44×S7-7.64×S8
对于酸度，桃子气味的多元线性回归模型为：
pH＝4.70+0.11×S1-0.037×S2+1.75×S3+0.9×S4-2.25×S5+0.65×S6-0.52×S7-0.35×S8CF代表坚实度、SSC代表糖度、pH代表酸度、S1代表MQ-3传感器信号、S2代表TGS822传感器信号、S3代表MQ-7传感器信号、S4代表TGS800传感器信号、S5代表TGS824传感器信号、S6代表TGS813传感器信号、S7代表TGS880传感器信号、S8代表TGS825传感器信号。
本发明能够以廉价的普通传感器阵列组成高效的探测水果质量的电子鼻系统。与单个气体传感器相比，气体传感器阵列扩大了检测范围，降低了干扰，其灵敏度、可靠性和重复性都有了很大的提高。用定性和定量模式识别系统来处理传感器阵列数据，建立数学模型，这些模型能准确的将传感器信号转化成与常规检测方法检测结果相一致的结果。它可以根据各种不同的气味检测到不同的信号，并将这些信号代入模型，根据模型的计算值来判断水果的成熟状态。
附图说明
图1是本发明实例中8个传感器对成熟桃子的响应曲线；
图2(a)本发明实例图测试三个成熟度的桃子多元线性回归模型对坚实度的预测结果
图2(b)本发明实例图测试三个成熟度的桃子神经网络模型对坚实度的预测结果
图3(a)本发明实例图测试三个成熟度的桃子多元线性回归模型对糖度的预测结果
图3(b)本发明实例图测试三个成熟度的桃子神经网络模型对糖度的预测结果
图4(a)本发明实例图测试三个成熟度的桃子多元线性回归模型对酸度的预测结果
图4(b)本发明实例图测试三个成熟度的桃子神经网络模型对酸度的预测结果
具体实施方式
本发明依据是水果在不同的成熟时期所散发的气味是不同的，气敏传感器对其的响应信号也会有所不同。利用这种特性来预测果实的内部品质。
对要检测样品先进行基于传感器阵列的电子鼻测定，将样品置于密闭容器内，待顶部空气达到平衡后采样泵把容器内的顶空气体导入传感器阵列反应室内，传感器与气体发生反应得到相应的响应信号，该信号被采集卡转化成数字输入到计算机。
然后对水果样品的坚实度、糖度和酸度进行测定。
用计算机对所得的数据进行处理，采用定量分析的方法如：多元线性回归、主成分回归、偏最小二乘法和人工神经网络。通过这些模式识别系统建立水果样品的传感器响应信号与水果样品的坚实度、糖度和酸度之间的关系的数学模型，这样就可以通过所建模型判断水果样品的坚实度、糖度和酸度。
本发明有取样部分，数据采集部分，信号处理部分组成。所述的取样部分有带有针头的管道连接真空泵的抽气嘴，无针头的管道一端连接真空泵的出气嘴一端与传感器阵列室相连。数据采集部分为一测试箱体，箱体内有一个圆形的气敏传感器阵列反应室，该圆形反应室顶部分别设有进气口和出去口。所述的圆形反应室内表面光滑，没有气体死角，里面均匀布置多个气体传感器，形成传感器阵列，每个传感器与采集卡的一个通道相连。
现结合示例详细介绍本发明的实施过程。实例为利用本发明对不同采摘时期的桃子进行检测评价其成熟度。试验样品为三个采摘时期的大白桃，根据专家经验分别为未成熟、半成熟和成熟的桃子。对桃子的检测过程如下：
(1)传感器阵列通电后需要预热一个小时以上方可进行检测。把桃子置于密封罐中在室温25℃下产生顶空气体。
(2)样品密闭一个小时后顶空气体达到平衡，打开采样泵把带有针头的进气管插入密封罐使待测水果样品顶空气体导入传感器阵列反应室内，与传感器阵列S1-S8发生反应得到相应的一组响应信号，该信号被采集卡转化成数字输入到计算机。计算机在一直记录所有传感器的信号数据。90s后停止采集，拔出针头，取出所测样本，并用洁净空气清洗传感器，清洗时间为60s(传感器恢复时间)，以便测量下一个样本。
重复以上1和2步骤可以进行多次测量。本实例测量每个采摘期的桃子30个，即90个样本。
收集经过气味采集后的样本，将每个水果分别榨汁通过酸度计、万能试验机和手持糖度计分别测定桃子果汁的酸度、坚实度和糖度，组成数据库，这些数据作为数学模型的测试值。
如图1所示，本发明实施例中测试成熟桃子的反应曲线中，横坐标为采样时间，纵坐标为是传感器接触到样品挥发物后的电阻R与传感器在经过洁净空气时的电阻R0的比值。
实施例
本发明建立了桃子气味的多元线性回归模型(MLR)和反相传播神经网络模型(ANN)。用电子鼻得到的传感器响应值数据库作为自变量，桃子的坚实度、糖度和酸度分别作为因变量建立多元回归模式，用三个成熟度的桃子各20个样本的试验数据建立模型，余下的各10个样本数据代入模型检验模型的预测能力。8个传感器对桃子气味的响应(S1，…，S8)与成熟度指标之间的多元线性回归模如下：
对于坚实度，桃子气味多元线性回归模型为：
CF＝72.76-26.73×S1+12.02×S2-357.37×S3+7.91×S4+314.82×S5-3.92×S6-45.3×S7-1.06×S8
对于糖度，桃子气味的多元线性回归模型为：
SSC＝3.81+3.99×S1-0.87×S2+4.94×S3+7.84×S4-9.65×S5+7.25×S6+5.44×S7-7.64×S8
对于酸度，桃子气味的多元线性回归模型为：
pH＝4.70+0.11×S1-0.037×S2+1.75×S3+0.9×S4-2.25×S5+0.65×S6-0.52×S7-0.35×S8
得到的传感器响应值数据库作为神经网络的输入，水果样本的坚实度、糖度和酸度分别作为网络的期望输出值，用三个成熟度的桃子各20个样本的试验数据进行建模，余下的各10个样本对模型进行测试。对坚实度、糖度和酸度的预测能力如图2、3和4所示。多元线性回归模型对桃子坚实度的预测能力：预测值和测量值的相关性为0.92，预测误差为2.95N；对糖度的预测：预测值和测量值的相关性为0.88，预测误差为0.38；对酸度的预测：预测值和测量值的相关性为0.82，预测误差为0.38。
Claims (2)
1.一种桃子成熟度预测方法，其特征在于：它包括如下步骤：
1)把桃子样品放置在密闭容器内，密闭时间为30-60min，顶空气体达到平衡以后，顶空气采样导入8个传感器阵列反应室内，采样时间为60-90s，传感器阵列与顶空气体发生反应得到响应信号；传感器响应信号是传感器接触到顶空气后的电阻R与传感器在经过洁净空气时的电阻R0的比值，即S＝R/R0；
2)然后对检测过的桃子样品进行坚实度、糖度和酸度检测；
3)采用多元线性回归和反相传播神经网络建立上述传感器响应信号与桃子样品的坚实度、糖度和酸度之间关系的数学模型；
对于坚实度，桃子气味多元线性回归模型为：
CF＝72.76-26.73×S1+12.02×S2-357.37×S3+7.91×S4+314.82×S5-3.92×S6-45.3×S7-1.06×S8
对于糖度，桃子气味的多元线性回归模型为：
SSC＝3.81+3.99×S1-0.87×S2+4.94×S3+7.84×S4-9.65×S5+7.25×S6+5.44×S7-7.64×S8
对于酸度，桃子气味的多元线性回归模型为：
pH＝4.70+0.11×S1-0.037×S2+1.75×S3+0.9×S4-2.25×S5+0.65×S6-0.52×S7-0.35×S8
CF代表坚实度、SSC代表糖度、pH代表酸度、S1代表MQ-3传感器响应信号、S2代表TGS822传感器响应信号、S3代表MQ-7传感器响应信号、S4代表TGS800传感器响应信号、S5代表TGS824传感器响应信号、S6代表TGS813传感器响应信号、S7代表TGS880传感器响应信号、S8代表TGS825传感器响应信号；
将得到的8个传感器响应信号作为反相传播神经网络的输入，桃子样本的坚实度、糖度和酸度分别作为反相传播神经网络的期望输出值；
4)通过所建模型判断桃子样品的坚实度、糖度和酸度。
2.根据权利要求1所述的一种桃子成熟度预测方法，其特征在于：所述的密闭容器为桃子样品体积的两倍。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN200610155208A CN100575950C (zh) | 2006-12-14 | 2006-12-14 | 一种水果成熟度预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN200610155208A CN100575950C (zh) | 2006-12-14 | 2006-12-14 | 一种水果成熟度预测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN1987456A CN1987456A (zh) | 2007-06-27 |
| CN100575950C true CN100575950C (zh) | 2009-12-30 |
Family
ID=38184335
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN200610155208A Expired - Fee Related CN100575950C (zh) | 2006-12-14 | 2006-12-14 | 一种水果成熟度预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN100575950C (zh) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102621192B (zh) * | 2012-03-17 | 2013-08-07 | 浙江工商大学 | 一种利用电子鼻检测芒果新鲜度的方法 |
| CN104914225B (zh) * | 2015-05-06 | 2016-08-31 | 浙江大学 | 一种基于嗅觉指纹信息预测果汁中澄清剂含量的方法 |
| CN104897738B (zh) * | 2015-05-06 | 2017-12-12 | 浙江大学 | 一种基于嗅觉指纹信息快速检测超高压果汁品质的方法 |
| CN105738581B (zh) * | 2016-02-01 | 2017-08-25 | 浙江大学 | 一种基于电子鼻的不同新鲜度山核桃的快速鉴别方法 |
| CN105699491A (zh) * | 2016-04-13 | 2016-06-22 | 浙江大学 | 一种水果坚实度在线无损检测装置及检测方法 |
| CN106951912B (zh) * | 2017-02-15 | 2019-11-08 | 海尔优家智能科技（北京）有限公司 | 一种果蔬外观变化识别模型的建立方法和识别方法 |
| CN107590799A (zh) * | 2017-08-25 | 2018-01-16 | 山东师范大学 | 基于深度卷积神经网络的香蕉成熟期识别方法和装置 |
| CN110455778A (zh) * | 2019-09-12 | 2019-11-15 | 中科院合肥技术创新工程院 | 基于空芯光纤增强拉曼光谱的苹果挥发气体检测方法 |
| CN112906939B (zh) * | 2021-01-18 | 2022-08-09 | 齐鲁工业大学 | 一种无花果采收时间点的预测方法 |
| CN113267466B (zh) * | 2021-04-02 | 2023-02-03 | 中国科学院合肥物质科学研究院 | 基于光谱波长优选的水果糖度和酸度无损检测方法 |
| CN117265251B (zh) * | 2023-09-20 | 2024-04-09 | 索罗曼(广州)新材料有限公司 | 一种钛扁条氧含量在线监测系统及其方法 |
-
2006
- 2006-12-14 CN CN200610155208A patent/CN100575950C/zh not_active Expired - Fee Related
Non-Patent Citations (6)
| Title |
|---|
| Correlation between electronic nose signals and fruit qualityindicators on shelf-life measurements with pinklady apples. J.Brezmes,E.Lobet,X.Vilanova,J.Orts.sensors and actuators B,Vol.80 . 2001 |
| Correlation between electronic nose signals and fruit qualityindicators on shelf-life measurements with pinklady apples. J.Brezmes,E.Lobet,X.Vilanova,J.Orts.sensors and actuators B,Vol.80 . 2001 * |
| 电子鼻与电子舌在食品检测中的应用研究进展. 王俊，胡桂仙，于勇，周亦斌.农业工程学报，第20卷第2期. 2004 |
| 电子鼻与电子舌在食品检测中的应用研究进展. 王俊，胡桂仙，于勇，周亦斌.农业工程学报，第20卷第2期. 2004 * |
| 电子鼻技术在食品检测中的应用. 唐月明，王俊.农 机 化 研 究，第10期. 2006 |
| 电子鼻技术在食品检测中的应用. 唐月明，王俊.农 机 化 研 究，第10期. 2006 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN1987456A (zh) | 2007-06-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN100575950C (zh) | 一种水果成熟度预测方法 | |
| CN103134850B (zh) | 一种基于特征香气的茶叶品质快速检测方法 | |
| CN101936912A (zh) | 一种基于嗅觉可视化检测鱼新鲜度的方法及装置 | |
| CN102297930A (zh) | 一种识别与预测肉新鲜度的方法 | |
| CN103412004B (zh) | 一种甜橙储存时间的检测方法 | |
| CN101520412A (zh) | 基于独立分量分析和遗传神经网络的近红外光谱分析方法 | |
| CN107817223A (zh) | 快速无损实时预测原油性质模型的构建方法及其应用 | |
| Kutsanedzie et al. | Near infrared chemo-responsive dye intermediaries spectra-based in-situ quantification of volatile organic compounds | |
| CN101685092B (zh) | 用烟叶pH检测值判定烤烟醇化质量的方法 | |
| CN103389323B (zh) | 一种快速无损评定名贵药材年限的方法 | |
| CN102692488A (zh) | 基于电子鼻技术的金华火腿分级与鉴别方法 | |
| CN107703097A (zh) | 利用衰减全反射探头与近红外光谱仪构建快速预测原油性质的模型的方法及其应用 | |
| CN105527391A (zh) | 一种基于电子鼻分析的金枪鱼油储藏过程中腐败程度的测定方法 | |
| CN104833780B (zh) | 一种基于乙醇传感器预测草莓品质等级的方法 | |
| CN103983676A (zh) | 一种基于气敏传感器技术的猪肉新鲜度快速无损检测的方法 | |
| CN110887944A (zh) | 一种茶油品质快速检测装置 | |
| CN101403677B (zh) | 一种树脂在纤维布内浸渍程度的在线快速检测方法 | |
| CN102944585A (zh) | 一种气味传感器检测水果采后病害的方法 | |
| CN104914225B (zh) | 一种基于嗅觉指纹信息预测果汁中澄清剂含量的方法 | |
| CN105866190A (zh) | 一种用于食品检测的电子鼻装置及检测方法 | |
| CN101620195A (zh) | 一种气味传感器检测次郎甜柿内部品质的方法 | |
| CN105527236A (zh) | 一种利用光谱法测定农产品主要营养成分的方法 | |
| CN108072627A (zh) | 一种用中红外光谱快速检测酱油中氨基酸态氮和总酸含量的方法 | |
| CN106770477A (zh) | 一种优化传感数据及模式识别对蜜源鉴别及掺假快检方法 | |
| CN211292687U (zh) | 一种用于葡萄酒so2浓度测定的电子鼻装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| C17 | Cessation of patent right | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20091230 Termination date: 20111214 |