CN103412005B - 甜橙储存时间的检测方法 - Google Patents
甜橙储存时间的检测方法 Download PDFInfo
- Publication number
- CN103412005B CN103412005B CN201310369906.6A CN201310369906A CN103412005B CN 103412005 B CN103412005 B CN 103412005B CN 201310369906 A CN201310369906 A CN 201310369906A CN 103412005 B CN103412005 B CN 103412005B
- Authority
- CN
- China
- Prior art keywords
- sweet orange
- time
- signal
- storage time
- gas
- 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
Landscapes
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明公开了一种甜橙储存时间的检测方法,本发明采用气体传感器并结合声表面波测量不同储存时间甜橙样品的响应信号,根据气体传感器阵列响应数据和声表面波检出频率构建甜橙储存时间第一、第二预测模型,建立甜橙储存时间综合预测模型,并利用甜橙储存时间综合预测模型对甜橙样品W的储存时间进行预测。本发明具有快速、无损、准确性好的优点,可根据预测得到的储存时间对甜橙的储存、采摘时间进行合理安排,有效防止在运输及储存过程中甜橙的腐败变质。
Description
技术领域
本发明涉及水果新鲜度检测领域,尤其是涉及一种用于快速、无损检测甜橙的储存时间,并且检测精确度高的甜橙储存时间的检测方法。
背景技术
甜橙(Citrus Sinensis)是芸香科柑橘属植物橙树的果实,亦称为黄果,果实圆形至长圆形,橙黄色,油胞凸起,果皮不易剥离。无苦味。中心柱充实,汁味甜而香,并含有大量的糖和一定量的柠檬酸以及丰富的维生素C,营养价值较高。
由于甜橙的皮较薄,在储运过程中易受环境因素变化的影响而产生品质下降甚至腐烂。
人工感官评价方法虽可区分甜橙在储存过程中的细微变化,但该方法的结果因评价人员个体差异、健康状况等因素影响导致重复性和参考性均较差。
理化检验方法虽可以反应水果样品的新鲜度情况,但是实验操作繁琐、所需时间久、难以满足快速无损检测的需要。
气相色谱法(GC)和气相色谱-质谱联用技术(GC-MS)等仪器分析法,虽可精确分析不同储存期甜橙样品的挥发气体成分等信息,但该检测方法检测费用昂贵、检测周期长,并且所得气味成分都是样品经分离后的产物。此外,仪器分析通常对操作人员的操作熟练程度有较大的依赖性。
因此,迫切需要一种可以快速无损的判断甜橙储存时间的新型检测技术。
中国专利授权公开号:CN103163217A,授权公开日2013年6月19日,公开了一种声表面波谐振器串联检测系统及其检测方法,所述检测系统包括谐振检测器,直流电源,数字计数器,数字计数器通过RS232通讯接口与计算机连接,谐振检测器设置于屏蔽箱内,该谐振检测器具有两个探头,两个探头之间用于放置待检测的番荔枝;使用所述检测系统对番荔枝储存期进行检测的方法包括以下步骤:步骤一:放置待测番荔枝于检测系统的两个探头之间;步骤二:对待测番荔枝进行测量,由数字计数器采集谐振检测器的负载频率;步骤三:由计算机读取数字计数器采集的负载频率数据,按计算出番荔枝储存时间。不足之处是,该发明具有检测的准确性差的不足。
发明内容
本发明是为了克服现有技术中的检测方法检测的准确性差的不足,提供了一种用于快速、无损检测甜橙的储存时间,并且检测精确度高的甜橙储存时间的检测方法。
为了实现上述目的,本发明采用以下技术方案:
一种甜橙储存时间的检测方法,包括如下步骤:
(1-1)选择n个刚采摘的甜橙样品,将甜橙样品放在冷藏箱内储存,对甜橙样品进行检测:
(1-1-1)设定检测天数为m1,储存时间的序号为Time1,Time1的初始值为1;使用声表面波检测装置检测甜橙的频率响应,并得到甜橙储存时间第一预测公式:
所述声表面波检测装置包括计数器,屏蔽箱,设于屏蔽箱内的振荡器和声表面波谐振器;振荡器和声表面波谐振器构成振荡回路,计数器与振荡回路电连接,计数器上设有用于与计算机电连接的数据接口,声表面波谐振器上设有两个电极;
步骤a,在n个甜橙样品中任选1个甜橙样品,并将甜橙样品放入屏蔽箱中,使声表面波谐振器的两个电极分别与甜橙样品的相对侧面相接触;
步骤b,声表面波检测装置工作30至40分钟后,计数器采集振荡回路的频率响应曲线,在频率响应曲线上采集60至100个频率值,将各个频率值构成频率信号Input(t);
计算机中预设有第一随机共振系统模型其中,ξ(t)为高斯白噪声,A、a和b均是常数,f0是调制信号频率,D是噪声强度,t是布朗运动粒子运动时间,x是粒子运动的坐标;
将频率信号Input(t)输入第一随机共振系统模型中,使第一随机共振系统模型发生共振;
计算机利用公式计算输出信噪比SNR;其中,ω是信号频率,Ω为角频率,S(ω)是信号频谱密度,SN(Ω)是信号频率范围内的噪声强度;
计算机画出第一随机共振系统模型中的输出信噪比曲线,得到信噪比曲线的两个峰值,将两个峰值的差值的绝对值作为信噪比特征值F;并将信噪比特征值F储存在计算机中;
步骤c,当Time1<m1,使Time1值增加1,将被检测甜橙样品放回冷藏箱中储存,24小时后,重复步骤a和步骤b;
得到m1个与Time1相关联的F,将F和Time1构成点(F,Time1),根据m1个点(F,Time1)进行线性拟合,得到甜橙储存时间第一预测公式:Time1=f(F);
甜橙储存时间第一预测公式与甜橙储存时间有关,不同储存时间的第一预测公式不同;
(1-1-2)设定检测天数为m2,储存时间的序号为Time2,Time2的初始值为1;使用气体检测装置检测甜橙挥发的气味,并得到甜橙储存时间第二预测公式:
所述气体检测装置包括气室、设于气室内的传感器阵列和模数转换器;所述气室上设有采样探头和清洗探头,采样探头上设有采样气泵,清洗探头上设有清洗气泵;传感器阵列与模数转换器电连接,模数转换器、采样气泵和清洗气泵上均设有用于计算机电连接的数据接口;所述传感器阵列包括若干个气体传感器;
步骤d,计算机控制清洗气泵工作,洁净空气通入气室中对各个气体传感器进行清洗,当各个气体传感器的响应稳定至基线时,关闭清洗气泵;
步骤e,在n个甜橙样品中任选1个甜橙样品,将甜橙样品置入样品瓶中,将样品瓶密封静置20至30分钟,将采样探头和气压平衡器同时插进样品瓶中,计算机控制采样探头采集样品产生的挥发性气体;在采集挥发性气体的同时,气压平衡器将经过活性炭过滤的空气导入样品瓶中,实现气压平衡;
步骤f,挥发性气体与各个传感器接触,各个传感器分别产生模拟响应信号;模数转换器将各个模拟响应信号分别转换为数字响应信号,计算机对数字响应信号取平均,得到传感器阵列数字响应信号I(t);
计算机中预设有第二随机共振模型其中,ξ(t)为高斯白噪声,t是布朗运动粒子运动时间,x是粒子运动的坐标,f0是调制信号频率,a,b和A为常数;
步骤g,将I(t)输入第二随机共振模型中,使第二随机共振系统模型产生随机共振;
计算机利用公式计算输出信噪比SNR;其中,ω是信号频率,Ω为角频率,S(ω)是信号频谱密度,SN(Ω)是信号频率范围内的噪声强度;
步骤h,计算机画出第二随机共振系统模型的输出信噪比曲线,在信噪比曲线中选取信噪比曲线的信噪比最大值为特征值SNRmax,并将SNRmax储存到计算机中;
步骤i,当Time2<m2,使Time2值增加1,将被检测甜橙样品放回冷藏箱中储存,24小时后,重复步骤d至步骤h;
得到m2个与Time2相关联的SNRmax,将SNRmax和Time2构成点(SNRmax,Time2),根据m2个点(SNRmax,Time2)进行非线性Boltzmann拟合,得到甜橙储存时间第二预测公式Time2=f(SNRmax);
甜橙储存时间第二预测公式与甜橙储存时间有关,不同储存时间的第二预测公式不同;
(1-2)建立甜橙储存时间综合预测模型:Time(F,SNRmax)=P1×f(F)+P2×f(SNRmax),P1和P2为待定系数;将两组甜橙储存时间、与所述储存时间相对应的信噪比特征值F及与所述储存时间相对应的SNRmax代入甜橙储存时间综合预测模型,从而得到P1和P2;
(1-3)检测与所述甜橙样品相同储存条件下的待检测甜橙样品W,得到甜橙样品W的信噪比最大值SNRmax和信噪比特征值F;将SNRmax和信噪比特征值F代入甜橙储存时间综合预测模型中,计算甜橙样品W的储存时间Time预测。
声表面波(SAW)技术诞生于上世纪七十年代,该方法为制作尺寸小、高灵敏度、高集成度的检测设备提供了基础。目前,已有许多基于声表面波器件的检测应用报道。在食品和生物检测领域也有广泛应用,如牛奶中细菌的检测、细菌生长情况监测、胰腺脂肪酶检测、生物医学分析等。对于声表面波传感检测技术来说,长期研究的焦点集中于声表面波谐振器表面的化学/生物修饰,检测过程中如果出现特异性的反应(如抗原对抗体,受体对配体等特异性作用过程),此时声表面波通过谐振器压电基底时,波信息(波速等)发生相应变化,从而实现被测物种类/浓度信息表征。
气体传感器检测技术是一种气味指纹检测方法,模拟人的嗅觉系统的过程。以气体为分析对象,通过模拟人的嗅觉系统实时地对特定位置的芳香物质进行捕捉和检测,从而获取特征信号,因此这种气味指纹检测装置被形象地称为电子鼻。由于它独特的功能,在食品、化妆品、石油化工、包装材料、环境监测、临床、化学等领域得到了广泛应用,受到了各方面越来越大的关注。
随机共振技术目前已在检测数据特征值提取领域崭露头角。该理论是由意大利物理学家Benzi于1981年提出的,用以解释地球远古气象冰川期与暖气候期周期交替出现的现象。随机共振具有三要素:非线性系统、弱信号和噪声源。从信号处理角度考虑,随机共振是在非线性信号传输过程中,通过调节噪声的强度或者系统其它参数,使系统输出达到最佳值,实际上也可以认为是输入信号、非线性系统、噪声的协同状态。
一般情况下,在激励噪声的激励下,系统产生随机共振,此时输出信号大于输入信号,因而起到了信号放大的作用。同时,随机共振将部分检测信号中的噪声能量转换到信号中去,因而有效的抑制了检测信号中的噪声量。因此,随机共振系统相当于提高了提高输出信号信噪比的作用,信号、激励噪声和双稳态系统可以看做是一个高效信号处理器。在以上技术基础之上,随机共振系统输出信噪比分析技术可以较好的反应被测样品的本质特征信息。
声表面波检测的频率信号Input(t)中包含内秉噪声,通过随机共振分析,消除信号内秉噪声,使检测结果更稳定,误差更小,准确度更高。
经过随机共振分析后,不同储存时间的甜橙样品之间区分度更好,检测模型线性拟合精度更高。
随机共振输出信噪比特征信息反映的是被测样品的本质信息,该特征信息不随检测方法或者重复次数的限制而改变,只与样品的性质有关,有利于样品性质的标定,提高检测精度。
随机共振分析方法重现性好,重复100次计算,输出的结果误差比率不超过0.1%。而单纯的声表面波检测的频率信号误差率比随机共振信噪比分析后的误差比率高出数倍。
本发明采用气体传感器并结合声表面波测量不同储存时间甜橙样品的响应信号,根据气体传感器阵列响应数据和声表面波检出频率构建甜橙储存时间第一、第二预测模型,建立甜橙储存时间综合预测模型,并利用甜橙储存时间综合预测模型对甜橙样品W的储存时间进行检测。
声表面波检测反映的是果实内部结构信息,而气体检测反映的是果实外部的气味信息,该结合能够准确表征甜橙储存过程中的变化情况。该方法有利于指导该类水果适时采收,尽量避免提前采收引起的果实营养价值的下降,也可以降低过晚采收引起腐败所带来的损失。
并且,本发明的方法具有快速、无损、准确性好的优点,可根据预测的储存时间对甜橙的储存、采摘时间进行合理安排,有效防止在运输及储存过程中甜橙的腐败变质。
作为优选,所述声表面波谐振器的中心频率为433.92MHz。
作为优选,所述n为8至15。
作为优选,所述m1和m2均为10至200。
作为优选,所述气体传感器为8个,分别为用于检测硫化物气体的第一传感器,用于检测可燃气体的第二传感器,用于检测氨类气体的第三传感器,用于检测乙醇类气体的第四传感器,用于检测碳氢组分气体的第五传感器,用于检测烷烃类气体的第六传感器,用于检测丙烷和丁烷的第七传感器,用于检测氮化物气体的第八传感器。
作为优选,所述声表面波谐振器包括压电基片、叉指换能器、2个反射栅和设于反射栅两侧的4个增益栅;所述电极分别与叉指换能器的连接端电连接。
增益栅的设置可以防止声表面波从反射栅的空白位置溢出,可以使声表面波经过反射栅反射回叉指换能器,增强声表面波的强度。增益栅的宽度与反射栅相同,与反射栅的距离为9μm。
作为优选,所述步骤d中,洁净空气通入气室中对各个气体传感器清洗30至40分钟。
作为优选,所述步骤d中,洁净空气以850mL/min至1200mL/min的流速对传感器进行清洗。
因此,本发明具有如下有益效果:(1)快速、无损、准确性好;(2)有效防止在运输及储存过程中甜橙的腐败变质。
附图说明
图1是本发明的实施例的一种流程图;
图2是本发明的声表面波检测装置的一种原理框图;
图3是本发明的气体检测装置的一种原理框图;
图4是本发明的声表面波谐振器的一种结构示意图;
图5是本发明的第一随机共振系统模型中的输出信噪比曲线;
图6是本发明的信噪比特征值F的拟合曲线;
图7是本发明的信噪比特征值SNRmax的拟合曲线。
图中:计数器1、屏蔽箱2、振荡器3、声表面波谐振器4、压电基片5、叉指换能器6、反射栅7、增益栅8、计算机9、气室10、传感器阵列11、模数转换器12、采样探头13、清洗探头14、采样气泵15、清洗气泵16、甜橙17、连接端18。
具体实施方式
下面结合附图和具体实施方式对本发明做进一步的描述。
如图1所示的实施例是一种甜橙储存时间的检测方法,包括如下步骤:
步骤100,选择15个大小相同的刚采摘的甜橙样品,将甜橙样品放在冷藏箱内储存,冷藏箱的冷藏温度为4℃,对甜橙样品进行如下检测:
步骤101,设定检测天数为m1=11,Time1的初始值为1;使用声表面波检测装置检测甜橙的频率响应,并得到甜橙储存时间第一预测公式:
如图2所示,声表面波检测装置包括计数器1,屏蔽箱2,设于屏蔽箱内的振荡器3和声表面波谐振器4;振荡器和声表面波谐振器构成振荡回路,计数器与振荡回路电连接,计数器上设有用于与计算机9电连接的数据接口,声表面波谐振器上设有两个电极;
如图4所示,声表面波谐振器包括压电基片5、叉指换能器6、2个反射栅7和设于反射栅两侧的4个增益栅8;电极分别与叉指换能器的连接端18电连接。
步骤a,在15个甜橙样品中任选1个甜橙样品,并将甜橙样品放入屏蔽箱中,使声表面波谐振器的两个电极分别与甜橙17样品的相对侧面相接触;
步骤b,声表面波检测装置工作40分钟后,计数器采集振荡回路的频率响应曲线,在频率响应曲线上采集100个等间隔分布的频率值,将各个频率值构成频率信号Input(t);
计算机中预设有第一随机共振系统模型其中,ξ(t)为高斯白噪声,A、a和b均是常数,f0是调制信号频率,D是噪声强度,t是布朗运动粒子运动时间,x是粒子运动的坐标;
将频率信号Input(t)输入第一随机共振系统模型中,使第一随机共振系统模型发生共振;
计算机利用公式计算输出信噪比SNR;其中,ω是信号频率,Ω为角频率,S(ω)是信号频谱密度,SN(Ω)是信号频率范围内的噪声强度;
计算机画出第一随机共振系统模型中的输出信噪比曲线,得到信噪比曲线的两个峰值,将两个峰值的差值的绝对值作为信噪比特征值F;并将信噪比特征值F储存在计算机中;
例如,如图5所示的输出信噪比曲线中两个峰值分别为-70dB和-94dB,则信噪比特征值F=|-94+70|=24dB。
步骤c,当Time1<11,使Time1值增加1,将被检测甜橙样品放回冷藏箱中储存,24小时后,重复步骤a和步骤b;
得到11个与Time1相关联的F,将F和Time1构成点(F,Time1),根据m1个点(F,Time1)进行非线性拟合,得到图6所示的信噪比特征值拟合曲线 并得到甜橙储存时间第一预测公式:
步骤102,设定检测天数为m2=11,序号Time2的初始值为1;使用气体检测装置检测甜橙挥发的气味,并得到甜橙储存时间第二预测公式:
如图3所示,气体检测装置包括气室10、设于气室内的传感器阵列11和模数转换器12;气室上设有采样探头13和清洗探头14,采样探头上设有采样气泵15,清洗探头上设有清洗气泵16;传感器阵列与模数转换器电连接,模数转换器、采样气泵和清洗气泵上均设有用于计算机电连接的数据接口;传感器阵列包括8个气体传感器。
8个气体传感器分别为用于检测硫化物气体的第一传感器,用于检测可燃气体的第二传感器,用于检测氨类气体的第三传感器,用于检测乙醇类气体的第四传感器,用于检测碳氢组分气体的第五传感器,用于检测烷烃类气体的第六传感器,用于检测丙烷和丁烷的第七传感器,用于检测氮化物气体的第八传感器。
步骤d,计算机控制清洗气泵工作,洁净空气通入气室中对各个气体传感器进行清洗40分钟,当各个气体传感器的响应稳定至基线时,关闭清洗气泵;
步骤e,在15个甜橙样品中任选1个甜橙样品,将甜橙样品置入样品瓶中,将样品瓶密封静置30分钟,将采样探头和气压平衡器同时插进样品瓶中,计算机控制采样探头采集样品产生的挥发性气体;在采集挥发性气体的同时,气压平衡器将经过活性炭过滤的空气导入样品瓶中,实现气压平衡;
步骤f,挥发性气体与各个传感器接触,各个传感器分别产生模拟响应信号;模数转换器将各个模拟响应信号分别转换为数字响应信号,计算机对数字响应信号取平均,得到传感器阵列数字响应信号I(t);
计算机中预设有第二随机共振模型其中,ξ(t)为高斯白噪声,t是布朗运动粒子运动时间,x是粒子运动的坐标,f0是调制信号频率,a,b和A为常数;
步骤g,将I(t)输入第二随机共振模型中,使第二随机共振系统模型产生随机共振;
计算机利用公式计算输出信噪比SNR;其中,ω是信号频率,Ω为角频率,S(ω)是信号频谱密度,SN(Ω)是信号频率范围内的噪声强度;
步骤h,计算机画出第二随机共振系统模型的输出信噪比曲线,在信噪比曲线中选取信噪比曲线的信噪比最大值为特征值SNRmax,并将SNRmax储存到计算机中;
步骤i,当Time2<11,使Time2值增加1,将被检测甜橙样品放回冷藏箱中储存,24小时后,重复步骤d至步骤h;
得到11个与Time2相关联的SNRmax,将SNRmax和Time2构成点(SNRmax,Time2),根据m2个点(SNRmax,Time2)进行非线性Boltzmann拟合,得到如图7所示的拟合曲线并得到甜橙储存时间第二预测公式
步骤200,建立甜橙储存时间综合预测模型:
将Time=1,Time1=1时的信噪比特征值F=10.2,Time2=1时的SNRmax=-72.17;以及Time=2,Time1=2时的信噪比特征值F=11,Time2=2时的SNRmax=-72.34代入甜橙储存时间综合预测模型,从而得到P1=-5,P2=4.467;
从而得到甜橙储存时间综合预测模型:
步骤300,利用步骤a和b以及步骤d至h检测在4℃环境下储存的甜橙样品W,得到甜橙样品W的信噪比特征值F=20和信噪比最大值SNRmax=-72.86;将SNRmax和信噪比特征值F代入甜橙储存时间综合预测模型中,计算甜橙样品W的储存时间Time预测=6天。
使用气体检测装置和声表面波检测装置检测在4℃环境下储存的储存时间已知的20个甜橙样品,得到20个信噪比特征值F和20个信噪比最大值SNRmax,代入式甜橙储存时间综合预测模型中得到20个储存时间预测值Time预测,利用公式分别计算预测误差,并计算预测误差的平均值,得到预测误差平均值为0.93683,表明利用气体检测装置和声表面波检测装置可以更准确的预测甜橙储存时间。
本发明能够快速无损检测甜橙果实,声表面波检测反映的是果实内部结构信息,而气体检测反映的是果实外部的气味信息,该结合能够准确表征甜橙储存过程中的变化情况。该方法有利于指导该类水果适时采收,尽量避免提前采收引起的果实营养价值的下降,也可以降低过晚采收引起腐败所带来的损失。
应理解,本实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解,在阅读了本发明讲授的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
Claims (8)
1.一种甜橙储存时间的检测方法,其特征是,包括如下步骤:
(1-1)选择n个刚采摘的甜橙样品,将甜橙样品放在冷藏箱内储存,对甜橙样品进行检测:
(1-1-1)设定检测时间为m1,储存时间的序号为Time1,Time1的初始值为1;使用声表面波检测装置检测甜橙的频率响应,并得到甜橙储存时间第一预测公式:
所述声表面波检测装置包括计数器(1),屏蔽箱(2),设于屏蔽箱内的振荡器(3)和声表面波谐振器(4);振荡器和声表面波谐振器构成振荡回路,计数器与振荡回路电连接,计数器上设有用于与计算机(9)电连接的数据接口,声表面波谐振器上设有两个电极;
步骤a,在n个甜橙样品中任选1个甜橙样品,并将甜橙样品放入屏蔽箱中,使声表面波谐振器的两个电极分别与甜橙(17)样品的相对侧面相接触;
步骤b,声表面波检测装置工作30至40分钟后,计数器采集振荡回路的频率响应曲线,在频率响应曲线上采集60至100个频率值,将各个频率值构成频率信号Input(t);
计算机中预设有第一随机共振系统模型其中,ξ(t)为高斯白噪声,A、a和b均是常数,f0是调制信号频率,D是噪声强度,t是布朗运动粒子运动时间,x是粒子运动的坐标;
将频率信号Input(t)输入第一随机共振系统模型中,使第一随机共振系统模型发生共振;
计算机利用公式计算输出信噪比SNR;其中,ω是信号频率,Ω为角频率,S(ω)是信号频谱密度,SN(Ω)是信号频率范围内的噪声强度;
计算机画出第一随机共振系统模型中的输出信噪比曲线,得到信噪比曲线的两个峰值,将两个峰值的差值的绝对值作为信噪比特征值F;并将信噪比特征值F储存在计算机中;
步骤c,当Time1<m1,使Time1值增加1,将被检测甜橙样品放回冷藏箱中储存,24小时后,重复步骤a和步骤b;
得到m1个与Time1相关联的F,将F和Time1构成点(F,Time1),根据m1个点(F,Time1)进行线性拟合,得到甜橙储存时间第一预测公式:Time1=f(F);
(1-1-2)设定检测时间为m2,储存时间的序号为Time2,Time2的初始值为1;使用气体检测装置检测甜橙挥发的气味,并得到甜橙储存时间第二预测公式:
所述气体检测装置包括气室(10)、设于气室内的传感器阵列(11)和模数转换器(12);所述气室上设有采样探头(13)和清洗探头(14),采样探头上设有采样气泵(15),清洗探头上设有清洗气泵(16);传感器阵列与模数转换器电连接,模数转换器、采样气泵和清洗气泵上均设有用于计算机电连接的数据接口;所述传感器阵列包括若干个气体传感器;
步骤d,计算机控制清洗气泵工作,洁净空气通入气室中对各个气体传感器进行清洗,当各个气体传感器的响应稳定至基线时,关闭清洗气泵;
步骤e,在n个甜橙样品中任选1个甜橙样品,将甜橙样品置入样品瓶中,将样品瓶密封静置20至30分钟,将采样探头和气压平衡器同时插进样品瓶中,计算机控制采样探头采集样品产生的挥发性气体;在采集挥发性气体的同时,气压平衡器将经过活性炭过滤的空气导入样品瓶中,实现气压平衡;
步骤f,挥发性气体与各个传感器接触,各个传感器分别产生模拟响应信号;模数转换器将各个模拟响应信号分别转换为数字响应信号,计算机对数字响应信号取平均,得到传感器阵列数字响应信号I(t);
计算机中预设有第二随机共振模型其中,ξ(t)为高斯白噪声,t是布朗运动粒子运动时间,x是粒子运动的坐标,f0是调制信号频率,a,b和A为常数;
步骤g,将I(t)输入第二随机共振模型中,使第二随机共振系统模型产生随机共振;
计算机利用公式计算输出信噪比SNR;其中,ω是信号频率,Ω为角频率,S(ω)是信号频谱密度,SN(Ω)是信号频率范围内的噪声强度;
步骤h,计算机画出第二随机共振系统模型的输出信噪比曲线,在信噪比曲线中选取信噪比曲线的信噪比最大值为特征值SNRmax,并将SNRmax储存到计算机中;
步骤i,当Time2<m2,使Time2值增加1,将被检测甜橙样品放回冷藏箱中储存,24小时后,重复步骤d至步骤h;
得到m2个与Time2相关联的SNRmax,将SNRmax和Time2构成点(SNRmax,Time2),根据m2个点(SNRmax,Time2)进行非线性Bo1tzmann拟合,得到甜橙储存时间第二预测公式Time2=f(SNRmax);
(1-2)建立甜橙储存时间综合预测模型:Time(F,SNRmax)=P1×f(F)+P2×f(SNRmax),P1和P2为待定系数;将两组甜橙储存时间、与所述储存时间相对应的信噪比特征值F及与所述储存时间相对应的SNRmax代入甜橙储存时间综合预测模型,从而得到P1和P2;
(1-3)检测与所述甜橙样品相同储存条件下的待检测甜橙样品W,得到甜橙样品W的信噪比最大值SNRmax和信噪比特征值F;将SNRmax和信噪比特征值F代入甜橙储存时间综合预测模型中,计算甜橙样品W的储存时间Time预测。
2.根据权利要求1所述的甜橙储存时间的检测方法,其特征是,所述声表面波谐振器的中心频率为433.92MHz。
3.根据权利要求1所述的甜橙储存时间的检测方法,其特征是,所述n为8至15。
4.根据权利要求1所述的甜橙储存时间的检测方法,其特征是,所述m1和m2均为10至200。
5.根据权利要求1所述的甜橙储存时间的检测方法,其特征是,所述气体传感器为8个,分别为用于检测硫化物气体的第一传感器,用于检测可燃气体的第二传感器,用于检测氨类气体的第三传感器,用于检测乙醇类气体的第四传感器,用于检测碳氢组分气体的第五传感器,用于检测烷烃类气体的第六传感器,用于检测丙烷和丁烷的第七传感器,用于检测氮化物气体的第八传感器。
6.根据权利要求1所述的甜橙储存时间的检测方法,其特征是,所述声表面波谐振器包括压电基片(5)、叉指换能器(6)、2个反射栅(7)和设于反射栅两侧的4个增益栅(8);所述电极与设于叉指换能器上的连接端(18)电连接。
7.根据权利要求1或2或3或4或5或6所述的甜橙储存时间的检测方法,其特征是,所述步骤d中,洁净空气通入气室中对各个气体传感器清洗30至40分钟。
8.根据权利要求1或2或3或4或5或6所述的甜橙储存时间的检测方法,其特征是,所述步骤d中,洁净空气以850mL/min至1200mL/min的流速对传感器进行清洗。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310369906.6A CN103412005B (zh) | 2013-08-22 | 2013-08-22 | 甜橙储存时间的检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310369906.6A CN103412005B (zh) | 2013-08-22 | 2013-08-22 | 甜橙储存时间的检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103412005A CN103412005A (zh) | 2013-11-27 |
CN103412005B true CN103412005B (zh) | 2015-02-25 |
Family
ID=49605031
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310369906.6A Expired - Fee Related CN103412005B (zh) | 2013-08-22 | 2013-08-22 | 甜橙储存时间的检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103412005B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111855800B (zh) * | 2020-07-17 | 2022-04-01 | 西南科技大学 | 声学振动快速无损测定水果货架期或最佳食用期的方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09236587A (ja) * | 1996-02-29 | 1997-09-09 | Hiroshima Univ | 果実の熟度および欠陥の測定方法並びに測定装置 |
JP3757282B2 (ja) * | 2003-03-26 | 2006-03-22 | 国立大学法人広島大学 | 食品物性測定方法及びその装置 |
CN102608215A (zh) * | 2012-03-17 | 2012-07-25 | 浙江工商大学 | 一种利用声表面波探测仪检测芒果新鲜度的方法 |
CN102621192A (zh) * | 2012-03-17 | 2012-08-01 | 浙江工商大学 | 一种利用电子鼻检测芒果新鲜度的方法 |
CN103163217A (zh) * | 2013-03-07 | 2013-06-19 | 浙江工商大学 | 声表面波谐振器串联检测系统及其检测方法 |
-
2013
- 2013-08-22 CN CN201310369906.6A patent/CN103412005B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09236587A (ja) * | 1996-02-29 | 1997-09-09 | Hiroshima Univ | 果実の熟度および欠陥の測定方法並びに測定装置 |
JP3757282B2 (ja) * | 2003-03-26 | 2006-03-22 | 国立大学法人広島大学 | 食品物性測定方法及びその装置 |
CN102608215A (zh) * | 2012-03-17 | 2012-07-25 | 浙江工商大学 | 一种利用声表面波探测仪检测芒果新鲜度的方法 |
CN102621192A (zh) * | 2012-03-17 | 2012-08-01 | 浙江工商大学 | 一种利用电子鼻检测芒果新鲜度的方法 |
CN103163217A (zh) * | 2013-03-07 | 2013-06-19 | 浙江工商大学 | 声表面波谐振器串联检测系统及其检测方法 |
Non-Patent Citations (4)
Title |
---|
Electronic Noses and Tongues: Applications for the Food and Pharmaceutical Industries;Elizabeth A. Baldwin et al.;《Sensors》;20110502;第11卷;第4744-4766页 * |
USE OF ELECTRONIC NOSE IN THE FOOD INDUSTRY;Flgen KOREL et al.;《GIDA》;20031231;第28卷(第5期);第505-511页 * |
基于电子鼻的芒果储存时间预测方法研究;尹芳缘等;《化学技术学报》;20120930;第25卷(第9期);第1199-1203页 * |
基于阵列声表面波传感器的电子鼻系统及应用初步;杨燕明等;《化学传感器》;19971231;第17卷(第4期);第282-284页 * |
Also Published As
Publication number | Publication date |
---|---|
CN103412005A (zh) | 2013-11-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103412004B (zh) | 一种甜橙储存时间的检测方法 | |
CN102590283B (zh) | 利用电子鼻检测草鱼新鲜度的方法 | |
CN102621192B (zh) | 一种利用电子鼻检测芒果新鲜度的方法 | |
CN100575950C (zh) | 一种水果成熟度预测方法 | |
CN101915744A (zh) | 物质成分含量的近红外光谱无损检测方法及装置 | |
CN103948393B (zh) | 一种血液成分含量的近红外无创检测方法及装置 | |
CN102879432A (zh) | 一种利用电子鼻检测罗非鱼新鲜度的方法 | |
CN103163217A (zh) | 声表面波谐振器串联检测系统及其检测方法 | |
CN102353701A (zh) | 一种利用挥发物的农作物虫害诊断方法 | |
CN110320165A (zh) | 香蕉可溶性固形物含量的可见/近红外光谱无损检测方法 | |
CN104111274A (zh) | 一种利用气体传感器阵列型电子鼻指纹分析系统鉴别杨梅汁产地的方法 | |
Hou et al. | Prediction of firmness and pH for “golden delicious” apple based on elasticity index from modal analysis | |
CN104849321A (zh) | 一种基于嗅觉指纹图谱快速检测柑橘品质的方法 | |
Zhang et al. | Nondestructive measurement of kiwifruit firmness, soluble solid content (SSC), titratable acidity (TA), and sensory quality by vibration spectrum | |
Wilson | Chemical sensors for farm-to-table monitoring of fruit quality | |
Mohamed et al. | Food freshness using electronic nose and its classification method: A review | |
CN103412099B (zh) | 一种木瓜储存时间检测装置和方法 | |
CN104914225A (zh) | 一种基于嗅觉指纹信息预测果汁中澄清剂含量的方法 | |
CN103412005B (zh) | 甜橙储存时间的检测方法 | |
He et al. | Combination of airflow and multi-point laser ranging technique for the prediction of total volatile basic nitrogen content in beef | |
CN103424524B (zh) | 番荔枝储存时间的检测方法 | |
CN103558177A (zh) | 生肉组织水分近红外检测装置及检测方法 | |
CN103412051A (zh) | 一种番荔枝储存时间的检测方法 | |
CN103412132B (zh) | 鸡腿肉新鲜度检测装置及检测方法 | |
Husein et al. | Wavelength dependence of optical electronic nose for ripeness detection of oil palm fresh fruits |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150225 Termination date: 20150822 |
|
EXPY | Termination of patent right or utility model |