CN104897738B - 一种基于嗅觉指纹信息快速检测超高压果汁品质的方法 - Google Patents
一种基于嗅觉指纹信息快速检测超高压果汁品质的方法 Download PDFInfo
- Publication number
- CN104897738B CN104897738B CN201510227416.1A CN201510227416A CN104897738B CN 104897738 B CN104897738 B CN 104897738B CN 201510227416 A CN201510227416 A CN 201510227416A CN 104897738 B CN104897738 B CN 104897738B
- Authority
- CN
- China
- Prior art keywords
- mrow
- orange blossom
- value
- sensor
- electronic nose
- 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 29
- 238000001514 detection method Methods 0.000 title claims abstract description 24
- 235000015203 fruit juice Nutrition 0.000 title claims abstract description 19
- 238000007637 random forest analysis Methods 0.000 claims abstract description 18
- 238000012545 processing Methods 0.000 claims abstract description 16
- 238000004451 qualitative analysis Methods 0.000 claims abstract description 12
- 241000207199 Citrus Species 0.000 claims abstract description 11
- -1 Polypropylene Polymers 0.000 claims abstract description 11
- 235000020971 citrus fruits Nutrition 0.000 claims abstract description 11
- 239000004743 Polypropylene Substances 0.000 claims abstract description 10
- 235000011389 fruit/vegetable juice Nutrition 0.000 claims abstract description 10
- 229920001155 polypropylene Polymers 0.000 claims abstract description 10
- 238000004458 analytical method Methods 0.000 claims abstract description 9
- 229920000573 polyethylene Polymers 0.000 claims abstract description 8
- 238000012360 testing method Methods 0.000 claims abstract description 8
- 230000002000 scavenging effect Effects 0.000 claims abstract description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 5
- 238000011282 treatment Methods 0.000 claims description 33
- CIWBSHSKHKDKBQ-JLAZNSOCSA-N Ascorbic acid Chemical compound OC[C@H](O)[C@H]1OC(=O)C(O)=C1O CIWBSHSKHKDKBQ-JLAZNSOCSA-N 0.000 claims description 30
- 239000000523 sample Substances 0.000 claims description 28
- 238000007789 sealing Methods 0.000 claims description 22
- ZZZCUOFIHGPKAK-UHFFFAOYSA-N D-erythro-ascorbic acid Natural products OCC1OC(=O)C(O)=C1O ZZZCUOFIHGPKAK-UHFFFAOYSA-N 0.000 claims description 15
- 229930003268 Vitamin C Natural products 0.000 claims description 15
- 235000019154 vitamin C Nutrition 0.000 claims description 15
- 239000011718 vitamin C Substances 0.000 claims description 15
- 239000000126 substance Substances 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 5
- CCBICDLNWJRFPO-UHFFFAOYSA-N 2,6-dichloroindophenol Chemical compound C1=CC(O)=CC=C1N=C1C=C(Cl)C(=O)C(Cl)=C1 CCBICDLNWJRFPO-UHFFFAOYSA-N 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 4
- 239000012488 sample solution Substances 0.000 claims description 4
- 230000006641 stabilisation Effects 0.000 claims description 4
- 238000011105 stabilization Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 3
- 239000003755 preservative agent Substances 0.000 claims description 3
- 230000002335 preservative effect Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims description 2
- 150000001336 alkenes Chemical class 0.000 claims 1
- 238000004806 packaging method and process Methods 0.000 claims 1
- 238000004445 quantitative analysis Methods 0.000 abstract description 5
- 230000001954 sterilising effect Effects 0.000 abstract description 3
- 238000004659 sterilization and disinfection Methods 0.000 abstract description 3
- 239000000706 filtrate Substances 0.000 abstract 1
- 210000001331 nose Anatomy 0.000 description 31
- 239000007789 gas Substances 0.000 description 25
- 239000003205 fragrance Substances 0.000 description 5
- 239000004615 ingredient Substances 0.000 description 5
- 235000013305 food Nutrition 0.000 description 4
- 238000003066 decision tree Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012952 Resampling Methods 0.000 description 2
- 150000001335 aliphatic alkanes Chemical class 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 229910044991 metal oxide Inorganic materials 0.000 description 2
- 150000004706 metal oxides Chemical class 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 235000015205 orange juice Nutrition 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 229930003231 vitamin Natural products 0.000 description 2
- 235000013343 vitamin Nutrition 0.000 description 2
- 239000011782 vitamin Substances 0.000 description 2
- 229940088594 vitamin Drugs 0.000 description 2
- 150000003722 vitamin derivatives Chemical class 0.000 description 2
- 235000005979 Citrus limon Nutrition 0.000 description 1
- 244000276331 Citrus maxima Species 0.000 description 1
- 235000001759 Citrus maxima Nutrition 0.000 description 1
- 244000131522 Citrus pyriformis Species 0.000 description 1
- 102000004190 Enzymes Human genes 0.000 description 1
- 108090000790 Enzymes Proteins 0.000 description 1
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 1
- 235000016623 Fragaria vesca Nutrition 0.000 description 1
- 240000009088 Fragaria x ananassa Species 0.000 description 1
- 235000011363 Fragaria x ananassa Nutrition 0.000 description 1
- 102100028260 Gamma-secretase subunit PEN-2 Human genes 0.000 description 1
- 101000579663 Homo sapiens Gamma-secretase subunit PEN-2 Proteins 0.000 description 1
- 241000220225 Malus Species 0.000 description 1
- 235000011430 Malus pumila Nutrition 0.000 description 1
- 235000015103 Malus silvestris Nutrition 0.000 description 1
- 239000004698 Polyethylene Substances 0.000 description 1
- UCKMPCXJQFINFW-UHFFFAOYSA-N Sulphide Chemical compound [S-2] UCKMPCXJQFINFW-UHFFFAOYSA-N 0.000 description 1
- 235000009754 Vitis X bourquina Nutrition 0.000 description 1
- 235000012333 Vitis X labruscana Nutrition 0.000 description 1
- 240000006365 Vitis vinifera Species 0.000 description 1
- 235000014787 Vitis vinifera Nutrition 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 235000011114 ammonium hydroxide Nutrition 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 235000013361 beverage Nutrition 0.000 description 1
- 239000013043 chemical agent Substances 0.000 description 1
- 229940126214 compound 3 Drugs 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000000796 flavoring agent Substances 0.000 description 1
- 235000019634 flavors Nutrition 0.000 description 1
- 238000002290 gas chromatography-mass spectrometry Methods 0.000 description 1
- 238000004128 high performance liquid chromatography Methods 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 125000004435 hydrogen atom Chemical class [H]* 0.000 description 1
- 239000002932 luster Substances 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 150000002898 organic sulfur compounds Chemical class 0.000 description 1
- 238000009931 pascalization Methods 0.000 description 1
- 239000002304 perfume Substances 0.000 description 1
- 150000008442 polyphenolic compounds Chemical class 0.000 description 1
- 235000013824 polyphenols Nutrition 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 235000013599 spices Nutrition 0.000 description 1
- 238000009966 trimming Methods 0.000 description 1
Abstract
本发明公开了一种基于嗅觉指纹信息快速检测超高压果汁品质的方法。将柑橘去皮，榨汁，过滤，取滤液。将柑橘汁放入到聚丙烯袋，密封，再将整袋聚丙烯袋放入到聚乙烯袋中，同时放入一定量的水，去气泡密封。将样品进行超高压杀菌处理。处理后的柑橘汁，再进行电子鼻快速检测，得到嗅觉指纹信息。电子鼻的检测条件为电子鼻传感器的检测时间为80s，清洗时间为60s，内置泵气体流速为200ml/min，将稳态值作为电子鼻特征值，分别利用逐步判别分析进行定性分析，用随机森林进行建模定性定量分析。本发明便捷、客观、快速对杀菌处理后的果汁定性定量分析，大大改善了果汁品质检测控制的条件，具有便捷、客观、快速等特点。
Description
技术领域
本发明属于食品领域，尤其涉及一种基于嗅觉指纹信息快速检测超高压果汁品质的方法，直接对超高压处理后的柑橘汁进行定性定量分析，是一种便捷、客观、快速的检测方法。
背景技术
柑橘果汁在加工和贮存过程中，香气、理化指标容易发生变化，从而影响柑橘汁的品质，影响柑橘汁在市场的销售。目前，新型的果汁杀菌方式以被广泛研究应用，其中相对热门的有超高压处理。
超高压技术是近几年兴起的一种新型食品加工技术，具有有效杀灭食品中的微生物、钝化酶的活性的特点，同时能保持食品原有的风味、色泽、营养成分等优点。超高压已经广泛被应用到果汁行业中，对果汁的理化特性具有很好的保护，例如能将维生素C的损失降到最低，pH值在整个超高压处理过程中基本保持不变。检测超高压处理果汁的品质的常规方法有：化学试剂法、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。电子鼻采用了人工智能技术，实现了由仪器“嗅觉”对产品进行客观分析。电子鼻作为一种便捷、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，本发明的目的是提供一种基于嗅觉指纹信息快速检测超高压果汁品质的方法，利用嗅觉传感器对不同超高压处理的柑橘汁进行快速定量定性分析。
本发明的目的是通过以下技术方案来实现的，一种基于嗅觉指纹信息快速检测超高压果汁品质的方法，具体步骤包括如下：
(1)将柑橘表面处理干净，去皮，榨汁，经过滤得到纯浓度的柑橘汁备用；将柑橘汁进行包装后放到超高压容器中，分别采用不同的压力进行超高压处理；将超高压处理后的柑橘汁放于密封容器中，在室温下密封，放置一段时间使密封容器中的顶空气体达到饱和；所述顶空气体即为样品气体；
(2)通过电子鼻内置泵将密封容器中的顶空气体吸入电子鼻的传感器阵列通道内，电子鼻传感器与样品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样品气体时的电导率G与传感器在经过校准气体时的电导率G0的比值，即G/G0；所述电子鼻传感器的检测时间为80s，清洗时间为60s，内置泵气体流速为200ml/min；
(3)对超高压处理过的柑橘汁进行理化指标维生素C和pH的检测；柑橘汁的维生素C采用2，6-二氯靛酚法进行测定；柑橘汁的pH值用pH测试仪在样品溶液中直接进行测定；
(4)提取步骤3中传感器稳定时的信号值作为原始数据，采用逐步判别分析对不同压强处理的柑橘汁进行定性分析；通过随机森林建立电子鼻传感器的嗅觉指纹信息与超高压处理后的柑橘汁中的维生素C、pH值的定量预测模型；
(5)将待测柑橘汁通过步骤2得到其电子鼻传感器信号，再将传感器信号输入步骤4得到的预测模型中，预测待测柑橘汁的超高压值以及维生素C、pH值，从而达到仅利用电子鼻就能有效预测柑橘汁品质变化的目的。
所述的步骤1中：柑橘去皮，榨汁后，经两层240目纱布过滤，弃滤渣，得到纯浓度的柑橘汁备用；将250-500ml柑橘汁放入到聚丙烯袋密封，再将整袋聚丙烯袋放入到聚乙烯袋中，在聚乙烯袋中放入等量的水，去气泡密封；将包装好的柑橘汁放到超高压容器中，分别采用100MP，200MP，300MP，400MP，500MP的压力进行超高压处理，处理时间为10min，整个超高压处理是在室温(18～20℃)条件下进行的；将10ml超高压处理后的柑橘汁放于500ml的烧杯中，用保鲜膜密封30min后，密封容器中的顶空气体达到饱和。
所述的步骤4中：原始数据为电子鼻的10个传感器第60s的信号值，该10个响应信号值无需任何数据前处理，无需考虑传感器之间的相互交互作用，直接进行随机森林建立预测模型，同时通过相关系数r、均方根误差RMSE值的大小来判断预测模型的好坏，具体如下：
其中，N表示采样点数；
Xi为第i个样品的测试值；
为所有样品测试值的平均值；
Yi为第i个样品的预测值；
为所有样品预测值的平均值。
本发明的有益效果是，通过逐步判别分析对超高压处理后的柑橘汁定性分析，通过随机森林算法建立良好的定量预测模型，利用智能嗅觉敏感系统对超高压处理的果汁进行定性定量分析，操作简单、快速，实验了真正意义上的快速间接评定，为饮料行业的果汁品质测定提供了一种新的方法。
附图说明
图1本发明实例中超高压处理后的柑橘汁的嗅觉指纹信息,(a)、(b)、(c)、(d)、(e)、以及(f)分别表示柑橘汁经过0MP、100MP、200MP、300MP、400MP、以及500MP后的基于电子鼻的嗅觉指纹信息；
图2本发明实例中基于逐步判别分析对不同超高压处理的柑橘汁的定性分析；
图3本发明实例中基于随机森林对维生素C的预测曲线；
图4本发明实例中基于随机森林对pH的预测曲线。
具体实施方式
电子鼻是用金属氧化物作为嗅觉传感器，以类似人的嗅觉感受方式检测样品的香气成分。电子鼻嗅觉传感器具有高灵敏度、可靠性、重复性、它可以对样品进行量化，同时可以对一些成分含量进行快速定性定量。
本发明一种基于嗅觉指纹信息快速检测超高压果汁品质的方法，利用嗅觉传感器对不同超高压处理的柑橘汁进行快速检测，建立有效的定性定量预测模型，该方法包括如下步骤：
(1)将柑橘表面处理干净，去皮，榨汁，经过滤得到纯浓度的柑橘汁备用；将柑橘汁进行包装后放到超高压容器中，分别采用不同的压力进行超高压处理；将超高压处理后的柑橘汁放于密封容器中，在室温下密封，放置一段时间使密封容器中的顶空气体达到饱和；所述顶空气体即为样品气体；
(2)通过电子鼻内置泵将密封容器中的顶空气体吸入电子鼻的传感器阵列通道内，电子鼻传感器与样品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样品气体时的电导率G与传感器在经过校准气体时的电导率G0的比值，即G/G0；所述电子鼻传感器的检测时间为80s，清洗时间为60s，内置泵气体流速为200ml/min；
(3)对超高压处理过的柑橘汁进行理化指标维生素C和pH的检测；柑橘汁的维生素C采用2，6-二氯靛酚法进行测定；柑橘汁的pH值用pH测试仪在样品溶液中直接进行测定；
(4)提取步骤3中传感器稳定时的信号值作为原始数据，采用逐步判别分析对不同压强处理的柑橘汁进行定性分析；通过随机森林建立电子鼻传感器的嗅觉指纹信息与超高压处理后的柑橘汁中的维生素C、pH值的定量预测模型；
(5)将待测柑橘汁通过步骤2得到其电子鼻传感器信号，再将传感器信号输入步骤4得到的预测模型中，预测待测柑橘汁的超高压值以及维生素C、pH值，从而达到仅利用电子鼻就能有效预测柑橘汁品质变化的目的。
所述的步骤1中：柑橘去皮，榨汁后，经两层240目纱布过滤，弃滤渣，得到纯浓度的柑橘汁备用；将250-500ml柑橘汁放入到聚丙烯袋密封，再将整袋聚丙烯袋放入到聚乙烯袋中，在聚乙烯袋中放入等量的水，去气泡密封；将包装好的柑橘汁放到超高压容器中，分别采用100MP，200MP，300MP，400MP，500MP的压力进行超高压处理，处理时间为10min，整个超高压处理是在室温(18～20℃)条件下进行的；将10ml超高压处理后的柑橘汁放于500ml的烧杯中，用保鲜膜密封30min后，密封容器中的顶空气体达到饱和。
所述的步骤4中：原始数据为电子鼻的10个传感器第60s的信号值，该10个响应信号值无需任何数据前处理，无需考虑传感器之间的相互交互作用，直接进行随机森林建立预测模型，同时通过相关系数r、均方根误差RMSE值的大小来判断预测模型的好坏，具体如下：
其中，N表示采样点数；
Xi为第i个样品的测试值；
为所有样品测试值的平均值；
Yi为第i个样品的预测值；
为所有样品预测值的平均值。
实施例
本发明适用于柑橘、柚、柠檬、葡萄、苹果、草莓等各种水果经超高压处理后的定性定量分析，同时也适用与其他的理化指标：例如多酚含量、总酸的快速预测。以下的实施例便于更好地理解本发明，但并不限定本发明。
本发明主要适用于电子鼻数据处理和回归建模方法。本发明一种基于嗅觉指纹信息快速检测超高压果汁品质的方法，它的步骤如下：
1、柑橘去皮，榨汁后，经两层240目纱布过滤，弃滤渣，得到纯浓度的柑橘汁备用；将250-500ml柑橘汁放入到聚丙烯袋密封，再将整袋聚丙烯袋放入到聚乙烯袋中，在聚乙烯袋中放入等量的水，去气泡密封；将包装好的柑橘汁放到超高压容器中，分别采用100MP，200MP，300MP，400MP，500MP的压力进行超高压处理，处理时间为10min，整个超高压处理是在室温(18～20℃)条件下进行的；将10ml超高压处理后的柑橘汁放于500ml的烧杯中，用保鲜膜密封，静置30min，使密封容器中的顶空气体达到饱和。
2、通过电子鼻内置泵将密封容器中的顶空气体吸入电子鼻的传感器阵列通道内，电子鼻传感器与样品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样品气体时的电导率G与传感器在经过校准气体时的电导率G0的比值，即G/G0；所述电子鼻传感器的检测时间为80s，清洗时间为60s，内置泵气体流速为200ml/min；每个压强的柑橘汁的样本为20个；
本案例中应用的是德国AIRSENSE公司的PEN2型电子鼻为检测仪器，改电子鼻系统由10个金属氧化物传感器，其型号与相应特性如表1所示：
表1PEN2型电子鼻各传感器的响应特征
| 序号 | 名称 | 性能特点 |
| 1 | S1 | 对芳香成分敏感 |
| 2 | S2 | 对氨氧化合物很敏感 |
| 3 | S3 | 对氨水、芳香成分敏感 |
| 4 | S4 | 对氢气有选择性 |
| 5 | S5 | 对烷烃、芳香成分敏感 |
| 6 | S6 | 对甲烷敏感 |
| 7 | S7 | 对硫化物敏感 |
| 8 | S8 | 对乙醇敏感 |
| 9 | S9 | 对芳香成分、有机硫化物敏感 |
| 10 | S10 | 对烷烃敏感 |
本案例取60s的电子鼻信号值作为特征值，图1为不同等级超高压处理后柑橘果汁的嗅觉指纹信息。
3、对超高压处理过的柑橘汁进行理化指标维生素C和pH的检测；柑橘汁的维生素C采用2，6-二氯靛酚法，方法步骤参考国家标准GB/T 6195-1986；柑橘汁的pH值用pH测试仪在样品溶液中直接进行测定；
4、提取步骤3中传感器稳定时的信号值作为原始数据，采用逐步判别分析对不同压强处理的柑橘汁进行定性分析，图2是基于逐步判别分析对不同压强超高压处理的柑橘汁的分类，可以得到经过500MP处理以及没有经过超高压处理的柑橘汁与其他等级超高压处理的柑橘汁有很好的区分度；通过随机森林建立电子鼻传感器的嗅觉指纹信息与超高压处理后的柑橘汁中的维生素C、pH值的定量预测模型；随机森林算法的大致步骤如下：
(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由T个决策树输出值的平均值而定。
图3，4是本发明实例中随机森林分别对维生素C和pH的预测回归曲线。横坐标为各项指标实际测量值，纵坐标为预测值，黑方形点表示建模过程中用到的样品，在维生素C的预测模型中真实值与随机森林得到预测值有很好的相关性(R2＝0.9777)以及误差(RMSE＝0.4823)，在pH值测定中，模型也具有很好的相关性(R2＝0.9761)以及误差(RMSE＝0.0435)。
5、将待测柑橘汁通过步骤2得到其电子鼻传感器信号，再将传感器信号输入步骤4得到的随机森林预测模型中，预测待测柑橘汁的超高压值以及维生素C、pH值，从而达到仅利用电子鼻就能有效预测柑橘汁品质变化的目的。在维生素C的预测模型中真实值与随机森林得到预测值有很好的相关性(R2＝0.9289)以及误差(RMSE＝0.9266)，在pH值测定中，模型也具有很好的相关性(R2＝0.9493)以及误差(RMSE＝0.0638)。
Claims (3)
1.一种基于嗅觉指纹信息快速检测超高压果汁品质的方法，其特征在于，该方法包括如下步骤：
(1)将柑橘表面处理干净，去皮，榨汁，经过滤得到纯浓度的柑橘汁备用；将柑橘汁进行包装后放到超高压容器中，分别采用不同的压力进行超高压处理；将超高压处理后的柑橘汁放于密封容器中，在室温下密封，放置一段时间使密封容器中的顶空气体达到饱和；所述顶空气体即为样品气体；
(2)通过电子鼻内置泵将密封容器中的顶空气体吸入电子鼻的传感器阵列通道内，电子鼻传感器与样品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样品气体时的电导率G与传感器在经过校准气体时的电导率G0的比值，即G/G0；所述电子鼻传感器的检测时间为80s，清洗时间为60s，内置泵气体流速为200ml/min；
(3)对超高压处理过的柑橘汁进行理化指标维生素C和pH的检测；柑橘汁的维生素C采用2，6-二氯靛酚法进行测定；柑橘汁的pH值用pH测试仪在样品溶液中直接进行测定；
(4)提取步骤3中传感器稳定时的信号值作为原始数据，采用逐步判别分析对不同压强处理的柑橘汁进行定性分析；通过随机森林建立电子鼻传感器的嗅觉指纹信息与超高压处理后的柑橘汁中的维生素C、pH值的定量预测模型；
(5)将待测柑橘汁通过步骤2得到其电子鼻传感器信号，再将传感器信号输入步骤4得到的预测模型中，预测待测柑橘汁的超高压值以及维生素C、pH值，从而达到仅利用电子鼻就能有效预测柑橘汁品质变化的目的。
2.根据权利要求书1所述的一种基于嗅觉指纹信息快速检测超高压果汁品质的方法，其特征在于，所述的步骤1中：柑橘去皮，榨汁后，经两层240目纱布过滤，弃滤渣，得到纯浓度的柑橘汁备用；将250-500ml柑橘汁放入到聚丙烯袋密封，再将整袋聚丙烯袋放入到聚乙烯袋中，在聚乙烯袋中放入等量的水，去气泡密封；将包装好的柑橘汁放到超高压容器中，分别采用100MP，200MP，300MP，400MP，500MP的压力进行超高压处理，处理时间为10min，整个超高压处理是在18～20℃条件下进行的；将10ml超高压处理后的柑橘汁放于500ml的烧杯中，用保鲜膜密封30min后，密封容器中的顶空气体达到饱和。
3.根据权利要求1所述的一种基于嗅觉指纹信息快速检测超高压果汁品质的方法，其特征在于，所述的步骤4中：原始数据为电子鼻的10个传感器第60s的信号值，该10个响应信号值无需任何数据前处理，无需考虑传感器之间的相互交互作用，直接进行随机森林建立预测模型，同时通过相关系数r、均方根误差RMSE值的大小来判断预测模型的好坏，具体如下：
<mrow>
<mi>r</mi>
<mo>=</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<mrow>
<mo>(</mo>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mover>
<mi>X</mi>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<msub>
<mi>Y</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mover>
<mi>Y</mi>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msqrt>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mover>
<mi>X</mi>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<msqrt>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>Y</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mover>
<mi>Y</mi>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mrow>
</mfrac>
</mrow>
<mrow>
<mi>R</mi>
<mi>M</mi>
<mi>S</mi>
<mi>E</mi>
<mo>=</mo>
<msqrt>
<mrow>
<mfrac>
<mn>1</mn>
<mi>N</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>Y</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mrow>
其中，N表示采样点数；
Xi为第i个样品的测试值；
为所有样品测试值的平均值；
Yi为第i个样品的预测值；
为所有样品预测值的平均值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510227416.1A CN104897738B (zh) | 2015-05-06 | 2015-05-06 | 一种基于嗅觉指纹信息快速检测超高压果汁品质的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510227416.1A CN104897738B (zh) | 2015-05-06 | 2015-05-06 | 一种基于嗅觉指纹信息快速检测超高压果汁品质的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104897738A CN104897738A (zh) | 2015-09-09 |
| CN104897738B true CN104897738B (zh) | 2017-12-12 |
Family
ID=54030537
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510227416.1A Expired - Fee Related CN104897738B (zh) | 2015-05-06 | 2015-05-06 | 一种基于嗅觉指纹信息快速检测超高压果汁品质的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104897738B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105738503B (zh) * | 2016-02-01 | 2017-10-20 | 浙江大学 | 一种基于电子鼻快速预测山核桃脂肪酸含量的方法 |
| CN107727448A (zh) * | 2017-11-25 | 2018-02-23 | 王淑娟 | 水文水质一次性自动分装采样袋 |
| CN111307973A (zh) * | 2020-03-09 | 2020-06-19 | 西北农林科技大学 | 一种猕猴桃果汁结合态香气物质释放的方法 |
| CN112268993A (zh) * | 2020-09-14 | 2021-01-26 | 杭州电子科技大学 | 一种基于电子鼻技术对河道水质参数快速监测的方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US3879985A (en) * | 1972-07-11 | 1975-04-29 | Christopher Gordon Maslen | Detection and analysis of gases or vapours |
| CN1987456A (zh) * | 2006-12-14 | 2007-06-27 | 浙江大学 | 一种水果成熟度预测方法 |
| CN103344713A (zh) * | 2013-06-18 | 2013-10-09 | 湖南中烟工业有限责任公司 | 一种基于随机森林法分析致香物在烤烟香型分类中的重要性及预测香型的方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4248087B2 (ja) * | 1999-07-05 | 2009-04-02 | フィガロ技研株式会社 | ガス検出方法 |
-
2015
- 2015-05-06 CN CN201510227416.1A patent/CN104897738B/zh not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US3879985A (en) * | 1972-07-11 | 1975-04-29 | Christopher Gordon Maslen | Detection and analysis of gases or vapours |
| CN1987456A (zh) * | 2006-12-14 | 2007-06-27 | 浙江大学 | 一种水果成熟度预测方法 |
| CN103344713A (zh) * | 2013-06-18 | 2013-10-09 | 湖南中烟工业有限责任公司 | 一种基于随机森林法分析致香物在烤烟香型分类中的重要性及预测香型的方法 |
Non-Patent Citations (1)
| Title |
|---|
| 智能人工味觉分析方法在几种食品质量检验中的应用研究;刘淼;《中国博士学位论文全文数据库（电子期刊）工程科技Ⅰ辑》;20130615(第6期);67-69 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104897738A (zh) | 2015-09-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104849321B (zh) | 一种基于嗅觉指纹图谱快速检测柑橘品质的方法 | |
| 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 | |
| Yu et al. | Discrimination of LongJing green-tea grade by electronic nose | |
| CN104849323B (zh) | 一种基于电子鼻快速检测果汁中澄清剂的方法 | |
| Torri et al. | Shelf life evaluation of fresh-cut pineapple by using an electronic nose | |
| 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 | |
| Wang et al. | Early detection of Zygosaccharomyces Rouxii—spawned spoilage in apple juice by electronic nose combined with chemometrics | |
| 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 | |
| CN100575950C (zh) | 一种水果成熟度预测方法 | |
| CN105954412B (zh) | 用于山核桃新鲜度检测的传感器阵列优化方法 | |
| Huang et al. | Detection of medicinal off-flavor in apple juice with artificial sensing system and comparison with test panel evaluation and GC–MS | |
| Huang et al. | Scent profiling of Cymbidium ensifolium by electronic nose | |
| 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 | |
| Siadat et al. | Application of electronic nose to beer recognition using supervised artificial neural networks | |
| 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 | |
| CN115485551A (zh) | 使用机器学习测试农产品挥发物以预测质量 | |
| Wu et al. | Feasibility of the application of electronic nose technology to detect insect infestation in wheat. | |
| 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 | |
| CN105738503B (zh) | 一种基于电子鼻快速预测山核桃脂肪酸含量的方法 | |
| CN104849328B (zh) | 基于电子舌快速检测果汁中苯甲酸的方法 | |
| CN103424526B (zh) | 牛肉新鲜度检测装置及检测方法 | |
| CN105738422A (zh) | 一种基于电子鼻检测山核桃储藏时间的方法 | |
| CN103412002A (zh) | 一种食醋风味分析装置和方法 | |
| CN104849327B (zh) | 一种基于味觉指纹信息预测果汁中苯甲酸含量的方法 | |
| CN107764793A (zh) | 电子鼻对郫县豆瓣制曲过程中米曲霉发酵情况的检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20171212 |