CN104849318B - 基于味觉嗅觉指纹图谱检测不同成熟度柑橘品质的方法 - Google Patents
基于味觉嗅觉指纹图谱检测不同成熟度柑橘品质的方法 Download PDFInfo
- Publication number
- CN104849318B CN104849318B CN201510227723.XA CN201510227723A CN104849318B CN 104849318 B CN104849318 B CN 104849318B CN 201510227723 A CN201510227723 A CN 201510227723A CN 104849318 B CN104849318 B CN 104849318B
- Authority
- CN
- China
- Prior art keywords
- data
- electronic
- standardization
- value
- tongues
- 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
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000014860 sensory perception of taste Effects 0.000 title claims abstract description 15
- 210000002105 tongue Anatomy 0.000 claims abstract description 75
- 241000207199 Citrus Species 0.000 claims abstract description 33
- 235000020971 citrus fruits Nutrition 0.000 claims abstract description 33
- 238000001514 detection method Methods 0.000 claims abstract description 24
- 230000004044 response Effects 0.000 claims abstract description 17
- 235000015203 fruit juice Nutrition 0.000 claims abstract description 16
- 230000004927 fusion Effects 0.000 claims abstract description 13
- 239000000796 flavoring agent Substances 0.000 claims abstract description 11
- 235000019634 flavors Nutrition 0.000 claims abstract description 11
- 239000000284 extract Substances 0.000 claims abstract description 7
- 238000007789 sealing Methods 0.000 claims abstract description 6
- 235000011389 fruit/vegetable juice Nutrition 0.000 claims abstract description 5
- 238000002203 pretreatment Methods 0.000 claims abstract description 3
- 238000007637 random forest analysis Methods 0.000 claims description 28
- 238000003066 decision tree Methods 0.000 claims description 19
- 238000004458 analytical method Methods 0.000 claims description 13
- 238000012360 testing method Methods 0.000 claims description 13
- 238000012549 training Methods 0.000 claims description 11
- 238000002474 experimental method Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000012952 Resampling Methods 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 230000002000 scavenging effect Effects 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 239000003755 preservative agent Substances 0.000 claims description 4
- 230000002335 preservative effect Effects 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims 1
- 238000011156 evaluation Methods 0.000 abstract description 4
- 239000007788 liquid Substances 0.000 abstract 1
- 210000001331 nose Anatomy 0.000 description 56
- 239000007789 gas Substances 0.000 description 19
- 235000013399 edible fruits Nutrition 0.000 description 9
- 239000004615 ingredient Substances 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000005611 electricity Effects 0.000 description 4
- 239000003205 fragrance Substances 0.000 description 4
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 4
- UHOVQNZJYSORNB-UHFFFAOYSA-N Benzene Chemical compound C1=CC=CC=C1 UHOVQNZJYSORNB-UHFFFAOYSA-N 0.000 description 3
- 229910044991 metal oxide Inorganic materials 0.000 description 3
- 150000004706 metal oxides Chemical class 0.000 description 3
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 2
- 102100028260 Gamma-secretase subunit PEN-2 Human genes 0.000 description 2
- 101000579663 Homo sapiens Gamma-secretase subunit PEN-2 Proteins 0.000 description 2
- ATUOYWHBWRKTHZ-UHFFFAOYSA-N Propane Chemical compound CCC ATUOYWHBWRKTHZ-UHFFFAOYSA-N 0.000 description 2
- 241001122767 Theaceae Species 0.000 description 2
- 239000002253 acid Substances 0.000 description 2
- 150000001335 aliphatic alkanes Chemical class 0.000 description 2
- 235000009508 confectionery Nutrition 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- VHUUQVKOLVNVRT-UHFFFAOYSA-N Ammonium hydroxide Chemical compound [NH4+].[OH-] VHUUQVKOLVNVRT-UHFFFAOYSA-N 0.000 description 1
- 101100272279 Beauveria bassiana Beas gene Proteins 0.000 description 1
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 1
- 238000005481 NMR spectroscopy Methods 0.000 description 1
- 206010036590 Premature baby Diseases 0.000 description 1
- 229910021607 Silver chloride Inorganic materials 0.000 description 1
- 229920002472 Starch Polymers 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 239000000908 ammonium hydroxide Substances 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 235000019632 basic taste sensations Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003399 chemotactic effect Effects 0.000 description 1
- 238000002512 chemotherapy Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000018044 dehydration Effects 0.000 description 1
- 238000006297 dehydration reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 235000019441 ethanol Nutrition 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000028245 fruit abscission Effects 0.000 description 1
- 238000002290 gas chromatography-mass spectrometry Methods 0.000 description 1
- 230000001339 gustatory effect Effects 0.000 description 1
- 238000004128 high performance liquid chromatography Methods 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 125000004435 hydrogen atom Chemical class [H]* 0.000 description 1
- 229910000037 hydrogen sulfide Inorganic materials 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 229910052738 indium Inorganic materials 0.000 description 1
- 238000001802 infusion Methods 0.000 description 1
- 238000009533 lab test Methods 0.000 description 1
- 150000002632 lipids Chemical class 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 150000002898 organic sulfur compounds Chemical class 0.000 description 1
- 235000019629 palatability Nutrition 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000001294 propane Substances 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000005070 ripening Effects 0.000 description 1
- HKZLPVFGJNLROG-UHFFFAOYSA-M silver monochloride Chemical compound [Cl-].[Ag+] HKZLPVFGJNLROG-UHFFFAOYSA-M 0.000 description 1
- 235000019698 starch Nutrition 0.000 description 1
- 239000008107 starch Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000009966 trimming Methods 0.000 description 1
- 238000004073 vulcanization Methods 0.000 description 1
Landscapes
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
- Investigating Or Analyzing Materials By The Use Of Fluid Adsorption Or Reactions (AREA)
Abstract
本发明公开了一种基于味觉嗅觉指纹图谱检测不同成熟度柑橘品质的方法。将柑橘洗净，去皮、榨汁、取果汁。电子鼻实验：将过滤后的柑橘汁放于密封容器中，静置，电子鼻对顶空气体进检测，从嗅觉指纹图谱中提取特征数据作为电子鼻部分的原始数据。电子舌实验：将过滤后的柑橘汁放于电子舌专用烧杯中，将电子舌传感器阵列与样品液接触，产生传感器响应信号，从味觉指纹图谱中提取特征数据作为电子舌部分的原始数据。对来自不同系统的响应值进行三种不同预处理方法进行处理，从而提高模型的泛化能力。本发明实现了味觉、嗅觉指纹图谱的高效数据融合，直接对不同成熟度的柑橘进行品质评定和预测，便捷、客观、快速，具有较高的推广及应用价值。
Description
技术领域
本发明涉及一种基于味觉嗅觉指纹图谱快速检测不同成熟度柑橘品质的方法，直接对不同成熟度的柑橘进行品质评定，是一种便捷、客观、快速的检测方法。
背景技术
中国是柑橘的重要原产地之一，柑橘资源丰富，品种繁多，有悠久的栽培历史。在最完全成熟时，柑橘果皮鲜艳，果实饱满，风味浓甜，达到了完熟指标。但是未成熟的果实中总酸含量高，长链淀粉未完全转化，果实的适口性欠佳，且在后期贮藏期间易失水、风味欠佳。但是过成熟的果实过分成熟,不耐贮运,影响树体营养积累，影响下年的产量。
对柑橘成熟度的评定的主要方法有：(1)果实生长日数；(2)果实颜色、果肉硬度；(3)果实脱落难易以及种子成熟度。在生产实践中，确定果实的成熟度不能仅仅靠某一项指标，必须是综合考虑。但是这些方法比较偏面，同时不能检测出果实的内部品质。近些年来，对成熟果实的品质尝试用客观的仪器检测例如气相色谱-质谱联用技术(GC-MS)、核磁共振成像、高效液相色谱(HPLC)等。但是这些方法存在费用昂贵、检测周期长、对检测环境和实验人员的素质要求高等问题。
电子鼻又称气味扫描仪，以特定的传感器和模式识别系统快速提供被测样品的整体信息，对一些成分含量进行快速定性定量。电子舌是用类脂膜作为味觉传感器，以类似人的味觉感受方式检测味觉物质，具有高灵敏度、可靠性、重复性，可以对样品进行量化分析。电子鼻和电子舌采用了人工智能技术，实现了由仪器“嗅觉”和“味觉”对产品进行客观分析。电子鼻和电子舌作为一种便捷、客观的品质检测方法，在食品领域有着广阔的应用前景。
发明内容
针对上述问题，本发明提供一种基于味觉嗅觉指纹图谱快速检测不同成熟度柑橘品质的方法，目的在于建立一个便捷、客观、快速的对不同成熟度的柑橘品质检测的预测模型，具有较高的推广及应用价值。
本发明解决技术问题所采取的技术方案是：一种基于味觉嗅觉指纹图谱检测不同成熟度柑橘品质的方法，包括以下步骤：
(1)将不同成熟度的柑橘表面处理干净，去皮、榨汁、过滤，取纯柑橘汁分别作为电子鼻实验和电子舌实验的样品果汁；
(2)电子鼻实验：将柑橘汁放于密封容器中，在室温下密封，静置一段时间使密封容器中的顶空气体达到饱和，抽取顶空气体到电子鼻系统中，电子鼻的检测时间为80s、清洗时间为40s、气体流速为200ml/min；当电子鼻内置泵将气体吸入传感器阵列通道内，传感器与抽取的顶空气体发生反应产生传感器信号；所述传感器信号是传感器接触顶空气体的电导率G与传感器在经过校准气体时的电导率G0的比值，即G/G0；
(3)电子舌实验：将柑橘汁放于电子舌专用烧杯中，电子舌传感器阵列与样品果汁接触，设置检测时间不少于30s，每次检查后进行一次清洗，果汁中不同风味物质在传感器表面转化为可测量的电信号；产生的信号被送到信号调理单元进行放大、滤波、模数转换处理后，得到传感器阵列响应值；将电子鼻、电子舌得到的原始数据分别进行Min-max标准化或Z-score标准化或Decimal scaling预处理，在数据预处理后直接进行矩阵融合；
(4)将分别经过Min-max标准化或Z-score标准化或Decimal scaling预处理后的电子鼻数据、电子舌数据、以及融合后的数据，导入到spss软件中，进行逐步判别分析。
(5)在Matlab中，根据步骤3得到的电子鼻数据、电子舌数据、以及融合后的数据，分别建立基于电子鼻数据、电子舌数据、以及融合数据的随机森林模型；这个随机森林模型通过自助法(boot-strap)重采样技术，不断生成训练样本和测试样本，由训练样本生成若干决策树，从而建立随机森林模型；
(6)在随机森林模型中，对决策树的树节点的变量个数以及随机森林中决策树的个数进行优化，测试结果由决策树投票结果的平均值而定；
(7)将成熟度未知的柑橘通过步骤1-4得到电子鼻数据、电子舌数据、联合数据，将这些数据分别导入步骤6得到的随机森林模型，最终预测得到柑橘成熟度。
所述步骤2中：将10g柑橘汁放于500ml的烧杯中，用双层保鲜膜进行密封，在室温下静置30min，使烧杯中的顶空气体达到饱和，进行电子鼻检测。
所述步骤3中：将80ml柑橘汁放于电子舌专用100ml烧杯中，电子舌传感器阵列与样品果汁接触，设置检测时间为120s，每次检查后进行一次清洗，清洗时间为10s，果汁中不同风味物质在传感器表面转化为可测量的电信号；产生的信号被送到信号调理单元进行放大、滤波、模数转换处理后，得到传感器阵列响应值。
所述步骤4中，所述Min-max标准化处理如下：
y＝(x-xmin)/(xmin-xmax)
其中，y表示Min-max标准化后的变量值；
x为实际变量值；
xmin、xmax分别为样本的最大值和最小值；
所述Z-score标准化处理如下：
其中，z表示Z-score标准化后的变量值；
x为实际变量值；
SD为标准差；
所述Decimal scaling标准化如下：
x'＝x/(10*j)
其中，x'表示Decimal scaling标准化后的变量值；
x为实际变量值；
j为满足条件的最小整数。
本发明的有益效果是：本发明方法利用电子鼻和电子舌快速检测直接对不同成熟度的柑橘进行成熟度判断，无需复杂前处理，分析结果客观可靠，操作简单，成本低廉，具有较高的推广及应用价值；同时提供三种不同的电子鼻、电子舌原始数据融合的预处理方法，提高电子鼻、电子舌对柑橘成熟度的评判的能力。
附图说明
图1本发明实例中电子鼻传感器响应信号；
图2本发明实例中电子舌传感器响应信号；
图3本发明实例中基于Min-max归一化处理后电子鼻(a)、电子舌(b)、以及电子鼻电子舌数据融合后(c)的判别分析结果；
图4本发明实例中基于Z-score标准化后电子鼻(a)、电子舌(b)、以及电子鼻电子舌数据融合后(c)的判别分析结果；
图5本发明实例中基于Decimal scaling归一化后电子鼻(a)、电子舌(b)、以及电子鼻电子舌数据融合后(c)的判别分析结果。
具体实施方式
本发明一种基于味觉嗅觉指纹图谱快速检测不同成熟度柑橘品质的方法，具体步骤如下：
(1)将不同成熟度的柑橘表面处理干净，去皮、榨汁、过滤，取纯柑橘汁分别作为电子鼻实验和电子舌实验的样品果汁；
(2)电子鼻实验：将柑橘汁放于密封容器中，在室温下密封，静置一段时间使密封容器中的顶空气体达到饱和，抽取顶空气体到电子鼻系统中，电子鼻的检测时间为80s、清洗时间为40s、气体流速为200ml/min；当电子鼻内置泵将气体吸入传感器阵列通道内，传感器与抽取的顶空气体发生反应产生传感器信号；所述传感器信号是传感器接触顶空气体的电导率G与传感器在经过校准气体时的电导率G0的比值，即G/G0；
(3)电子舌实验：将柑橘汁放于电子舌专用烧杯中，电子舌传感器阵列与样品果汁接触，设置检测时间不少于30s，每次检查后进行一次清洗，果汁中不同风味物质在传感器表面转化为可测量的电信号；产生的信号被送到信号调理单元进行放大、滤波、模数转换处理后，得到传感器阵列响应值；将电子鼻、电子舌得到的原始数据分别进行Min-max标准化或Z-score标准化或Decimal scaling预处理，在数据预处理后直接进行矩阵融合；
(4)将分别经过Min-max标准化或Z-score标准化或Decimal scaling预处理后的电子鼻数据、电子舌数据、以及融合后的数据，导入到spss软件中，进行逐步判别分析。
(5)在Matlab中，根据步骤3得到的电子鼻数据、电子舌数据、以及融合后的数据，分别建立基于电子鼻数据、电子舌数据、以及融合数据的随机森林模型；这个随机森林模型通过自助法(boot-strap)重采样技术，不断生成训练样本和测试样本，由训练样本生成若干决策树，从而建立随机森林模型；
(6)在随机森林模型中，对决策树的树节点的变量个数以及随机森林中决策树的个数进行优化，测试结果由决策树投票结果的平均值而定；
(7)将成熟度未知的柑橘通过步骤1-4得到电子鼻数据、电子舌数据、联合数据，将这些数据分别导入步骤6得到的随机森林模型，最终预测得到柑橘成熟度。
所述步骤2中：将10g柑橘汁放于500ml的烧杯中，用双层保鲜膜进行密封，在室温下静置30min，使烧杯中的顶空气体达到饱和，进行电子鼻检测。
所述步骤3中：将80ml柑橘汁放于电子舌专用100ml烧杯中，电子舌传感器阵列与样品果汁接触，设置检测时间为120s，每次检查后进行一次清洗，清洗时间为10s，果汁中不同风味物质在传感器表面转化为可测量的电信号；产生的信号被送到信号调理单元进行放大、滤波、模数转换处理后，得到传感器阵列响应值。
所述步骤4中，所述Min-max标准化处理如下：
y＝(x-xmin)/(xmin-xmax)
其中，y表示Min-max标准化后的变量值；
x为实际变量值；
xmin、xmax分别为样本的最大值和最小值；
所述Z-score标准化处理如下：
其中，z表示Z-score标准化后的变量值；
x为实际变量值；
SD为标准差；
所述Decimal scaling标准化如下：
x'＝x/(10*j)
其中，x'表示Decimal scaling标准化后的变量值；
x为实际变量值；
j为满足条件的最小整数。
实施例
本发明一种基于味觉嗅觉指纹图谱快速检测不同成熟度柑橘品质的方法，具体步骤如下：
1、根据柑橘专家的建议将柑橘分为，完全未成熟、浅成熟、成熟、过成熟，四个的等级。将柑橘去皮、榨汁、经两层240目的纱布过滤，静止，再进行电子鼻、电子舌检测实验。
2、电子鼻实验：将10g柑橘汁放于500ml的烧杯中，用保鲜膜进行密封，在室温下静置30min后，使建模样品的顶空气体达到饱和。抽取顶空气体到电子鼻系统中，检测时间为80s，清洗时间为40s，气体流速为200ml/min。电子鼻检测器每隔1s产生1个信号，得到传感器阵列响应值，取稳定值作为原始数据。每组样品做24个平行实验。检测观察发现多次实验的传感器响应信号图相似，均在30秒左右开始趋于稳定，取第60s信号值作为电子鼻系统的原始数据，如图1所示，电子鼻在检测过程80s的信号值变化过程。
德国AIRSENSE公司的PEN2型电子鼻为检测仪器做详细说明，该电子鼻系统由10个金属氧化物传感器组成，其型号与响应特性如表1所示：
表1 PEN2型电子鼻各传感器的响应特性
| 传感器名称 | 传感器响应特征 | 检测线 |
| W1C(S1) | 对芳香成分灵敏 | 10-5 |
| W5S(S2) | 对氮氧化合物很灵敏，灵敏度大 | 10-6 |
| W3C(S3) | 对氨水、芳香成分(苯等)灵敏 | 10-5 |
| W6S(S4) | 对氢气有选择性 | 10-4 |
| W5C(S5) | 对烷烃(丙烷等)、芳香成分灵敏 | 10-6 |
| W1S(S6) | 对甲烷灵敏 | 10-4 |
| W1W(S7) | 对硫化成分(硫化氢等)灵敏 | 10-6 |
| W2S(S8) | 对乙醇灵敏 | 10-4 |
| W2W(S9) | 对芳香成分、有机硫化物灵敏 | 10-6 |
| W3S(S10) | 对烷烃(甲烷等)灵敏 | 10-5 |
3、电子舌实验：取80g待测柑橘汁放于电子舌专用100ml烧杯中，电子舌传感器阵列与样品果汁接触，果汁中不同风味物质在传感器表面转化为可测量的电信号。检测条件设置为：检测时间为120s，每间隔1s采集一个电信号值，每检测以后进行清洗，清洗时间为10s。将稳定时的最大信号值作为电子舌原始数据进行后期的处理分析。每组样品做24个平行实验。检测观察发现多次实验的传感器响应信号图相似，均在10秒左右开始趋于稳定，取第120s信号值作为电子舌系统的原始数据，如图2所示，电子舌传感器检测过程120s的变化趋势。
法国Alpha M.O.S.公司的ASTREE电子舌为检测仪器做详细说明，该电子舌系统由6个化学选择性区域效应的味觉传感器和1个Ag/AgCl参比电极组成金属氧化物传感器组成，这6个传感器对酸、甜、苦、咸、鲜5种基本味觉呈味物质都有响应，其检测限见表2。
表2 ASTREE电子舌传感器阵列及其检测限
4、由于检测原理不同，智能型嗅觉、味觉系统检测不同成熟度的柑橘是两个完全不同的数据矩阵，两者分别由多根传感器的响应值组成(电子鼻为金属氧化物传感器，电子舌为电化学传感器)，所以在后期的数据分析之前必须对来自两个不同系统的数据进行预处理。数据预处理就是解决不同性质数据问题，使所有指标对测评方案的作用力同趋化，便于不同单位或量级的指标能够进行比较和加权。将电子鼻、电子舌的原始数据分别进行三种不同的预处理，进行融合：Min-max标准化方法是对原始数据进行线性变换。Min-max标准化处理如下：
y＝(x-xmin)/(xmin-xmax)
其中，y表示Min-max标准化后的变量值
x为实际变量值；
xmin、xmax表示为样本的最大值和最小值。
Z-score基于原始数据的均值和标准差进行数据的标准化，该方法适用于属性A的最大值和最小值未知的情况，或有超出取值范围的离群数据的情况。将电子鼻、电子舌的原始数据进行Z-score标准化处理。Z-score标准化处理如下：
其中，z表示Z-score标准化后的变量值；
x为实际变量值；
SD为标准差。
Decimal scaling是通过移动数据的小数点位置来进行标准化。小数点移动多少位取决于变量的取值中的最大绝对值。Decimal scaling标准化如下：
x'＝x/(10*j)
其中，x'表示Decimal scaling归一化后的变量值；
x为实际变量值；
j为满足条件的最小整数。
5、将分别经过Min-max标准化或Z-score标准化或Decimal scaling预处理后的电子鼻数据、电子舌数据、以及融合后的数据，导入到spss软件中，进行逐步判别分析。
电子鼻、电子舌数据经Min-max处理，分析结果如图3所示。从图3中可以看出，电子鼻、电子舌对4个成熟度的柑橘有比较好的区分能力。电子鼻、电子舌数据经过Min-max归一化后，区分能力大大提高，各个组的样品点更加聚集。
电子鼻、电子舌数据经Z-score处理，分析结果如图4所示。从图4中可以看出，电子鼻、电子舌对不同成熟度的柑橘有比较好的区分能力。电子鼻、电子舌数据经过Z-score标准化后，区分能力大大提高，各个组的样品点更加聚集。
电子鼻、电子舌数据经Decimal scaling处理，分析结果如图5所示。从图5中可以看出，电子鼻、电子舌对4个不同成熟度柑橘有比较好的区分能力。电子鼻、电子舌数据经过Decimal scaling标准化后，区分能力大大提高，而且各个组的样品点更加聚集。
6、在Matlab中，根据步骤3得到的电子鼻数据、电子舌数据、以及融合后的数据，分别建立基于电子鼻数据、电子舌数据、以及融合数据的随机森林模型；这个随机森林模型通过自助法(boot-strap)重采样技术，不断生成训练样本和测试样本，由训练样本生成若干决策树，从而建立随机森林模型；随机森林的大致步骤如下：
(1)利用自助法(boot-strap)重采样技术，随机产生T个训练集S1,S2,...,ST；自助法(boot-strap)重采样：设集合中有n个不同的样本{x1,x2,...,xn}，若每次有放回地从集合S中抽取一个样本，一共抽取n次，形成新的集合S*，则集合S*中包含莫个样本xi(i＝1,2,...,n)的概率为当n→∞时，有因此，新集合的样本总数与原集合相同，但是包含了重复样本(有放回抽取)，新集合中仅包含了原集合S集合约1-0.368*100％＝63.2％的样本；
(2)利用每个训练集，生成对应的决策树C1,C2,...CT；在每个非叶子节点上在基于前节点的分裂属性集m中的最好的分裂方式对该节点进行分裂(一般而言，在这个随机森林的生长过程中，m的值是保持不变的)；
(3)每棵树完整成长，而不进行修剪；
(4)对于测试集样本X，利用每个决策树进行测试，得到对应的类别C1(X),C2(X),...,CT(X)；
(5)采用投票的方式，随机森林模型的最终结果是由T个决策树输出值的平均值而定。
7、在随机森林模型中，对决策树的树节点的变量个数以及随机森林中决策树的个数进行优化，测试结果由决策树投票结果的平均值而定；最后优化的结果得到树节点的变量在基于电子鼻数据的随机森林，基于电子舌数据的随机森林，以及基于联合数据的随机森林模型中的树节点的变量值分别3，3，4，决策树的个数分别40，40。表3总结了在训练集中，每个模型对不同成熟度柑橘的评判的正确率，结果显示分别通过3个不同的标准化处理后，所有模型对不同成熟度柑橘的判断达到了100％的正确率。
8、将成熟度未知的柑橘通过步骤1-4得到电子鼻数据、电子舌数据、联合数据，将这些数据分别导入步骤6得到的随机森林模型，最终预测得到柑橘成熟度。表3总结了在预测集中，每个模型对不同成熟度柑橘的评判的正确率，所有模型对不同成熟度柑橘的预测达到了100％的正确率。
表3 基于不同数据处理方法对不同成熟度柑橘的评判
综合上述，这三种数据预处理方法使味觉、嗅觉指纹图谱数据高效地融合，建立良好的定性预测模型，直接对不同成熟度的柑橘进行品质评定，具有便捷、客观、快速等特点，具有较高的推广及应用价值。
Claims (2)
1.一种基于味觉嗅觉指纹图谱检测不同成熟度柑橘品质的方法，其特征在于，该方法包括如下步骤：
(1)将不同成熟度的柑橘表面处理干净，去皮、榨汁、过滤，取纯柑橘汁分别作为电子鼻实验和电子舌实验的样品果汁；
(2)电子鼻实验：将10g柑橘汁放于500ml的烧杯中，在室温下用双层保鲜膜进行密封，静置30min使密封容器中的顶空气体达到饱和，抽取顶空气体到电子鼻系统中，电子鼻的检测时间为80s、清洗时间为40s、气体流速为200ml/min；当电子鼻内置泵将气体吸入传感器阵列通道内，传感器与抽取的顶空气体发生反应产生传感器信号；所述传感器信号是传感器接触顶空气体的电导率G与传感器在经过校准气体时的电导率G0的比值，即G/G0；
(3)电子舌实验：将柑橘汁放于电子舌专用烧杯中，电子舌传感器阵列与样品果汁接触，设置检测时间不少于30s，每次检查后进行一次清洗，果汁中不同风味物质在传感器表面转化为可测量的电信号；产生的信号被送到信号调理单元进行放大、滤波、模数转换处理后，得到传感器阵列响应值；将电子鼻、电子舌得到的原始数据分别进行Min-max标准化或Z-score标准化或Decimal scaling预处理，在数据预处理后直接进行矩阵融合；
(4)将分别经过Min-max标准化或Z-score标准化或Decimal scaling标准化后的电子鼻数据、电子舌数据以及融合后的数据导入到spss软件中，进行逐步判别分析；
(5)在Matlab中，根据步骤(3)得到的标准化后的电子鼻数据、电子舌数据以及融合后的数据，分别建立基于电子鼻数据、电子舌数据以及融合数据的随机森林模型；这个随机森林模型通过自助法重采样技术，不断生成训练样本和测试样本，由训练样本生成若干决策树，从而建立随机森林模型；
(6)在随机森林模型中，对决策树的树节点的变量个数以及随机森林中决策树的个数进行优化，测试结果由决策树投票结果的平均值而定；
(7)将成熟度未知的柑橘通过步骤(1)-(4)得到标准化后的电子鼻数据、电子舌数据以及融合后的数据，将这些数据分别导入步骤(6)得到的随机森林模型，最终预测得到柑橘成熟度。
2.根据权利要求1所述的一种基于味觉嗅觉指纹图谱检测不同成熟度柑橘品质的方法，其特征在于，所述步骤(4)中，所述Min-max标准化处理如下：
y＝(x-xmin)/(xmin-xmax)
其中，y表示Min-max标准化后的变量值；
x为实际变量值；
xmin、xmax分别为样本的最大值和最小值；
所述Z-score标准化处理如下：
其中，z表示Z-score标准化后的变量值；
x为实际变量值；
为对x取均值；
SD为标准差；
所述Decimal scaling标准化如下：
x'＝x/(10*j)
其中，x'表示Decimal scaling标准化后的变量值；
x为实际变量值；
j为满足条件的最小整数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510227723.XA CN104849318B (zh) | 2015-05-06 | 2015-05-06 | 基于味觉嗅觉指纹图谱检测不同成熟度柑橘品质的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510227723.XA CN104849318B (zh) | 2015-05-06 | 2015-05-06 | 基于味觉嗅觉指纹图谱检测不同成熟度柑橘品质的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104849318A CN104849318A (zh) | 2015-08-19 |
| CN104849318B true CN104849318B (zh) | 2018-11-02 |
Family
ID=53849121
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510227723.XA Expired - Fee Related CN104849318B (zh) | 2015-05-06 | 2015-05-06 | 基于味觉嗅觉指纹图谱检测不同成熟度柑橘品质的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104849318B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105738417A (zh) * | 2016-03-28 | 2016-07-06 | 齐鲁工业大学 | 一种大豆分离蛋白的辨别方法 |
| CN106560702A (zh) * | 2016-10-20 | 2017-04-12 | 中国计量大学 | 联合电子舌和色谱分离技术的武夷岩茶产地鉴别方法 |
| CN106501470B (zh) * | 2016-11-23 | 2018-10-30 | 广东嘉豪食品有限公司 | 利用味觉系统与电子鼻联合评价芥辣酱风味等级的方法 |
| CN108981800B (zh) * | 2018-06-25 | 2023-09-08 | 东北电力大学 | 一种利用神经动力学系统模型进行机器嗅-味联觉效应可视化的方法 |
| CN110133050B (zh) * | 2019-04-10 | 2020-08-14 | 浙江大学 | 一种基于多传感器指纹图谱定性定量检测茶叶品质的方法 |
| CN113033075B (zh) * | 2021-02-26 | 2022-09-09 | 柳州融安金园食品有限公司 | 一种金桔果的贮藏保鲜方法和装置 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103424428A (zh) * | 2013-06-05 | 2013-12-04 | 浙江工商大学 | 一种基于电子鼻的猪肉新鲜度快速检测方法 |
| CN103837587A (zh) * | 2014-03-17 | 2014-06-04 | 上海应用技术学院 | 一种利用电子舌系统对杨梅汁味感快速品评的方法 |
-
2015
- 2015-05-06 CN CN201510227723.XA patent/CN104849318B/zh not_active Expired - Fee Related
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103424428A (zh) * | 2013-06-05 | 2013-12-04 | 浙江工商大学 | 一种基于电子鼻的猪肉新鲜度快速检测方法 |
| CN103837587A (zh) * | 2014-03-17 | 2014-06-04 | 上海应用技术学院 | 一种利用电子舌系统对杨梅汁味感快速品评的方法 |
Non-Patent Citations (2)
| Title |
|---|
| 洪雪珍.基于电子鼻和电子舌的樱桃番茄汁品质检测方法研究.《中国博士学位论文全文数据库•工程科技I辑》.2014,第B024-46卷(第12期), * |
| 田晓静.基于电子鼻和电子舌的羊肉品质检测.《中国博士学位论文全文数据库•工程科技I辑》.2014,第B0204-11卷(第10期), * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104849318A (zh) | 2015-08-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104849318B (zh) | 基于味觉嗅觉指纹图谱检测不同成熟度柑橘品质的方法 | |
| CN104849321B (zh) | 一种基于嗅觉指纹图谱快速检测柑橘品质的方法 | |
| Lu et al. | Electronic tongue and electronic nose for food quality and safety | |
| CN102621192B (zh) | 一种利用电子鼻检测芒果新鲜度的方法 | |
| CN106501470B (zh) | 利用味觉系统与电子鼻联合评价芥辣酱风味等级的方法 | |
| CN106568907B (zh) | 一种基于半监督鉴别投影的大闸蟹新鲜度无损检测方法 | |
| Wang et al. | Multivariate statistical analysis combined with e-nose and e-tongue assays simplifies the tracing of geographical origins of Lycium ruthenicum Murray grown in China | |
| CN101419212B (zh) | 一种利用挥发物的禽蛋新鲜度检测装置的检测方法 | |
| CN105181912B (zh) | 一种大米储藏过程中的新鲜度检测方法 | |
| CN108875913A (zh) | 一种基于卷积神经网络的松茸快速无损检测系统及方法 | |
| CN110133050B (zh) | 一种基于多传感器指纹图谱定性定量检测茶叶品质的方法 | |
| CN102654495B (zh) | 一种番荔枝成熟度的电子鼻检测方法 | |
| CN109959765B (zh) | 三文鱼新鲜度检测系统及方法 | |
| CN103134850A (zh) | 一种基于特征香气的茶叶品质快速检测装置及检测方法 | |
| CN101769889A (zh) | 一种农产品品质检测的电子鼻系统 | |
| CN106295801B (zh) | 一种基于果蝇算法优化广义回归神经网络算法的茶叶储存时间分类方法 | |
| CN103499609B (zh) | 一种对蜂蜜香气智能嗅觉动态响应特征及差异化信息动态表征研究的方法 | |
| CN102879436A (zh) | 一种利用电子鼻检测河鲫鱼新鲜度的方法 | |
| CN110780010A (zh) | 一种针对食品风味品质评价信息检测方法及系统 | |
| CN105954412B (zh) | 用于山核桃新鲜度检测的传感器阵列优化方法 | |
| CN1987456A (zh) | 一种水果成熟度预测方法 | |
| CN105738581B (zh) | 一种基于电子鼻的不同新鲜度山核桃的快速鉴别方法 | |
| CN104897738B (zh) | 一种基于嗅觉指纹信息快速检测超高压果汁品质的方法 | |
| CN103389323A (zh) | 一种快速无损评定名贵药材年限的方法 | |
| CN115436508A (zh) | 一种基于水果原料指标预测果汁品质的方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| EXSB | Decision made by sipo to initiate substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20181102 |