CN106324011A - 一种确定调理水产品低温货架期的鲜度联合检测方法 - Google Patents
一种确定调理水产品低温货架期的鲜度联合检测方法 Download PDFInfo
- Publication number
- CN106324011A CN106324011A CN201610719911.9A CN201610719911A CN106324011A CN 106324011 A CN106324011 A CN 106324011A CN 201610719911 A CN201610719911 A CN 201610719911A CN 106324011 A CN106324011 A CN 106324011A
- Authority
- CN
- China
- Prior art keywords
- value
- electronic nose
- shelf life
- tvb
- nuclear magnetic
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 claims abstract description 40
- 238000003860 storage Methods 0.000 claims abstract description 39
- 238000005481 NMR spectroscopy Methods 0.000 claims abstract description 37
- 239000000796 flavoring agent Substances 0.000 claims abstract description 13
- 235000019634 flavors Nutrition 0.000 claims abstract description 11
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims abstract description 10
- 229910052757 nitrogen Inorganic materials 0.000 claims abstract description 5
- 239000000047 product Substances 0.000 claims description 89
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 52
- 230000001662 opsonic effect Effects 0.000 claims description 40
- 230000003750 conditioning effect Effects 0.000 claims description 28
- 230000008859 change Effects 0.000 claims description 21
- 239000007789 gas Substances 0.000 claims description 18
- 230000001537 neural effect Effects 0.000 claims description 16
- 238000002474 experimental method Methods 0.000 claims description 11
- 239000000126 substance Substances 0.000 claims description 10
- 238000012360 testing method Methods 0.000 claims description 10
- 238000005138 cryopreservation Methods 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 6
- 230000036961 partial effect Effects 0.000 claims description 4
- 238000000685 Carr-Purcell-Meiboom-Gill pulse sequence Methods 0.000 claims description 3
- 238000005121 nitriding Methods 0.000 claims description 3
- 150000001412 amines Chemical class 0.000 claims description 2
- 238000003491 array Methods 0.000 claims description 2
- 238000007405 data analysis Methods 0.000 claims description 2
- 238000013499 data model Methods 0.000 claims description 2
- 238000006073 displacement reaction Methods 0.000 claims description 2
- 235000013355 food flavoring agent Nutrition 0.000 claims description 2
- 230000002068 genetic effect Effects 0.000 claims description 2
- 230000035772 mutation Effects 0.000 claims description 2
- 235000021110 pickles Nutrition 0.000 claims description 2
- 239000002994 raw material Substances 0.000 claims description 2
- 238000007789 sealing Methods 0.000 claims description 2
- 239000011265 semifinished product Substances 0.000 claims description 2
- 235000019609 freshness Nutrition 0.000 claims 7
- 230000005611 electricity Effects 0.000 claims 1
- 230000014759 maintenance of location Effects 0.000 claims 1
- 238000004458 analytical method Methods 0.000 abstract description 6
- 230000008901 benefit Effects 0.000 abstract description 6
- 230000008569 process Effects 0.000 abstract description 6
- 238000005259 measurement Methods 0.000 abstract description 3
- 238000003062 neural network model Methods 0.000 abstract description 2
- 230000001105 regulatory effect Effects 0.000 abstract 2
- 238000009920 food preservation Methods 0.000 abstract 1
- 235000013622 meat product Nutrition 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 27
- 235000013305 food Nutrition 0.000 description 8
- 241000251468 Actinopterygii Species 0.000 description 7
- 241000252230 Ctenopharyngodon idella Species 0.000 description 7
- 235000013601 eggs Nutrition 0.000 description 7
- 241000238557 Decapoda Species 0.000 description 6
- 235000019465 surimi Nutrition 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000005311 nuclear magnetism Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- 230000035943 smell Effects 0.000 description 5
- 235000012424 soybean oil Nutrition 0.000 description 5
- 239000003549 soybean oil Substances 0.000 description 5
- 239000000203 mixture Substances 0.000 description 4
- 230000009897 systematic effect Effects 0.000 description 4
- 241000238553 Litopenaeus vannamei Species 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 235000021323 fish oil Nutrition 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000001879 gelation Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 239000012071 phase Substances 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 239000000499 gel Substances 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 235000012907 honey Nutrition 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 235000013580 sausages Nutrition 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 241000219307 Atriplex rosea Species 0.000 description 1
- 102000002322 Egg Proteins Human genes 0.000 description 1
- 108010000912 Egg Proteins Proteins 0.000 description 1
- 241000287828 Gallus gallus Species 0.000 description 1
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 240000005373 Panax quinquefolius Species 0.000 description 1
- 108010073771 Soybean Proteins Proteins 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000031016 anaphase Effects 0.000 description 1
- 230000000844 anti-bacterial effect Effects 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010411 cooking Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000007598 dipping method Methods 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 239000005452 food preservative Substances 0.000 description 1
- 235000019249 food preservative Nutrition 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 239000000017 hydrogel Substances 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000002906 microbiologic effect Effects 0.000 description 1
- 244000005700 microbiome Species 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 230000000474 nursing effect Effects 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 235000003715 nutritional status Nutrition 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 235000019198 oils Nutrition 0.000 description 1
- 210000004681 ovum Anatomy 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 150000002978 peroxides Chemical class 0.000 description 1
- 229920001592 potato starch Polymers 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 210000000582 semen Anatomy 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 239000007790 solid phase Substances 0.000 description 1
- 235000019710 soybean protein Nutrition 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 239000006188 syrup Substances 0.000 description 1
- 235000020357 syrup Nutrition 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N24/00—Investigating or analyzing materials by the use of nuclear magnetic resonance, electron paramagnetic resonance or other spin effects
- G01N24/08—Investigating or analyzing materials by the use of nuclear magnetic resonance, electron paramagnetic resonance or other spin effects by using nuclear magnetic resonance
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/02—Food
Landscapes
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biochemistry (AREA)
- Food Science & Technology (AREA)
- Analytical Chemistry (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- High Energy & Nuclear Physics (AREA)
- Medicinal Chemistry (AREA)
- Meat, Egg Or Seafood Products (AREA)
- Measuring Magnetic Variables (AREA)
Abstract
一种确定调理水产品低温货架期的鲜度联合检测方法,属于食品保鲜技术领域。本发明以低场核磁共振结合电子鼻为主要测量工具,以调理水产品的弛豫图谱数据、风味变化数据与挥发性盐基氮(TVB‑N)数据间建立的RBF神经网络模型为基础,以调理水产品低温储藏过程中的核磁共振和电子鼻信号为主要观察对象,通过对低温储藏过程中水产品的弛豫时间数据和风味变化数据的分析进行调理水产品货架期极限的判断。本发明具有分析过程简单、样品用量小、准确性高、耗时短、成本低、易于普及等优点。采用本发明的类似方法,可对其它肉制品建立相应的数据库和预测模型,实现储藏过程中货架期极限的准确预测。
Description
技术领域
本发明涉及一种确定调理水产品低温货架期的鲜度联合检测方法,用于调理水产品低温储藏过程中货架期终点的判断,属于食品保鲜技术领域。
背景技术
近年来,人们对调理水产品货架期的判断准确度要求越来越高,希望能够直观快速地了解水产品不同储藏时间的产品新鲜度。在这样的需求下,调理水产品的货架期安全性和准确性已成为人们日益关注的焦点。
调理水产品新鲜度评价方法包括感官评价、腐败分解产物及细菌的污染程度等。其中感官检验评估调理水产品新鲜度的方法简便易行,但存在主观性,不能准确判断。而理化技术检测程序复杂,用时过长,无法满足大批量现场快速检测的要求。因此,选择快速有效的无损检测方法应用于调理水产品货架期预测具有重要的意义。
电子鼻技术作为一种新兴的现代化分析仪器,利用气体传感器阵列的响应图谱来识别气味的电子系统,具有价格适中、操作简单、携带方便、灵敏度高等优点,更突出的是它可以连续地、不间断的监测水产品的气味变化情况。因此而受到食品风味分析领域更多的关注,并具有更广阔的应用前景。但是电子鼻传感器数量有限,与人类嗅觉神经元细胞数量相差较大,并且因其传感器阵列固定,从而无法针对不同检测对象选择不同传感器,因此仅用电子鼻仪器无法涵盖食品的所有信息,需与其他分析仪器的数据如光谱、核磁共振等融合分析;低场核磁共振技术检测样品快速、无损、实时、无需任何化学试剂,且价格低廉,与其他检测技术相比具有很大的优势,因此在诸多方面都有广泛的应用。将电子鼻风味检测技术与低场核磁共振技术结合监测调理水产品品质变化,实现了食品品质变化动态监测与快速检测的有效集成与相互验证,并且将以上两种快速检测方法用于模型建立,可真正实现食品剩余货架期的快速判定。
目前,调理水产品货架期预测的研究方法主要有两种类型。第一种是以温度为基础的动力学预测模型,即在不考虑调理水产品品质变化过程中所发生的具体化学变化的基础上,仅通过相关性分析研究储藏温度与水产品整体品质变化的关系模型,包括Arrhenius方程、WLF(Williams-Landel-Ferry)方程和Z值模型等,其中最常用的是Arrhenius方程。Arrhenius方程不受产品储藏温度的限制,可在常温或高温条件下加速实验,采集数据,然后采用外推的方法求得在较低温度下的货架期。该方法虽然可实现直接建模,系统误差少,但预测模型适用范围有限。第二种是以产品品质的关键化学或微生物指标为研究基础,探究水产品在储藏过程中品质的整体变化规律,建立模型,实现剩余货架期预测。该方法不仅可根据食品种类选定选择挂件评价指标,而且得到的预测模型具有准确度高和应用范围广的优点。
谢晶等(专利申请号201410394531.3)公开了“一种用TBA建立河卿鱼货架期预测模型的方法”。该发明通过对河卿鱼在不同温度下的感官评定和硫代巴比妥酸值(TBA)随着贮藏时间的延长而变化进行研究,利用Arrhenius方程根据TBA建立河卿鱼的货架期预测模型。虽然这类的动力学模型是水产品品质预测的常用模型,但模型对水产品低温贮藏后期的预测误差较大。而本发明中采用的RBF神经网络模型数据采集更加迅速合理,分析模式更加接近实际,预测结果更加快速准确。
谢晶等(专利申请号201510237877.7)公开了“一种预测金枪鱼货架期的模型”。该发明通过对贮藏于不同温度下金枪鱼进行研究,通过测定金枪鱼的红度值a*、高铁肌红蛋白百分含量、鲜度指标K值、挥发性盐基氮(TVB-N)、微生物和感官品质随时间变化规律确定了金枪鱼品质变化动力学模型,并根据金枪鱼品质指标K值和挥发性盐基氮(TVB-N)建立了金枪鱼货架期预测模型,该模型能快速有效的预测金枪鱼在269K~285K温度范围内的剩余货架期。虽然品质变化指标选择越多,货架期预测结果更为准确,但是检测任务繁杂,耗费大量人力、物力和时间,无法满足快速无损的检测要求。本发明中选择低场核磁共振技术和电子鼻技术代替大部分的理化指标,检测时间短,检测重复性高,并且检测不受样品形状大小及状态的限制。
董庆利等(专利申请号200810034916.3)公开了“基于BP神经网络预测熏煮香肠质构感官评定的方法”。该发明采取计算机系统以客观的机械测定为输入,主观的感官评定为输出,可以通过仪器测定的准确量值来实现预测,既可以解放劳动力,排除人的主观因素干扰,又能快速而准确地实时对熏煮香肠的质构指标进行判定,实现机械测定全部或部分代替感官评定检测。本发明中所采用的RBF神经网络预测模型是一种更加高效的前馈人工神经网络,具有BP神经网络所不具有的最佳逼近性能和全局最优特性,并且结构简单,训练速度更快。并与检测更加准确的低场核磁共振技术和电子鼻技术相结合,最终模型所得预测值和实验值已十分接近。
李秀男等(专利申请号201510097111.3)公开了“一种应用低场核磁共振技术测定凝胶化时间的方法”。该发明采用CPMG序列测定在特定温度下加热不同时间的水凝胶的核磁共振衰减曲线,并采用多指数方程进行拟合,获得T2分布曲线;计算每个时间点凝胶内部水对应的T2分布峰的加权平均值,绘制T2值随时间变化的曲线;并使用双线型回归模型对T2-t曲线进行拟合,确定体系的溶液-凝胶转变点,并得到凝胶化时间。提供了一种能够简单快速无损的测定凝胶化时间的新方法。该发明仅选用了较为简单的双线性回归模型拟合实验参数,没有根据低场核磁数据库建立属于物料本身特有的预测模型,系统误差较大。本发明中采用的RBF神经网络模型具有特有的非线性适应性信息处理能力,具有自学习功能、联想存储功能和高速寻找优化解能力等优势,低场核磁数据、电子鼻数据与TVB-N值能够达到一一对应,系统误差大大降低。
王欣等(专利申请号201210435185.X)公开了“一种大豆油煎炸使用极限的低场核磁共振检测方法”。该方法采用低场核磁共振分析仪分析大豆油的多组分弛豫时间变化规律,对大豆油的多组分弛豫时间数据与总极性化合物(TPC)数据建立数学模型,实现对大豆油煎炸使用极限的准确判断。但是该发明选择多元线性回归分析方法,无法按照两组数据之间特点建立较为复杂的非线性关系,得出的模型不能真实反映大豆油煎炸后的氧化状态。本发明中的神经网络模型的自学习功能可以在应用中继续不断的提高预测模型准确性,这是传统回归模型无法实现的。
陈雷等(专利申请号201510111292.0)公开了“基于氢核磁共振结合偏最小二乘法鉴别蜂蜜真假的方法”。该发明首先建立了纯蜂蜜数据库和糖浆掺假蜂蜜数据库,然后构建鉴别模型,并对鉴别模型进行可靠性检验,最后进行对待测蜂蜜样品的鉴别。低场核磁技术准确可靠,操作简单,并且可在短时间内处理大量样品,能够快速筛查出可疑蜂蜜样品,避免了主观因素、人为误差。低场核磁共振技术应用于食品科学领域的研究中,主要是通过对弛豫时间的测量,可以更好地了解食品中水分等流动相与有机物等固相的结合状态,以及了解食品的组织结构和物化状态,并和产品化学指标相对应,得到的预测模型也会更加准确。
陈小娥等(专利申请号201511031019.3)公开了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。该发明通过电子鼻技术对储藏过程中金枪鱼油的挥发性气味进行研究,运用主成分分析(PCA)、线性判别分析(LDA)区分不同储藏时间的鱼油样品,并通过偏最小二乘法(PLS)建立酸价、过氧化值的预测模型,从而对金枪鱼油在储藏过程中腐败程度进行有效测定。与现有技术相比,电子鼻检测具有操作简单,检测时间短,检测效率高等优点。该发明将电子鼻技术应用到几种常用的预测模型中,为电子鼻技术的模型预测提供了很好的思路。本发明选择将电子鼻技术、核磁共振技术结合水产品TVB-N值进行RBF神经网络模型预测,对调理水产品的预测效果相对误差小于1%。
惠国华等(专利申请号201210013547.6)公开了“一种利用电子鼻检测草鱼新鲜度的方法”。该发明将被测草鱼样品挥发出的气体作用于电子鼻传感器阵列,引起各传感器的电导率发生变化,该变化与各传感器特异性敏感气体的种类、浓度有关,该相互关系可以作为标定被测样品信息的依据。传感器把气体输入转换成电信号,多个传感器对一种气体的响应便构成了传感器阵列对该气味的响应谱,每种气体都会有它的特征响应。根据多传感器的特征响应便可区分气体的种类、浓度,实现草鱼新鲜度的检测。本发明也选用电子鼻快速技术结合低场核磁共振技术,建立两者与TVB-N值的非线性关系,了解水产品储藏过程中水分、气味和化学指标的变化规律,进而更精准的预测调理水产品的货架期终点。
屠康等(专利申请号200910183546.4)公开了“一种气体传感器检测鸡蛋新鲜度的方法”。该方法以电子鼻传感器特征值Sn为指标,代入到鸡蛋货架期预测模型或者鸡蛋新鲜度等级预测模型中,分别得到鸡蛋货架期为20℃、70%RH条件下鸡蛋的贮藏时间和得到无损判别鸡蛋新鲜度的等级。但是该发明中的新鲜度模型为典型的经验模型,因产品的营养成分和储藏环境都略有不同,套用经验模型得出的新鲜度模型系统误差无法忽略。而本发明中选择的模型是按照产品各个指标每组数据进行反复训练,得到的RBF神经网络模型不受经典模型和是否线性回归的约束,从而使得预测值和实验值更加接近,能够快速了解不同储藏时间的产品品质及变化规律。
发明内容
本发明的目的是提供一种确定调理水产品低温货架期的鲜度联合检测方法,将低场核磁共振技术、电子鼻快速检测技术与调理水产品TVB-N值结合,同时利用RBF神经网络模型研究水产品品质变化规律,具有充分的合理性和准确性,可用于准确地预测调理水产品的剩余货架期,掌握和了解调理水产品的营养状态和新鲜度,同时也为其它水产品的保鲜技术和货架期预测模型的研究提供了一定的理论参考。
本发明的技术方案,一种确定调理水产品低温货架期的鲜度联合检测方法,步骤为:将调理水产品置于低场核磁共振工作腔内,对调理水产品的T23位移进行检测,其次对样品风味进行电子鼻快速测定,并计算T23曲线的峰加权值和电子鼻S1值,另外选择半微量凯氏定氮法测定调理水产品不同储藏时间的TVB-N值变化。以TVB-N值、T2曲线的峰加权值和电子鼻S1值为输入层,通过Matlab编程软件,经反复计算后输出低温储藏调理水产品RBF神经网络货架期预测模型。最后将待测调理水产品进行TVB-N值、低场核磁共振和电子鼻检测,得出实验值,将RBF神经网络得出的预测值和实验值进行比较,该神经网络预测模型对调理水产品的预测效果相对误差值小于1%。
具体步骤如下:
(1)标准样品的挥发性盐基氮值的测定:按照SC/T 3032-2007规定的标准,用半微量凯氏定氮法检测调理水产品经过不同储藏时间后的TVB-N值,建立调理水产品的TVB-N值随储藏时间而变化的标准样品数据库。
(2)标准样品的低场核磁共振检测:利用低场核磁共振仪的CPMG脉冲序列测定调理水产品在低温储藏过程中的纵向弛豫时间T2,通过数据分析获得其低场核磁共振检测数据,所述检测数据包括结合水的起始时间T21、束缚水的起始时间T22、自由水的起始时间T23。其中T21和T22在储藏过程中没有明显变化,而T23(自由水部分)在储藏过程中呈现有规律的变化,所以选择T23作为研究对象。
所述的T23采用加权的办法计算,通过计算每个时间点T23峰的加权平均值来绘制T2不同储藏时间的变化曲线,T23加权平均值的计算公式为
T23=∑(Xi*Ai/At)
其中Xi及Ai分别代表T23中每个点的横、纵坐标,At为曲线中各个点纵坐标的总和。
(3)标准样品的电子鼻检测:首先将调理水产品放入密封容器中,常温状态下静置40~60min; 随后电子鼻的进样针头吸取密封容器内的气体,电子鼻气室内的14组气体传感器阵列对样品所散发出的气体进行检测,检测时间为20~40s。
(4)低场核磁共振和电子鼻数据与TVB-N值建立RBF预测模型:RBF数据模型采用Matlab语言编程,并调用遗传算法工具箱建立三层RBF模型。遗传算法的参数设置:交叉概率为0.9,变异概率为0.09。并将选取的训练样本输入到网络中,对网络进行训练,将网络的输出值与实测值进行对比,直到网络训练的均方误差达到要求,确定网络各层的权值和阈值。对不同储藏时间的调理水产品的低场核磁弛豫时间、电子鼻数据和TVB-N值作为输入层进行分析。
(5)待测调理水产品的检测:将待测样品按照步骤(2)、步骤(3)进行低场核磁共振和电子鼻风味检测,将测得的数据代入步骤 (4) 建立的RBF预测模型中,计算该样品的预测TVB-N值,若预测值≥13 mg/100g,判断待测样品为优质保质期(一级鲜度);若预测值≥30 mg/100g,判断待测样品为次优质保质期(二级鲜度)。
所述调理水产品包括以水产品为主要原料,添加调味料后经半干燥、腌制和/或烤制等加工处理后出厂,经简单烹饪后即可食用的调理水产半成品。
所述低温储藏条件为温度0-4℃,RH 70%。
所述的14组气体传感器阵列中S1(胺类物质传感器)在不同储藏时间调理水产品呈有规律的变化,因此选择S1电子鼻输出值为研究对象。
本发明的有益效果:
①基于RBF神经网络预测调理水产品货架期终点的方法模拟人的大脑判断系统,用高精度实时的模式处理数据,具有快速、准确、实时的特点,与传统的预测模型相比,预测误差较小,预测精度较高,得到的信息更全面。
②本发明选择低场核磁共振技术和电子鼻技术作为调理水产品品质的检测手段,测定精准度高,快速无损,并且价格相对低廉,能够满足大批量样品快速精准的检测要求。
③RBF神经网络模型结合低场核磁技术和电子鼻技术,不需要精确地数学模型的基础上,建立起低场核磁共振纵向弛豫时间、电子鼻风味和调理水产品化学指标TVB-N值之间的非线性映射关系,实现了低温储藏调理水产品剩余货架期的快速检测,避免减少了实验操作过程的一些弊端和局限性,直接达到快速准确的预测仿真效果。
附图说明
图1 调理水产品的T2曲线。
具体实施方式
下面通过实施例对本发明做进一步详细说明,这些实施例仅用来说明本发明,并不限制本发明的范围。
实施例1:一种确定调理鱼糜制品低温货架期的鲜度联合检测方法。
首先将解冻后的10%冷冻鱼糜加入0.5%食盐擂溃15min,随后加入6%大豆油、6%蛋清、7%大豆蛋白、5%马铃薯淀粉和冰水继续擂溃5min混匀,最后放入蒸锅(100℃蒸制15min),即得调理鱼糜制品,并放入0-4℃环境储藏。检测步骤为:首先检测调理鱼糜制品不同储藏时间后的TVB-N值变化,并进行低场核磁技术和电子鼻风味测定,计算T2曲线的峰的加权值和电子鼻S1值。最后以TVB-N值、T2曲线的峰加权值和电子鼻S1值为输入层,通过Matlab编程软件,经反复计算后输出调理水产品RBF神经网络货架期预测模型。最后将待测鱼糜制品进行TVB-N值、低场核磁共振和电子鼻检测,得出实验值,将RBF神经网络得出的预测值和实验值进行比较,因鱼糜制品成分较为复杂,对低场核磁共振T23稍有干扰,但相对误差仍可控制在3%以内,经储藏45天后,其RBF模型输出TVB-N预测值为13.4mg/100g,超出一级鲜度标准(13 mg/100g),储藏162天后,其RBF模型输出TVB-N预测值为31.7mg/100g,超出二级鲜度标准(30 mg/100g),调理鱼糜产品货架期结束。
实施例2:一种确定调理草鱼块低温货架期的鲜度联合检测方法。
首先将新鲜草鱼洗净、切块,随后切成标准块状沥干的生鱼块盛入到调料液中浸渍,浸渍后的鱼块盛盘在100℃~125℃温度下煮熟,最后将煮熟的鱼块进行塑料袋封装,并放入冷藏环境(0-4℃)。将调理草鱼块不同储藏时间后的TVB-N值变化,并进行低场核磁技术和电子鼻风味测定,计算T2曲线的峰的加权值和电子鼻S1值。最后以TVB-N值、T2曲线的峰加权值和电子鼻S1值为输入层,通过Matlab编程软件,经反复计算后输出RBF神经网络货架期预测模型。最后将待测水产品进行TVB-N值、低场核磁共振和电子鼻检测,得出实验值,其相关系数最大为0.995,两者相对误差可控制在1%。经储藏66天后,其RBF模型输出TVB-N预测值为14.1mg/100g,超出一级鲜度标准(13 mg/100g),储藏213天后,其RBF模型输出TVB-N预测值为30.9mg/100g,超出二级鲜度标准(30 mg/100g),调理草鱼块货架期结束。
实施例3:一种确定调理对虾低温货架期的鲜度联合检测方法。
首先将南美白对虾清洗除去泥沙杂质,随后进行水煮处理,虾的数量以水煮液淹没南美白对虾为限;沸腾后煮2~4分钟即捞起南美白对虾,并冷却沥干水分,最后称重装袋后抽真空包装,即得调理对虾制品,放入0~4℃条件下冷藏。将调理对虾不同储藏时间后的TVB-N值变化,并进行低场核磁技术和电子鼻风味测定,计算T2曲线的峰的加权值和电子鼻S1值。最后以TVB-N值、T2曲线的峰加权值和电子鼻S1值为输入层,通过Matlab编程软件,经反复计算后输出调理水产品RBF神经网络货架期预测模型。最后将待测调理对虾进行TVB-N值、低场核磁共振和电子鼻检测,得出实验值,将RBF神经网络得出的预测值和实验值进行比较,两者相对误差可控制在1%。经储藏38天后,其RBF模型输出TVB-N预测值为13.6mg/100g,超出一级鲜度标准(13 mg/100g),储藏120天后,其RBF模型输出TVB-N预测值为30.3mg/100g,超出二级鲜度标准(30 mg/100g),调理对虾制品货架期结束。
Claims (5)
1.一种确定调理水产品低温货架期的鲜度联合检测方法,其特征在于步骤为:将调理水产品置于低场核磁共振工作腔内,对调理水产品的T23位移进行检测,其次对样品风味进行电子鼻快速测定,并计算T23曲线的峰加权值和电子鼻S1值,另外选择半微量凯氏定氮法测定调理水产品不同储藏时间的TVB-N值变化;以TVB-N值、T2曲线的峰加权值和电子鼻S1值为输入层,通过Matlab编程软件,经反复计算后输出调理水产品低温储藏RBF神经网络货架期预测模型;最后将待测调理水产品进行TVB-N值、低场核磁共振和电子鼻检测,得出实验值,将RBF神经网络得出的预测值和实验值进行比较;具体如下:
(1)标准样品的挥发性盐基氮值的测定:按照SC/T 3032-2007规定的标准,用半微量凯氏定氮法检测调理水产品经过不同储藏时间后的TVB-N值,建立调理水产品的TVB-N值随储藏时间而变化的标准样品数据库;
(2)标准样品的低场核磁共振检测:利用低场核磁共振仪的CPMG脉冲序列测定调理水产品在低温储藏过程中的纵向弛豫时间T2,通过数据分析获得其低场核磁共振检测数据,所述检测数据包括结合水的起始时间T21、束缚水的起始时间T22、自由水的起始时间T23;选择T23作为研究对象;
(3)标准样品的电子鼻检测:首先将调理水产品放入密封容器中,常温状态下静置40~60min; 随后电子鼻的进样针头吸取密封容器内的气体,电子鼻气室内的14组气体传感器阵列对样品所散发出的气体进行检测,检测时间为20~40s;
(4)低场核磁共振和电子鼻数据与TVB-N值建立RBF预测模型:RBF数据模型采用Matlab语言编程,并调用遗传算法工具箱建立三层RBF模型;遗传算法的参数设置:交叉概率为0.9,变异概率为0.09;并将选取的训练样本输入到网络中,对网络进行训练,将网络的输出值与实测值进行对比,直到网络训练的均方误差达到要求,确定网络各层的权值和阈值;对不同储藏时间的调理水产品的低场核磁弛豫时间、电子鼻数据和TVB-N值作为输入层进行分析;
(5)待测调理水产品的检测:将待测样品按照步骤(2)、步骤(3)进行低场核磁共振和电子鼻风味检测,将测得的数据代入步骤(4)建立的RBF预测模型中,计算该样品的预测TVB-N值;若预测值≥13mg/100g,判定待测样品为优质保质期,即一级鲜度;若预测值≥30mg/100g,判定待测样品为次优质保质期,即二级鲜度。
2.根据权利要求1所述确定调理水产品低温货架期的鲜度联合检测方法,其特征在于:调理水产品包括以水产品为主要原料,添加调味料后经半干燥、腌制和/或烤制加工处理后出厂,经简单烹饪后即可食用的调理水产半成品。
3.根据权利要求1所述确定调理水产品低温货架期的鲜度联合检测方法,其特征在于:所述低温储藏条件为温度0-4℃,RH 70%。
4.根据权利要求1所述确定调理水产品低温货架期的鲜度联合检测方法,其特征在于:所述的14组气体传感器阵列中S1,即胺类物质传感器,在不同储藏时间调理水产品呈有规律的变化,因此选择S1电子鼻输出值为研究对象。
5.根据权利要求1所述确定调理水产品低温货架期的鲜度联合检测方法,其特征在于:所述的T23采用加权的办法计算,通过计算每个时间点T23峰的加权平均值来绘制T2不同储藏时间的变化曲线,T23加权平均值的计算公式为:
T23=∑(Xi*Ai/At);
其中Xi及Ai分别代表T23中每个点的横、纵坐标,At为曲线中各个点纵坐标的总和。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610719911.9A CN106324011B (zh) | 2016-08-25 | 2016-08-25 | 一种确定调理水产品低温货架期的鲜度联合检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610719911.9A CN106324011B (zh) | 2016-08-25 | 2016-08-25 | 一种确定调理水产品低温货架期的鲜度联合检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106324011A true CN106324011A (zh) | 2017-01-11 |
CN106324011B CN106324011B (zh) | 2017-10-03 |
Family
ID=57790725
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610719911.9A Expired - Fee Related CN106324011B (zh) | 2016-08-25 | 2016-08-25 | 一种确定调理水产品低温货架期的鲜度联合检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106324011B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107831185A (zh) * | 2017-09-01 | 2018-03-23 | 大连工业大学 | 测定三文鱼加工贮藏过程中相转变温度的方法 |
CN107991337A (zh) * | 2017-12-11 | 2018-05-04 | 四川大学 | 一种适用于干制带壳水果的低场核磁共振无损检测线 |
BE1025144B1 (de) * | 2017-09-05 | 2018-11-13 | Jiangnan University | Kombiniertes Frische-Erfassungsverfahren zur Bestimmung der Haltbarkeitsdauer eines konditionierten aquatischen Produkts bei Kühllagerung |
CN109033616A (zh) * | 2018-07-24 | 2018-12-18 | 西华大学 | 一种预测冷冻猪肉在贮藏过程中品质变化的方法 |
CN109799256A (zh) * | 2019-03-01 | 2019-05-24 | 江南大学 | 一种基于低场核磁的微波干燥香辛蔬菜风味智能检测的装置及方法 |
CN110210680A (zh) * | 2019-06-11 | 2019-09-06 | 北京农业信息技术研究中心 | 一种基于温度变化的鱼体新鲜度检测方法和装置 |
CN110411957A (zh) * | 2019-08-28 | 2019-11-05 | 北京农业质量标准与检测技术研究中心 | 水果货架期及新鲜程度的无损快速预测方法及装置 |
CN110657836A (zh) * | 2019-09-17 | 2020-01-07 | 江苏大学 | 一种生鲜运输智能物流箱的监控系统及其监控方法 |
CN111198209A (zh) * | 2020-01-16 | 2020-05-26 | 大连工业大学 | 一种基于电子鼻快速预测发酵水产品tvb-n值方法 |
CN112070278A (zh) * | 2020-08-17 | 2020-12-11 | 中国标准化研究院 | 电子鼻结合主成分分析预测烤鸭货架终点的方法 |
CN112098596A (zh) * | 2020-07-21 | 2020-12-18 | 黄山美行美食品科技股份有限公司 | 自热食品货架期预测方法、装置、计算机设备和存储介质 |
CN114062621A (zh) * | 2021-10-08 | 2022-02-18 | 上海海洋大学 | 一种用于冷冻罗非鱼片品质的预测方法 |
CN114354670A (zh) * | 2022-01-06 | 2022-04-15 | 南京海关动植物与食品检测中心 | 一种基于mlp神经网络的注水注胶肉检测方法 |
US11442126B2 (en) * | 2019-12-13 | 2022-09-13 | Siemens Healthcare Gmbh | System and method for estimating a relative substance composition of a portion of a body of a patient |
EP4206666A1 (en) | 2021-12-28 | 2023-07-05 | Manoj Nimbalkar | Testing the authenticity of biological compositions |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03115846A (ja) * | 1989-09-29 | 1991-05-16 | Jeol Ltd | 生体組織の鮮度測定装置 |
CN102654495A (zh) * | 2012-05-21 | 2012-09-05 | 浙江工商大学 | 一种用于检测番荔枝成熟度的电子鼻及其检测方法 |
CN102879436A (zh) * | 2012-10-22 | 2013-01-16 | 浙江工商大学 | 一种利用电子鼻检测河鲫鱼新鲜度的方法 |
CN104330432A (zh) * | 2014-10-27 | 2015-02-04 | 江南大学 | 一种基于水分分布表征油炸果蔬脆片贮藏过程品质变化的方法 |
CN105223240A (zh) * | 2015-11-20 | 2016-01-06 | 上海应用技术学院 | 一种利用电子鼻检测蟹新鲜度的方法 |
CN105372276A (zh) * | 2015-11-24 | 2016-03-02 | 大连工业大学 | 一种海参加热过程中质构品质无损检测方法 |
-
2016
- 2016-08-25 CN CN201610719911.9A patent/CN106324011B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03115846A (ja) * | 1989-09-29 | 1991-05-16 | Jeol Ltd | 生体組織の鮮度測定装置 |
CN102654495A (zh) * | 2012-05-21 | 2012-09-05 | 浙江工商大学 | 一种用于检测番荔枝成熟度的电子鼻及其检测方法 |
CN102879436A (zh) * | 2012-10-22 | 2013-01-16 | 浙江工商大学 | 一种利用电子鼻检测河鲫鱼新鲜度的方法 |
CN104330432A (zh) * | 2014-10-27 | 2015-02-04 | 江南大学 | 一种基于水分分布表征油炸果蔬脆片贮藏过程品质变化的方法 |
CN105223240A (zh) * | 2015-11-20 | 2016-01-06 | 上海应用技术学院 | 一种利用电子鼻检测蟹新鲜度的方法 |
CN105372276A (zh) * | 2015-11-24 | 2016-03-02 | 大连工业大学 | 一种海参加热过程中质构品质无损检测方法 |
Non-Patent Citations (4)
Title |
---|
ALESSANDRA CIAMPA 等: "Changes in the Amino Acid Composition of Bogue (Boops boops) Fish during Storage at Different Temperatures by 1H-NMR Spectroscopy", 《NUTRIENTS》 * |
BRUKER BIOSPIN 等: "Rapid Assessment of Fish Freshness and Quality by 1H HR-MAS NMR Spectroscopy", 《FOOD ANALYTICAL METHODS》 * |
励建荣 等: "水产品新鲜度综合评价与货架期预测模型的构建研究进展", 《食品科学技术学报》 * |
顾赛麒 等: "电子鼻检测不同贮藏温度下猪肉新鲜度变化", 《食品科学》 * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107831185A (zh) * | 2017-09-01 | 2018-03-23 | 大连工业大学 | 测定三文鱼加工贮藏过程中相转变温度的方法 |
BE1025144B1 (de) * | 2017-09-05 | 2018-11-13 | Jiangnan University | Kombiniertes Frische-Erfassungsverfahren zur Bestimmung der Haltbarkeitsdauer eines konditionierten aquatischen Produkts bei Kühllagerung |
CN107991337A (zh) * | 2017-12-11 | 2018-05-04 | 四川大学 | 一种适用于干制带壳水果的低场核磁共振无损检测线 |
CN109033616A (zh) * | 2018-07-24 | 2018-12-18 | 西华大学 | 一种预测冷冻猪肉在贮藏过程中品质变化的方法 |
CN109033616B (zh) * | 2018-07-24 | 2023-02-10 | 西华大学 | 一种预测冷冻猪肉在贮藏过程中品质变化的方法 |
WO2020177423A1 (zh) * | 2019-03-01 | 2020-09-10 | 江南大学 | 一种基于低场核磁的微波干燥香辛蔬菜风味智能检测的装置及方法 |
CN109799256A (zh) * | 2019-03-01 | 2019-05-24 | 江南大学 | 一种基于低场核磁的微波干燥香辛蔬菜风味智能检测的装置及方法 |
CN110210680A (zh) * | 2019-06-11 | 2019-09-06 | 北京农业信息技术研究中心 | 一种基于温度变化的鱼体新鲜度检测方法和装置 |
CN110411957B (zh) * | 2019-08-28 | 2021-11-19 | 北京农业质量标准与检测技术研究中心 | 水果货架期及新鲜程度的无损快速预测方法及装置 |
CN110411957A (zh) * | 2019-08-28 | 2019-11-05 | 北京农业质量标准与检测技术研究中心 | 水果货架期及新鲜程度的无损快速预测方法及装置 |
CN110657836A (zh) * | 2019-09-17 | 2020-01-07 | 江苏大学 | 一种生鲜运输智能物流箱的监控系统及其监控方法 |
US11442126B2 (en) * | 2019-12-13 | 2022-09-13 | Siemens Healthcare Gmbh | System and method for estimating a relative substance composition of a portion of a body of a patient |
CN111198209A (zh) * | 2020-01-16 | 2020-05-26 | 大连工业大学 | 一种基于电子鼻快速预测发酵水产品tvb-n值方法 |
CN112098596A (zh) * | 2020-07-21 | 2020-12-18 | 黄山美行美食品科技股份有限公司 | 自热食品货架期预测方法、装置、计算机设备和存储介质 |
CN112070278A (zh) * | 2020-08-17 | 2020-12-11 | 中国标准化研究院 | 电子鼻结合主成分分析预测烤鸭货架终点的方法 |
CN112070278B (zh) * | 2020-08-17 | 2023-06-20 | 中国标准化研究院 | 电子鼻结合主成分分析预测烤鸭货架终点的方法 |
CN114062621A (zh) * | 2021-10-08 | 2022-02-18 | 上海海洋大学 | 一种用于冷冻罗非鱼片品质的预测方法 |
EP4206666A1 (en) | 2021-12-28 | 2023-07-05 | Manoj Nimbalkar | Testing the authenticity of biological compositions |
CN114354670A (zh) * | 2022-01-06 | 2022-04-15 | 南京海关动植物与食品检测中心 | 一种基于mlp神经网络的注水注胶肉检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106324011B (zh) | 2017-10-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106324011B (zh) | 一种确定调理水产品低温货架期的鲜度联合检测方法 | |
Bobbo et al. | The nonlinear effect of somatic cell count on milk composition, coagulation properties, curd firmness modeling, cheese yield, and curd nutrient recovery | |
Song et al. | Storage time assessment and shelf-life prediction models for postharvest Agaricus bisporus | |
Zhang et al. | Evaluation of peach quality indices using an electronic nose by MLR, QPST and BP network | |
Opara et al. | Bruise damage measurement and analysis of fresh horticultural produce—A review | |
Pereira et al. | Classification of intact fresh plums according to sweetness using time-domain nuclear magnetic resonance and chemometrics | |
JHA et al. | Non-destructive techniques for quality evaluation of intact fruits and vegetables | |
Zhang et al. | Predictions of acidity, soluble solids and firmness of pear using electronic nose technique | |
Cecchinato et al. | Genetic analysis of rennet coagulation time, curd-firming rate, and curd firmness assessed over an extended testing period using mechanical and near-infrared instruments | |
Bertram et al. | Elucidation of the relationship between cooking temperature, water distribution and sensory attributes of pork–a combined NMR and sensory study | |
CN109959765B (zh) | 三文鱼新鲜度检测系统及方法 | |
Castell-Palou et al. | Moisture profiles in cheese drying determined by TD-NMR: Mathematical modeling of mass transfer | |
Ghasemi-Varnamkhasti et al. | Aging discrimination of French cheese types based on the optimization of an electronic nose using multivariate computational approaches combined with response surface method (RSM) | |
Wei et al. | Rapid and non-destructive detection of decay in peach fruit at the cold environment using a self-developed handheld electronic-nose system | |
Li et al. | A feasibility study of rapid nondestructive detection of total volatile basic nitrogen (TVB-N) content in beef based on airflow and laser ranging technique | |
Bittante et al. | Comparison between genetic parameters of cheese yield and nutrient recovery or whey loss traits measured from individual model cheese-making methods or predicted from unprocessed bovine milk samples using Fourier-transform infrared spectroscopy | |
CN108254513A (zh) | 一种鱼类货架期的判断方法及装置 | |
Gudjónsdóttir et al. | Shrimp processing assessed by low field nuclear magnetic resonance, near infrared spectroscopy, and physicochemical measurements—the effect of polyphosphate content and length of prebrining on shrimp muscle | |
Leng et al. | A method to detect water-injected pork based on bioelectrical impedance technique | |
Jo et al. | Utilization of electrical conductivity to improve prediction accuracy of cooking loss of pork loin | |
Li et al. | Rapid assessment of ready-to-eat Xuxiang kiwifruit quality based on chroma recognition and GC-MS analysis | |
CN104833780A (zh) | 一种基于乙醇传感器预测草莓品质等级的方法 | |
Panchal et al. | Relation between electrical conductivity, dielectric constant, somatic cell count and some other milk quality parameters in diagnosis of subclinical mastitis in Murrah buffaloes | |
CN105738422A (zh) | 一种基于电子鼻检测山核桃储藏时间的方法 | |
Khalid et al. | Non-destructive technique based on specific gravity for post-harvest Mangifera indica L. Cultivar maturity |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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: 20171003 |
|
CF01 | Termination of patent right due to non-payment of annual fee |