CN103424527B - 茶饮料品质检测装置及检测方法 - Google Patents

茶饮料品质检测装置及检测方法 Download PDF

Info

Publication number
CN103424527B
CN103424527B CN201310332684.0A CN201310332684A CN103424527B CN 103424527 B CN103424527 B CN 103424527B CN 201310332684 A CN201310332684 A CN 201310332684A CN 103424527 B CN103424527 B CN 103424527B
Authority
CN
China
Prior art keywords
signal
tea beverage
sensor
sample
computing machine
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
Application number
CN201310332684.0A
Other languages
English (en)
Other versions
CN103424527A (zh
Inventor
惠国华
王敏敏
黄洁
顾佳璐
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Gongshang University
Original Assignee
Zhejiang Gongshang University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang Gongshang University filed Critical Zhejiang Gongshang University
Priority to CN201310332684.0A priority Critical patent/CN103424527B/zh
Publication of CN103424527A publication Critical patent/CN103424527A/zh
Application granted granted Critical
Publication of CN103424527B publication Critical patent/CN103424527B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Tea And Coffee (AREA)

Abstract

本发明公开了一种茶饮料品质检测装置及检测方法,包括如下步骤:本发明将品质合格的茶饮料分成m个样本,传感器阵列依次对各个样本进行检测,得到m个信噪比峰值;计算机计算信噪比峰值的平均值,并将信噪比峰值的平均值定义为阈值Thr;对待检测的茶饮料样品W进行检测,得到茶饮料样品W的信噪比峰值σ;计算动态分类参数Δ;并作出茶饮料品质合格或不合格的判断。本发明具有可准确检测茶饮料品质;为厂家生产出质量稳定的茶饮料提供可靠数据支持的特点。

Description

茶饮料品质检测装置及检测方法
技术领域
本发明涉及食品品质检测技术领域,尤其是涉及一种可准确检测茶饮料品质,为厂家生产出质量稳定的茶饮料提供可靠数据支持的茶饮料品质检测装置及检测方法。
背景技术
长期以来,人们通过自身的感官对饮品的品质进行判断,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。
茶饮料的香气和口味对消费者的选购有较大的影响,如果饮料口味不适合消费者或者不稳定,会直接影响产品的市场销售,涉及到生产商的效益。
因此,生产商在茶饮料研发及生产过程中,会对茶饮料进行感官品评鉴定。而人工品评方法很难将茶饮料品质的细微变化品尝出来,只有品质产生很大变化时才能品尝出来,而这时往往已经由于品质的变化导致了茶饮料销量的下降。
因此,如何及时发现茶饮料的品质的变化,将茶饮料的品质控制在正常范围内,是厂家急需解决的问题。
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的食品品评方法的耗时长、成本高、设备昂贵的不足,提供了一种可准确检测茶饮料品质,为厂家生产出质量稳定的茶饮料提供可靠数据支持的茶饮料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:
一种茶饮料品质检测装置,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,上连通管上设有第一气泵,上连通管的远离气体采集腔部位上设有出气口,出气口上设有第二电磁阀,样品腔位于气体采集腔的斜下方;
所述测气装置包括采样探头、模/数转换器、激励噪声电路、清洗探头和传感器阵列;采样探头和清洗探头上均设有第二气泵,
传感器阵列包括若干个气体传感器,各个传感器分别位于独立的气室内;各个传感器分别与模/数转换器电连接,第一电磁阀、第二电磁阀、模/数转换器、激励噪声电路、第一气泵和第二气泵分别与计算机电连接。
本发明先将品质合格的茶饮料分成m个质量相同的茶饮料样本,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峰值,得到m个信噪比峰值;计算机计算信噪比峰值的平均值,并将信噪比峰值的平均值定义为阈值Thr;
对待检测的茶饮料样品W进行检测,得到茶饮料样品W的信噪比峰值σ;利用非线性自标定动态分类模型计算茶饮料样品W的动态分类参数Δ;当则计算机做出茶饮料样品W品质合格的判断;当则计算机做出茶饮料样品W品质不合格的判断。
厂家在生产茶饮料的过程中,使用本发明的检测方法检测茶饮料样品的品质;当被检测的茶饮料样品的品质不合格时,厂家调整生产工艺,生产出新的茶饮料样品;再次使用本发明的检测方法检测新的茶饮料样品的品质,根据检测的结果再次调整生产工艺,直至生产出品质合格的茶饮料样品为止。厂家使用生产出品质合格的茶饮料的工艺流程生产茶饮料,从而保证茶饮料的品质的稳定性。
本发明的品质检测方法比人工品评更加可靠,能够发现茶饮料品质的细微变化,从而保证茶饮料品质的稳定性,为厂家生产出质量稳定的茶饮料提供了可靠的数据支持。
作为优选,所述样品腔内设有竖筒和下端开口的T形搅拌管,T形搅拌管的下端位于竖筒内,T形搅拌管的下端设有向外水平延伸的环形边,竖筒内周面上部设有与环形边相适配的凸环,环形边下表面与凸环上表面相接触;
竖筒上端设有挡圈,挡圈的横截面呈向下开口的U形,挡圈包括内环形圈和外环形圈,内环形圈与竖筒内周面相接触,外环形圈与竖筒外周面相接触,内环形圈的下边缘与环形边上表面间隙配合;竖筒下部与下连通管相连接;
T形搅拌管一端的外周面后部设有若干个出气孔,T形搅拌管的另一端的外周面前部设有若干个出气孔。
作为优选,所述T形搅拌管的横截面呈椭圆形,T形搅拌管的外周面下部设有若干个出气孔。
作为优选,所述传感器阵列包括8个气体传感器,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。
作为优选,所述激励噪声电路包括振荡器和放大器;振荡器的输出端与放大器的输入端电连接,放大器的输出端与数字信号处理器电连接。
一种茶饮料品质检测装置的检测方法,包括如下步骤:
(6-1)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为信噪比峰值,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: Δ = 1 L Σ ψ = N - L + 1 N e ( ϵ - L ) e ( ϵ ) , 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500~100O。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;
(6-2)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;
(6-3)将品质合格的茶饮料分成m个质量相同的茶饮料样本,设定样本序号为i,i=1;依次对m个样本进行如下检测:
(6-3-1)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;第一气泵带动茶饮料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20至30分钟;
(6-3-2)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;
(6-3-3)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,采样探头将茶饮料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;模/数转换器将模拟响应信号转换为数字响应信号eNOSE(t);
(6-3-4)由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-MinValud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。
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。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。
计算机利用公式 SNR = 2 [ lim Δω → 0 ∫ Ω - Δω Ω + Δω S ( ω ) dω ] / S N ( Ω ) 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,SN(Ω)是信号频率范围内的噪声强度;
(6-3-5)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峰值,并将信噪比峰值存储到计算机中;
(6-3-6)当i<m,使i值增加1,重复步骤(6-3-1)至步骤(6-3-5),得到m个信噪比峰值;计算机计算信噪比峰值的平均值,并将信噪比峰值的平均值定义为阈值Thr;
(6-4)重复步骤(6-2)至(6-3)对待检测的茶饮料样品W进行检测,得到茶饮料样品W的信噪比峰值σ;
(6-5)利用非线性自标定动态分类模型计算茶饮料样品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,有利于提高样品预测的准确度。
(6-6)当则计算机做出茶饮料品质合格的判断;
则计算机做出茶饮料品质不合格的判断。
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)可准确检测茶饮料品质;(2)为厂家生产出质量稳定的茶饮料提供可靠数据支持。
附图说明
图1是本发明的实施例的一种流程图;
图2是本发明的集气装置的一种结构示意图;
图3是本发明的测气装置的一种原理框图;
图4是本发明的竖筒、挡圈和T形搅拌管的一种结构示意图。
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、出气孔9、竖筒10采样探头11、模/数转换器12、激励噪声电路13、清洗探头14、传感器阵列15、第二气泵16、计算机19、T形搅拌管17、凸环18、挡圈20、螺钉21。
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2所示的实施例是一种茶饮料品质检测装置,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,上连通管上设有第一气泵8,上连通管的远离气体采集腔部位上设有出气口,出气口上设有第二电磁阀7,样品腔位于气体采集腔的斜下方;样品腔内设有竖筒10和下端开口的T形搅拌管17。
如图4所示,T形搅拌管的下端位于竖筒内,T形搅拌管的下端设有向外水平延伸的环形边,竖筒内周面上部设有与环形边相适配的凸环18,环形边下表面与凸环上表面相接触;
竖筒上端设有挡圈20,挡圈的横截面呈向下开口的U形,挡圈包括内环形圈和外环形圈,内环形圈与竖筒内周面相接触,外环形圈与竖筒外周面相接触,内环形圈的下边缘与环形边上表面间隙配合;竖筒下部与下连通管相连接;挡圈通过螺钉21与竖筒相连接。挡圈由软质塑料制成。
T形搅拌管一端的外周面后部设有10个出气孔9,T形搅拌管的另一端的外周面前部设有6个出气孔。
如图3所示,测气装置包括采样探头11、模/数转换器12、激励噪声电路13、清洗探头14和传感器阵列15;采样探头和清洗探头上均设有第二气泵16,
传感器阵列8个气体传感器,各个传感器分别位于独立的气室内;各个传感器分别与模/数转换器电连接,第一电磁阀、第二电磁阀、模/数转换器、激励噪声电路、第一气泵和第二气泵上均设有用于与计算机19电连接的数据接口。
传感器阵列包括8个气体传感器,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。
激励噪声电路包括振荡器和放大器;振荡器的输出端与放大器的输入端电连接,放大器的输出端与数字信号处理器电连接。
本实施例中,样品腔上设有第一密封盖,下连通管上设有排液口,排液口上设有第二密封盖。当需要在样品腔内加入样品时,打开第一密封盖,关闭第二密封盖,将样品装入样品腔中;当需要更换样品时,将第一、第二密封盖均打开,将样品从排液口排出,然后用纯净水清洗样品腔,并关闭第二密封盖,将新的样品加入到样品腔中。
如图1所示的实施例是一种茶饮料的品质检测方法,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为信噪比峰值,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: Δ = 1 L Σ ψ = N - L + 1 N e ( ϵ - L ) e ( ϵ ) , 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=0.05;
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30分钟;
步骤200,将品质合格的康师傅茉莉蜜茶分成6个质量相同的茶饮料样本,设定样本序号为i,i=1;依次对6个样本进行如下检测:
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;第一气泵带动茶饮料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,采样探头将茶饮料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;模/数转换器将模拟响应信号转换为数字响应信号eNOSE(t);
步骤204,由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10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71,最大值maxvalue为76,利用公式y(t)=(x(t)-71)/(76-71)对数据列1进行归一化处理;
数据列2中的最小值minvalue为84,最大值maxvalue为89,利用公式y(t)=(x(t)-84)/(89-84)对数据列1进行归一化处理;
数据列3中的最小值minvalue为138,最大值maxvalue为144;数据列4中的最小值minvalue为l12,最大值maxvalue为118;数据列5中的最小值minvalue为169,最大值maxvalue为175;数据列6中的最小值minvalue为144,最大值maxvalue为152;数据列7中的最小值minvalue为148,最大值maxvalue为156;数据列8中的最小值minvalue为81,最大值maxvalue为89;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10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0.35,0.52,0.03,0.33,0.90,0.74,0.61,0.42,0.80,0.21,0.40。
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;
计算机利用公式 SNR = 2 [ lim Δω → 0 Σ Ω - Δω Ω + Δω S ( ω ) dω ] / S N ( Ω ) 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,SN(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峰值,并将信噪比峰值存储到计算机中;
步骤206,当i<6,使i值增加1,重复步骤301至步骤305,得到6个信噪比峰值;计算机计算信噪比峰值的平均值,并将信噪比峰值的平均值定义为阈值Thr;本实施例中,Thr=-68dB;
步骤300,取一瓶康师傅茉莉蜜茶作为待检测的茶饮料样品W,每个样品为20毫升;重复步骤200至300对待检测的茶饮料样品W进行检测,得到茶饮料样品W的信噪比峰值σ;本实施例中σ=-66.87dB;
步骤400,利用非线性自标定动态分类模型计算茶饮料样品W的动态分类参数Δ;本实施例中,Δ=-67.84;
步骤500,当则计算机做出茶饮料样品W品质合格的判断;
则计算机做出茶饮料品质样品W不合格的判断。
本实施例中,则计算机做出茶饮料品质合格的判断。
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 (7)

1.一种茶饮料品质检测装置,其特征是,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),上连通管上设有第一气泵(8),上连通管的远离气体采集腔部位上设有出气口,出气口上设有第二电磁阀(7),样品腔位于气体采集腔的斜下方;
所述测气装置包括采样探头(11)、模/数转换器(12)、激励噪声电路(13)、清洗探头(14)和传感器阵列(15);采样探头和清洗探头上均设有第二气泵(16),
传感器阵列包括若干个气体传感器,各个传感器分别位于独立的气室内;各个传感器分别与模/数转换器电连接,第一电磁阀、第二电磁阀、模/数转换器、激励噪声电路、第一气泵和第二气泵上均设有用于与计算机(19)电连接的数据接口;
所述样品腔内设有竖筒(10)和下端开口的T形搅拌管(17),T形搅拌管的下端位于竖筒内,T形搅拌管的下端设有向外水平延伸的环形边,竖筒内周面上部设有与环形边相适配的凸环(18),环形边下表面与凸环上表面相接触;
竖筒上端设有挡圈(20),挡圈的横截面呈向下开口的U形,挡圈包括内环形圈和外环形圈,内环形圈与竖筒内周面相接触,外环形圈与竖筒外周面相接触,内环形圈的下边缘与环形边上表面间隙配合;竖筒下部与下连通管相连接;
T形搅拌管一端的外周面后部设有若干个出气孔(9),T形搅拌管的另一端的外周面前部设有若干个出气孔。
2.根据权利要求1所述的茶饮料品质检测装置,其特征是,所述T形搅拌管的横截面呈椭圆形,T形搅拌管的外周面下部设有若干个出气孔。
3.根据权利要求1所述的茶饮料品质检测装置,其特征是,所述传感器阵列包括8个气体传感器,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。
4.根据权利要求1或2或3所述的茶饮料品质检测装置,其特征是,所述激励噪声电路包括振荡器和放大器;振荡器的输出端与放大器的输入端电连接,放大器的输出端与数字信号处理器电连接。
5.一种适用于权利要求1所述的茶饮料品质检测装置的检测方法,其特征是,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为信噪比峰值,ε为中间传递参量,τ为初始相位,为输出变量,κ、η和Г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;
(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)将品质合格的茶饮料分成m个质量相同的茶饮料样本,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;第一气泵带动茶饮料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20至30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,采样探头将茶饮料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;模/数转换器将模拟响应信号转换为数字响应信号eNOSE(t);
(5-3-4)由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,SN(Ω)是信号频率范围内的噪声强度;
(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峰值,并将信噪比峰值存储到计算机中;
(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个信噪比峰值;计算机计算信噪比峰值的平均值,并将信噪比峰值的平均值定义为阈值Thr;
(5-4)重复步骤(5-2)至(5-3)对待检测的茶饮料样品W进行检测,得到茶饮料样品W的信噪比峰值σ;
(5-5)利用非线性自标定动态分类模型计算茶饮料样品W的动态分类参数Δ;
(5-6)当则计算机做出茶饮料样品W品质合格的判断;
则计算机做出茶饮料样品W品质不合格的判断。
6.根据权利要求5所述的茶饮料品质检测装置的检测方法,其特征是,所述m为5至15。
7.根据权利要求5或6所述的茶饮料品质检测装置的检测方法,其特征是,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40至60秒。
CN201310332684.0A 2013-08-01 2013-08-01 茶饮料品质检测装置及检测方法 Expired - Fee Related CN103424527B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310332684.0A CN103424527B (zh) 2013-08-01 2013-08-01 茶饮料品质检测装置及检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310332684.0A CN103424527B (zh) 2013-08-01 2013-08-01 茶饮料品质检测装置及检测方法

Publications (2)

Publication Number Publication Date
CN103424527A CN103424527A (zh) 2013-12-04
CN103424527B true CN103424527B (zh) 2015-01-28

Family

ID=49649586

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310332684.0A Expired - Fee Related CN103424527B (zh) 2013-08-01 2013-08-01 茶饮料品质检测装置及检测方法

Country Status (1)

Country Link
CN (1) CN103424527B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106093123B (zh) * 2016-06-20 2020-05-19 海尔智家股份有限公司 冰箱储物间室内气味对嗅觉影响的检测方法、装置及冰箱

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101769889A (zh) * 2010-01-06 2010-07-07 浙江清华长三角研究院 一种农产品品质检测的电子鼻系统
CN202106503U (zh) * 2011-06-15 2012-01-11 上海松江埃驰汽车地毯声学元件有限公司 发泡机的充氮气装置
CN102879432A (zh) * 2012-10-22 2013-01-16 浙江工商大学 一种利用电子鼻检测罗非鱼新鲜度的方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101769889A (zh) * 2010-01-06 2010-07-07 浙江清华长三角研究院 一种农产品品质检测的电子鼻系统
CN202106503U (zh) * 2011-06-15 2012-01-11 上海松江埃驰汽车地毯声学元件有限公司 发泡机的充氮气装置
CN102879432A (zh) * 2012-10-22 2013-01-16 浙江工商大学 一种利用电子鼻检测罗非鱼新鲜度的方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
基于SRSAnose系统的茶饮料智能感官分析方法研究;何春阳等;《中国食品学报》;20120830;第12卷(第8期);第197-202页 *
基于智能电子鼻系统对不同品牌啤酒区分;杨利军等;《食品科学》;20111231;第32卷(第22期);第184-187页 *
基于电子鼻系统的不同风味绍兴黄酒区分方法研究;惠国华等;《传感技术学报》;20111231;第24卷(第12期);第1800页第3-4段、附图1及第1801页第1段 *
基于随机共振的电子鼻系统构建及在谷物霉变程度检测中的应用;惠国华等;《传感技术学报》;20110228;第24卷(第2期);第159-164页 *

Also Published As

Publication number Publication date
CN103424527A (zh) 2013-12-04

Similar Documents

Publication Publication Date Title
Kiani et al. A portable electronic nose as an expert system for aroma-based classification of saffron
CN103134850B (zh) 一种基于特征香气的茶叶品质快速检测方法
CN102590283B (zh) 利用电子鼻检测草鱼新鲜度的方法
CN103424525B (zh) 牛奶品质检测装置及检测方法
Omatu et al. E-nose system by using neural networks
CN103412004B (zh) 一种甜橙储存时间的检测方法
CN102590288A (zh) 基于电子鼻的食品品质检测系统和检测方法
CN103575690B (zh) 基于红外气体传感器的水果成熟度检测系统
CN111855757B (zh) 一种基于电子鼻的六堡茶陈香香味识别方法
CN103412002A (zh) 一种食醋风味分析装置和方法
CN103424517B (zh) 黄酒品质检测装置及检测方法
CN105866190A (zh) 一种用于食品检测的电子鼻装置及检测方法
CN106018511A (zh) 一种茶叶等级识别中电子鼻传感器的筛选方法及系统
CN104089987A (zh) 便携式冷冻牛肉品质检测装置及检测方法
CN103424527B (zh) 茶饮料品质检测装置及检测方法
CN103512921A (zh) 一种基于智能电子鼻系统的梨新鲜度分析装置及方法
CN110887944A (zh) 一种茶油品质快速检测装置
CN103424526B (zh) 牛肉新鲜度检测装置及检测方法
CN103424431A (zh) 一种大米霉变快速检测装置和方法
CN103424523B (zh) 黄豆品质检测方法
CN103472198B (zh) 茶饮料品种检测装置及检测方法
Lelono et al. Comparison of difference, relative and fractional methods for classification of the black tea based on electronic nose
CN103424528B (zh) 白酒品种检测装置及检测方法
CN103412015A (zh) 一种混合食醋风味分析装置和方法
CN103424522B (zh) 牛肉酱调味液的品质检测装置及检测方法

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: 20150128

Termination date: 20150801

EXPY Termination of patent right or utility model