CN103424523B - 黄豆品质检测方法 - Google Patents

Abstract

本发明公开了一种黄豆品质检测装置及检测方法，本发明的传感器阵列依次对品质合格的黄豆的各个样本进行检测，得到m个信噪比最小值；计算机计算信噪比最小值的平均值，并将信噪比最小值的平均值定义为阈值Thr；对待检测的黄豆样品W进行检测，得到黄豆样品W的信噪比峰值σ；利用非线性自标定动态分类模型计算黄豆样品W的动态分类参数Δ；计算机做出黄豆品质合格或不合格的判断。本发明具有检测准确、快速；经济性好；为使用品质合格的黄豆制作食品提供可靠数据支持的特点。

Description

黄豆品质检测方法

技术领域

本发明涉及粮食品质检测技术领域，尤其是涉及一种可准确、快速地检测出黄豆是否腐败的黄豆品质检测装置及检测方法。 

背景技术

食品安全是影响人类健康的重要因素，一直是世界各国相关部门研究的重点。黄豆中富含蛋白质、碳水化合物等成分，是具有较高的营养价值的粮食作物。但黄豆在储存过程中会产生黄曲霉、寄生曲霉、镰刀曲霉、青曲霉等多种霉菌，在潮湿的环境下易引起霉变，释放出霉味、腐败味、酸败味等气味，霉变的黄豆一旦进入流通市场，将会制作出有害的食品，将严重危害人们的身体健康。 

人们通常通过感官对食品的品质进行判断，而这种判断常常带有很强的主观性，评价分析结果往往会随着年龄、经验的不同，存在较大差异。即便同一个人也会由于身体状况、情绪变化而得出不同结果。况且嗅觉鉴别是一个挥发物质吸入过程，长期实验会对人体的健康造成危害，而且某些不良气味会令品评人员特别敏感而使结果有误；另外，感官评价过程中往往需要大量有品评经验的人员组成品评小组，过程较为繁琐，评价结果往往不具有重复性。 

而黄豆是一种食品原料，目前，尚无有效的方法对黄豆的品质进行检测。 

中国专利授权公告号：CN101769889A，授权公告日2010年7 月7日，公开了一种农产品品质检测的电子鼻系统，包括一主要完成对低浓度气味收集的气体富集模块，一主要把气味信号转化为电信号的气室气路模块及传感器阵列，一主要对传感器阵列输出信号进行滤波、模数转换、特征提取的传感器调理电路与数据预处理模块，一对信号进行识别和判断、且带有数据存储的嵌入式系统，一显示与结果输出模块；所述的气体富集模块由装填有吸附剂的吸附管、电热丝和温控装置构成。该发明具有功能单一，检测时间长的不足。 

发明内容

本发明是为了克服现有技术中的食品评方法的耗时长、成本高、设备昂贵的不足，提供了一种可准确、快速地检测出黄豆是否腐败的黄豆品质检测装置及检测方法。 

为了实现上述目的，本发明采用以下技术方案： 

一种黄豆品质检测装置，包括集气装置和测气装置；所述集气装置包括气体采集腔、样品腔、设于气体采集腔和样品腔上部之间的上连通管和设于气体采集腔和样品腔下部之间的下连通管；气体采集腔上设有进气管，进气管上设有第一电磁阀，上连通管上设有第二电磁阀和第一气泵；所述样品腔内设有样品圈，样品圈上设有金属网，下连通管的出气口位于金属网的下方； 

所述测气装置包括采样探头、清洗探头、气室、激励噪声电路、DSP芯片和设于气室内的传感器阵列；采样探头和清洗探头上均设有第二气泵；激励噪声电路与DSP芯片电连接； 

传感器阵列包括若干个气体传感器，各个气体传感器分别位于独 立的气室内；第一电磁阀、第二电磁阀、第一气泵、第二气泵、激励噪声电路、DSP芯片和传感器阵列上均设有用于与计算机电连接的数据接口。 

集气装置具有将待检测的样品发出的挥发性气体富集的作用，循环时间的延长可以增加样品发出的挥发性气体的浓度，循环时间越长，气体浓度就越大，可以增强传感器的检测信号，从而确保了检测的准确性。 

本发明先将品质合格的黄豆分成m个质量相同的黄豆样本，传感器阵列依次对各个样本进行检测，得到传感器阵列的数字响应信号eNOSE(t)，并对数字响应信号eNOSE(t)进行归一化处理，得到归一化信号Adjust(t)，将激励噪声信号和Adjust(t)输入随机共振系统模型 中，使随机共振系统模型产生随机共振；计算机画出激励噪声信号的信噪比谱图，在信噪比谱图中选取信噪比最小值，得到m个信噪比最小值；计算机计算信噪比最小值的平均值，并将信噪比最小值的平均值定义为阈值Thr； 

对待检测的黄豆样品W进行检测，得到黄豆样品W的信噪比峰值σ；利用非线性自标定动态分类模型计算黄豆样品W的动态分类参数Δ；当则计算机做出黄豆品质合格的判断；当 则计算机做出黄豆品质不合格的判断。 

本发明的品质检测方法比人工品评更加可靠，能够发现黄豆品质的细微变化，从而保证黄豆品质的稳定性，为使用品质合格的黄豆制 作食品提供可靠数据支持。 

作为优选，所述样品圈通过设于样品腔上的支撑杆与样品腔相连接，支撑杆与金属网转动连接，金属网外周面上设有用于带动样品托盘沿转轴旋转的若干个叶片，转轴与水平面的夹角为锐角。 

作为优选，所述支撑杆与水平面之间的夹角为30度至46度。 

作为优选，传感器阵列由8个传感器构成；分别为用于检测硫化物的第一传感器，用于检测氢气的第二传感器，用于检测酒精、甲苯、二甲苯的第四传感器，用于检测碳氢组分气体的第五传感器，用于检测甲烷和丙烷的第六传感器，用于检测丁烷的第七传感器，用于检测氮氧化物的第八传感器，用于检测氨气的第三传感器。 

一种黄豆品质检测装置的检测方法，包括如下步骤： 

(5-1)计算机中设有非线性自标定动态分类模型，非线性自标定动态分类模型包括非线性状态空间模型、残差变量和分类标准模型； 

非线性状态空间模型为其中σ为信噪比最小值，ε为中间传递参量，τ为初始相位，为输出变量，κ、η和Γ均为实参数； 

残差变量为其中为空间模型的实际输出， 为空间模型的理论输出，为预设值；例如，对于冰红茶样品，可以设定为100次测量后，根据检测的σ计算得到的加权平均值。 

分类标准模型为：其中，L为平均数据长度，N为最大检测数据长度，例如：电子鼻检测数据长度L为500，最大检测数据长度N为500～1000。Δ为动态分类参数；设定误差门限值p； 

计算机中设有其中V(x)为非线性对称势函数，Adjust(t)为归一化信号，ξ(t)为高斯白噪声，A为常数，f₀是调制信号频率，D是噪声强度，为相位，x为质点运动位移，t为时间； 

(5-2)计算机将第一和第二电磁阀打开，经过活性炭过滤的空气通过进气管通入气体采集腔中20至30分钟； 

(5-3)将品质合格的黄豆分成m个质量相同的黄豆样本，设定样本序号为i，i＝1；依次对m个样本进行如下检测： 

(5-3-1)将样本i放入样品腔内，计算机控制第一、第二电磁阀关闭，并开动第一气泵；第一气泵带动黄豆产生的挥发性气体在上、下连通管、气体采集腔和样品腔内循环30至40分钟； 

(5-3-2)计算机控制清洗探头上的第二气泵工作，清洗探头将洁净空气吸入各个气室中，对各个传感器进行清洗； 

(5-3-3)计算机将第一电磁阀打开，采样探头通过进气管插入气体采集腔中，计算机控制采样探头上的第二气泵工作，采样探头将黄豆产生的挥发性气体吸入各个气室内，挥发性气体与设于气室内的传感器接触，各个传感器分别产生模拟响应信号；DSP对模拟响应信号进行等间隔抽样，模拟响应信号转换为数字响应信号eNOSE(t)； 

将每个传感器的若干个采样值W设为一组采样数据，每组采样数据中的采样值W符合正态分布：W～N(μ，σ²)，计算每组采样数据的平均值μ和标准差σ，计算|w-μ|； 

当|w-μ|＞3σ，则将所述采样值W作为异常数据去除；因为泊松分布的|w-μ|＞3σ的概率p(|w-μ|＞3σ)＝0.003，因此，可以将|w-μ|＞3σ的采样值W作为异常数据去除。 

(5-3-4)由去除异常数据的eNOSE(t)构成数据矩阵，数据矩阵的列数与传感器阵列中传感器的数量相等，数据矩阵中的数据列分别为各个传感器检测的数字响应信号；对于每个数据列均进行如下处理： 

选取数据列中的最小值minvalue和最大值maxvalue，利用公式y(t)＝(x(t)-MinValue)/(MaxValue-MinValue)对所述数据列进行归一化处理；其中，x(t)为所述数据列的原始数据，y(t)为归一化处理后得到的数据； 

每个数据列进行归一化处理后形成归一化后的数据矩阵，计算归一化后的数据矩阵的y(t)的平均值，将y(t)的平均值定义为归一化信号Adjust(t)，将激励噪声电路产生的激励噪声信号和Adjust(t)输入随机共振系统模型 中，使随机共振系统模型产生随机共振； 

计算机利用公式计算激励噪声信号的信噪比SNR，其中ω是信号频率，Ω为角频率，S(ω)是信号频 谱密度，S_N(Ω)是信号频率范围内的噪声强度；归一化信号可以有效矫正气体传感器由于基线漂移而造成的测量误差，提高检测准确度。ξ(t)为高斯白噪声，其自相关函数为：E[ξ(t)ξ(0)]＝2Dδ(t)，A为常数，f₀是调制信号频率，D是噪声强度，为相位，x为质点运动位移，t为时间。 

在激励噪声信号的激励下，随机共振系统模型产生随机共振，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，随机共振将部分数字响应信号中的噪声能量转换到信号中去，因而有效的抑制了数字响应信号中的噪声量。 

(5-3-5)计算机画出随机共振系统模型的激励噪声信号的信噪比谱图，在信噪比谱图中选取信噪比最小值，并将信噪比最小值存储到计算机中； 

(5-3-6)当i＜m，使i值增加1，重复步骤(5-3-1)至步骤(5-3-5)，得到m个信噪比最小值；计算机计算信噪比最小值的平均值，并将信噪比最小值的平均值定义为阈值Thr； 

(5-4)重复步骤(5-2)至(5-3)对待检测的黄豆样品W进行检测，得到黄豆样品W的信噪比最小值σ； 

(5-5)利用非线性自标定动态分类模型计算黄豆样品W的动态分类参数Δ；计算动态分类参数Δ的过程是将未知样品的随机共振输出信噪比特征值进行了优化，目的在于消除测量过程中的偶然误差而带来干扰，增加了残差的准确度，提高了样品品质检测的精确度。 

(5-6)当则计算机做出黄豆样品W品质合格的判断； 

当则计算机做出黄豆样品W品质不合格的判断。 

作为优选，所述误差门限值p为0.02至0.1。 

作为优选，所述m为5至15。 

作为优选，步骤(5-3-2)中还包括如下步骤：将挥发性气体吸入各气室内检测60至80秒。 

因此，本发明具有如下有益效果：(1)检测准确、快速；(2)经济性好；(3)为使用品质合格的黄豆制作食品提供可靠数据支持。 

附图说明

图1是本发明的实施例的一种流程图； 

图2是本发明的检测装置的一种原理框图； 

图3是本发明的激励噪声信噪比曲线图； 

图4是本发明的集气装置的一种结构示意图。 

图中：气体采集腔1、样品腔2、上连通管3、下连通管4、进气管5、第一电磁阀6、第二电磁阀7、第一气泵8、金属网9、采样探头10、清洗探头11、气室12、激励噪声电路13、DSP芯片14、传感器阵列15、第二气泵16、计算机17、支撑杆18、叶片19、样品圈20。 

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4所示的实施例是一种黄豆品质检测装置，包括集气装置和测气装置；集气装置包括气体采集腔1、样品腔2、设于气体采集腔和样品腔上部之间的上连通管3和设于气体采集腔和样品腔下部之间的下连通管4；气体采集腔上设有进气管5，进气管上设有第一电磁阀6，上连通管上设有第二电磁阀7和第一气泵8；样品腔内设有样品圈20，样品圈上设有金属网，下连通管的出气口位于金属网9的下方；样品圈通过设于样品腔上的支撑杆18与样品腔相连接，支撑杆与金属网转动连接，金属网外周面上设有用于带动样品托盘沿转轴旋转的叶片19，支撑杆与水平面的夹角为46度。 

本实施例中，样品腔上设有密封盖，当需要在样品腔内加入或更换样品时，打开密封盖进行操作。 

如图2所示的测气装置包括采样探头10、清洗探头11、气室12、激励噪声电路13、DSP芯片14和设于气室内的传感器阵列15；采样探头和清洗探头上均设有第二气泵16；激励噪声电路与DSP芯片电连接； 

传感器阵列包括8个气体传感器，各个气体传感器分别位于独立的气室内；第一电磁阀、第二电磁阀、第一气泵、第二气泵、激励噪声电路、DSP芯片和传感器阵列上均设有用于与计算机17电连接的数据接口。 

如图1所示的实施例是一种黄豆品质装置的检测方法，包括如下步骤： 

计算机中设有非线性自标定动态分类模型，非线性自标定动态分 类模型包括非线性状态空间模型、残差变量和分类标准模型； 

非线性状态空间模型为其中σ为信噪比最小值，ε为中间传递参量，τ为初始相位，为输出变量，κ、η和Γ均为实参数； 

残差变量为其中为空间模型的实际输出， 为空间模型的理论输出，为预设值； 

分类标准模型为：其中，L为平均数据长度，N为最大检测数据长度，Δ为动态分类参数；设定误差门限值p＝0.1； 

计算机中设有其中V(x)为非线性对称势函数，Adjust(t)为归一化信号，ξ(t)为高斯白噪声，A为常数，f₀是调制信号频率，D是噪声强度，为相位，x为质点运动位移，t为时间； 

步骤100，计算机将第一和第二电磁阀打开，经过活性炭过滤的空气通过进气管通入气体采集腔中20至30分钟； 

步骤200，对品质合格的黄豆的各个样品进行检测和数据处理： 

将的黄豆分成m个质量相同的黄豆样本，将品质合格的黄豆样品分成4个相同的待检测黄豆样本，每个样本为25克黄豆，设定样本序号为i，i＝1； 

步骤201，将样本i放入样品腔内，计算机控制第一、第二电磁阀关闭，并开动第一气泵；第一气泵带动黄豆产生的挥发性气体在上、 下连通管、气体采集腔和样品腔内循环30至40分钟； 

步骤202，计算机控制清洗探头上的第二气泵工作，清洗探头将洁净空气吸入各个气室中，对各个传感器进行清洗； 

步骤203，计算机将第一电磁阀打开，采样探头通过进气管插入气体采集腔中，计算机控制采样探头上的第二气泵工作，采样探头将黄豆产生的挥发性气体吸入各个气室内，挥发性气体与设于气室内的传感器接触，各个传感器分别产生模拟响应信号；DSP对模拟响应信号进行等间隔抽样，模拟响应信号转换为数字响应信号eNOSE(t)； 

将每个传感器的若干个采样值W设为一组采样数据，每组采样数据中的采样值W符合正态分布：W～N(μ，σ²)，计算每组采样数据的平均值μ和标准差σ，计算|w-μ|； 

当|w-μ|＞3σ，则将所述采样值W作为异常数据去除； 

步骤204，由去除异常数据的eNOSE(t)构成数据矩阵，数据矩阵的列数与传感器阵列中传感器的数量相等，数据矩阵中的数据列分别为各个传感器检测的数字响应信号；对于每个数据列均进行如下处理： 

选取数据列中的最小值minvalue和最大值maxvalue，利用公式y(t)＝(x(t)-MinValue)/(MaxValue-MinValue)对所述数据列进行归一化处理；其中，x(t)为所述数据列的原始数据，y(t)为归一化处理后得到的数据； 

每个数据列进行归一化处理后形成归一化后的数据矩阵，计算归一化后的数据矩阵的y(t)的平均值，将y(t)的平均值定义 为归一化信号Adjust(t)，将激励噪声电路产生的激励噪声信号和Adjust(t)输入随机共振系统模型 中，使随机共振系统模型产生随机共振； 

例如：数据矩阵中的11行数据如表1所示： 

表1 

数据矩阵的列数与传感器阵列中传感器的数量相等，数据矩阵中的数据列分别为8个传感器检测的平均数字响应信号；对于每个数据列均进行如下处理： 

例如：数据列1中的最小值minvalue为71v，最大值maxvalue为79v，利用公式y(t)＝(x(t)-71)/(79-71)对数据列1进行归一化处理； 

数据列2中的最小值minvalue为82v，最大值maxvalue为90v，利用公式y(t)＝(x(t)-82)/(90-82)对数据列1进行归一化处 理； 

数据列3中的最小值minvalue为137v，最大值maxvalue为145v；数据列4中的最小值minvalue为113v，最大值maxvalue为120v；数据列5中的最小值minvalue为170v，最大值maxvalue为176v；数据列6中的最小值minvalue为144v，最大值maxvalue为152v；数据列7中的最小值minvalue为149v，最大值maxvalue为155v；数据列8中的最小值minvalue为82v，最大值maxvalue为87v；分别对数据列3至8进行归一化处理，得到如表2所示的归一化后的数据矩阵中的11行数据： 

表2 

计算归一化后的数据矩阵中的8个数据列y(t)的平均值，即计算表2中每行数据的平均值，将y(t)的平均值定义为归一化信号Adjust(t)，根据表2得到本实施例中的Adjust(t)为 0.16，0.39，0.92，0.91，0.36，0.63，0.51，0.63，0，0.78，0.16。 

计算机利用公式计算激励噪声信号的信噪比SNR，其中ω是信号频率，Ω为角频率，S(ω)是信号频谱密度，S_N(Ω)是信号频率范围内的噪声强度； 

步骤205，计算机画出随机共振系统模型的激励噪声信号的信噪比谱图，在信噪比谱图中选取信噪比最小值，并将信噪比最小值存储到计算机中； 

步骤206，当i＜m，使i值增加1，重复步骤(5-3-1)至步骤(5-3-5)，得到m个信噪比最小值；计算机计算信噪比最小值的平均值，并将信噪比最小值的平均值定义为阈值Thr＝-75.3dB，； 

步骤300，重复步骤(5-2)至(5-3)对待检测的黄豆样品W进行检测，得到黄豆样品W的信噪比最小值σ； 

本实施例中，计算机画出如图3所示的随机共振系统模型的激励噪声信号的信噪比曲线，计算机选取信噪比曲线中的信噪比最小值σ＝-75dB，并将d存储到计算机中； 

步骤400，利用非线性自标定动态分类模型计算黄豆样品W的动态分类参数Δ＝-75.1； 

步骤500，当则计算机做出黄豆样品W品质合格的判断； 

当则计算机做出黄豆样品W品质不合格的判断。 

本实施例中， $\left|\frac{\mathrm{\&Delta;}-\mathrm{Thr}}{\mathrm{Thr}}\right|=\left|\frac{-75.1+75.3}{-75.3}\right|=0.003<0.1,$ 因此计算机做出黄豆品质合格的判断。 

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 (3)

1.一种黄豆品质检测装置的检测方法，其特征是，所述检测装置包括集气装置和测气装置；所述集气装置包括气体采集腔(1)、样品腔(2)、设于气体采集腔和样品腔上部之间的上连通管(3)和设于气体采集腔和样品腔下部之间的下连通管(4)；气体采集腔上设有进气管(5)，进气管上设有第一电磁阀(6)，下连通管上设有第二电磁阀(7)和第一气泵(8)；所述样品腔内设有样品圈(20)，样品圈上设有金属网，下连通管的出气口位于金属网(9)的下方；

所述测气装置包括采样探头(10)、清洗探头(11)、气室(12)、激励噪声电路(13)、DSP芯片(14)和设于气室内的传感器阵列(15)；采样探头和清洗探头上均设有第二气泵(16)；激励噪声电路与DSP芯片电连接；

传感器阵列包括若干个气体传感器，各个气体传感器分别位于独立的气室内；第一电磁阀、第二电磁阀、第一气泵、第二气泵、激励噪声电路、DSP芯片和传感器阵列上均设有用于与计算机(17)电连接的数据接口；

所述检测方法包括如下步骤：

(1-1)计算机中设有非线性自标定动态分类模型，非线性自标定动态分类模型包括非线性状态空间模型、残差变量和分类标准模型；

非线性状态空间模型为其中σ为信噪比最小值，ε为中间传递参量，τ为初始相位，为输出变量，κ、η和Γ均为实参数；

残差变量为其中为空间模型的实际输出，为空间模型的理论输出，为预设值；

分类标准模型为：其中，L为平均数据长度，N为最大检测数据长度，Δ为动态分类参数；设定误差门限值p；

计算机中设有其中V(x)为非线性对称势函数，Adjust(t)为归一化信号，ξ(t)为高斯白噪声，A为常数，f₀是调制信号频率，D是噪声强度，为相位，x为质点运动位移，t为时间；

(1-2)计算机将第一和第二电磁阀打开，经过活性炭过滤的空气通过进气管通入气体采集腔中20至30分钟；

(1-3)将品质合格的黄豆分成m个质量相同的黄豆样本，设定样本序号为i，i＝1；依次对m个样本进行如下检测：

(1-3-1)将样本i放入样品腔内，计算机控制第一、第二电磁阀关闭，并开动第一气泵；第一气泵带动黄豆产生的挥发性气体在上、下连通管、气体采集腔和样品腔内循环30至40分钟；

(1-3-2)计算机控制清洗探头上的第二气泵工作，清洗探头将洁净空气吸入各个气室中，对各个传感器进行清洗；

(1-3-3)计算机将第一电磁阀打开，采样探头通过进气管插入气体采集腔中，计算机控制采样探头上的第二气泵工作，采样探头将黄豆产生的挥发性气体吸入各个气室内，挥发性气体与设于气室内的传感器接触，各个传感器分别产生模拟响应信号；DSP对模拟响应信号进行等间隔抽样，模拟响应信号转换为数字响应信号eNOSE(t)；

将每个传感器的若干个采样值W设为一组采样数据，每组采样数据中的采样值W符合正态分布：W～N(μ，σ²)，计算每组采样数据的平均值μ和标准差σ，计算|w-μ|；

当|w-μ|＞3σ，则将所述采样值W作为异常数据去除；

(1-3-4)由去除异常数据的eNOSE(t)构成数据矩阵，数据矩阵的列数与传感器阵列中传感器的数量相等，数据矩阵中的数据列分别为各个传感器检测的数字响应信号；对于每个数据列均进行如下处理：

选取数据列中的最小值minvalue和最大值maxvalue，利用公式y(t)＝(x(t)-MinValue)/(MaxValue-MinValue)对所述数据列进行归一化处理；其中，x(t)为所述数据列的原始数据，y(t)为归一化处理后得到的数据；

每个数据列进行归一化处理后形成归一化后的数据矩阵，计算归一化后的数据矩阵的y(t)的平均值，将y(t)的平均值定义为归一化信号Adjust(t)，将激励噪声电路产生的激励噪声信号和Adjust(t)输入随机共振系统模型中，使随机共振系统模型产生随机共振；

计算机利用公式计算激励噪声信号的信噪比SNR，其中ω是信号频率，Ω为角频率，S(ω)是信号频谱密度，S_N(Ω)是信号频率范围内的噪声强度；

(1-3-5)计算机画出随机共振系统模型的激励噪声信号的信噪比谱图，在信噪比谱图中选取信噪比最小值，并将信噪比最小值存储到计算机中；

(1-3-6)当i＜m，使i值增加1，重复步骤(1-3-1)至步骤(1-3-5)，得到m个信噪比最小值；计算机计算信噪比最小值的平均值，并将信噪比最小值的平均值定义为阈值Thr；

(1-4)重复步骤(1-2)至(1-3)对待检测的黄豆样品W进行检测，得到黄豆样品W的信噪比最小值σ；

(1-5)利用非线性自标定动态分类模型计算黄豆样品W的动态分类参数Δ；

(1-6)当则计算机做出黄豆样品W品质合格的判断；

当则计算机做出黄豆样品W品质不合格的判断。

2.根据权利要求1所述的黄豆品质检测装置的检测方法，其特征是，所述m为5至15。

3.根据权利要求1或2所述的黄豆品质检测装置的检测方法，其特征是，步骤(1-3-2)中还包括如下步骤：将挥发性气体吸入各气室内检测60至80秒。