CN107300553A - 一种基于可储存式气敏传感器的鱼类生物胺含量检测方法 - Google Patents

一种基于可储存式气敏传感器的鱼类生物胺含量检测方法 Download PDF

Info

Publication number
CN107300553A
CN107300553A CN201710535608.8A CN201710535608A CN107300553A CN 107300553 A CN107300553 A CN 107300553A CN 201710535608 A CN201710535608 A CN 201710535608A CN 107300553 A CN107300553 A CN 107300553A
Authority
CN
China
Prior art keywords
sensor
fish
sample
gas sensor
storage type
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.)
Pending
Application number
CN201710535608.8A
Other languages
English (en)
Inventor
黄星奕
吕日琴
任晓锋
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.)
Jiangsu University
Original Assignee
Jiangsu 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 Jiangsu University filed Critical Jiangsu University
Priority to CN201710535608.8A priority Critical patent/CN107300553A/zh
Publication of CN107300553A publication Critical patent/CN107300553A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/75—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated
    • G01N21/77—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated by observing the effect on a chemical indicator
    • G01N21/78—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated by observing the effect on a chemical indicator producing a change of colour
    • G01N21/783—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated by observing the effect on a chemical indicator producing a change of colour for analysing gases
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • G01N30/04—Preparation or injection of sample to be analysed
    • G01N30/06—Preparation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • G01N30/86—Signal analysis
    • G01N30/8651—Recording, data aquisition, archiving and storage

Landscapes

  • Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Plasma & Fusion (AREA)
  • Investigating Or Analyzing Non-Biological Materials By The Use Of Chemical Means (AREA)

Abstract

本发明公开了一种基于可储存式气敏传感器的鱼类生物胺含量检测方法，属于食品农产品无损检测技术领域。本方法使芯片的保存条件近似真空，设计了可储存式气敏传感器。并且根据鱼的形状设计了反应空间可调，芯片放置位置可调的反应室，针对鱼类生物胺的检测筛选了气敏材料，制作了可储存式气敏传感器监控贮藏过程中的鱼类气味变化情况。通过图像获取装置检测其传感器阵列对鱼类挥发性气体的特征响应值，通过传感器识别处理系统，将检测结果以图像的方式呈现。根据传感器反应前后的颜色变化与样本中的生物胺含量建立模型，判定未知样本的生物胺含量。本发明无需对样品进行复杂的预处理，可实现贮藏过程中鱼体内生物胺含量的快速检测。

Description

一种基于可储存式气敏传感器的鱼类生物胺含量检测方法
技术领域
本发明涉及一种基于可储存式气敏传感器的鱼类生物胺含量的检测方法，重点开发一种可储存式气敏传感器，主要针对贮藏过程中鱼类生物胺的含量进行监控，属于食品农产品无损检测技术领域。
背景技术
鱼类是我国重要的水产资源，我国已连续十年成为最大的鱼类水产品出口国，渔业在我国国民经济中占有重要地位。鱼肉味道鲜美、营养价值高，富含蛋白质和矿物质，易被人体消化吸收，在人们日常膳食结构中占有重要地位。鱼类在储藏、运输及销售等各环节的质量安全直接影响消费者的健康甚至生命安全。在贮藏过程中鱼体腐败变质不仅会导致营养成分的流失，甚至会产生大量的生物胺。生物胺一旦形成，很难被破坏，即使高温处理也很难将其去除。消费者若食用含有大量生物胺的鱼，极可能食物中毒。因此对鱼类生物胺含量的检测具有十分重要的现实意义。
现阶段高效液相色谱法是定量分析生物胺含量的最为广泛的检测方法，具有检测灵敏度高、线性关系良好、分析定量准确等优点。但是，该检测方法需在实验室内进行，由专业人员操作，检测一个样本需要消耗大量的时间与人力，检测成本高、无法实现快速检测，也难以满足鱼类及其制品工业化生产的要求。
本发明开发的可储存式气敏传感器利用化学显色剂与待检测物体反应后颜色发生变化的性质对待检测样本进行定性和定量分析。在对样本的挥发性气体检测时，其特点是将样品的气味特征以图像化的形式表达出来，更为直观、形象生动。该技术相对于高效液相色谱法而言，具有高效、成本低等特点，与一般的金属氧化物类电子鼻检测技术相比方便易携带，便于得到越来越多的推广和应用。鱼类在贮藏过程中，鱼体所散发的气味会由原先的鱼腥味转变为腐败味，与此同时生物胺的含量会逐渐增多。因此，可以用可储存式气敏传感器对鱼类贮藏过程中生物胺的含量进行快速无损检测。经过检索，相关专利有：一种鱼类新鲜度的快速无损在线检测方法和装置，专利号为：201210573719.5。该专利开发了一种基于嗅觉可视化技术对鱼类新鲜度的检测方法并制作了装置。该专利通过传感器颜色变化与被测气体种类和浓度之间的相互关系来测定被检测的鱼样品的新鲜度，仅针对鱼样品腐败程度进行评判，不能对贮藏过程中鱼体内的生物胺含量进行检测。本次所申请的专利中采用可储存式气敏传感器，不仅对鱼类贮藏过程中气味变化进行监控，还结合了高效液相检测法所测定出的生物胺含量进行建模，从而实现了对鱼样品中生物胺含量的检测。在检测过程中，优化了传感器保存方式，采用自主设计特定的保存方式，这种保存方式可以保证传感器处于近真空状态而不与气体接触。因此可在检测前统一获取反应前图像后，将传感器芯片以自主设计特定的保存方式保存带到样品检测处，在检测时将其取出与样品气体反应，获取反应后的图像后再次保存并带回。这种检测方法可以将传感器芯片反应前后图像的采集与样品气味特征的获取两个阶段分开操作，避免了在反应后需要在检测现场用扫描仪立即获取反应后图像。这样在检测时只需要携带反应室与传感器芯片即可，方便携带，更方便食品检测部门去各个水产品市场采样检测。本发明所提供的一种基于可储存式气敏传感器对鱼类样品中生物胺含量的检测方法，从检测到分析出结果时间缩短至30min以内，传统的高效液相色谱法从样品预处理到测定出结果需要2～3h，极大地缩短了检测时间。本发明对于提高水产品质量，促进水产业发展，保证我国水产品的出口质量，保证消费者的生命安全都有着重要的借鉴意义。
发明内容
为了克服现有检测技术耗时长，操作繁琐，需要大型仪器等缺陷，本发明旨在提供一种基于可储存式气敏传感器的鱼类样品中生物胺含量的检测方法。本方法设计了可储存式气敏传感器，针对生物胺含量的检测制作了传感器阵列，设计了特定保存方式。该保存方式使芯片的保存条件近似真空，解决了传感器芯片需要现用现制，传感器反应后图像需要立即获取等不便之处。并且根据鱼的形状设计了反应室，其反应空间的大小可根据不同种类鱼的大小而作调节，传感器芯片放置位置可从反应室盖头到盖尾而移动，可根据传感器对特征气体的敏感度而调节。针对鱼类生物胺的检测筛选了气敏材料，制作了传感器阵列，监控贮藏过程中的鱼类气味变化情况。通过图像获取装置获取传感器阵列反应前后图像，将反应前后传感器阵列中各敏感单元的灰度均值对应作差，可得到传感器的响应信号即被测样本的气味特征矩阵。将特征矩阵与样本中的生物胺含量建立模型，根据模型判定未知样本的生物胺含量。本发明解决其技术问题所采用的技术方案步骤如下：
首先，采用高效液相色谱法对鱼样本贮藏过程中生物胺的含量进行测定，将测定出的生物胺含量作为建模参照。然后，将筛选的气敏材料固定在疏水底板上制备传感器阵列并固定于装有鱼样品的反应室中，获取样品的气味特征信息。对传感器阵列图像进行特征提取，分别提取反映前后传感器阵列气敏单元的颜色特征值的变化。通过特征值的变化与常规方法检测值之间的关联，运用模式识别算法构建生物胺含量的定性定量检测模型。最后，利用该检测模型实现对实际鱼样生物胺含量的快速评价。
具体的实施步骤：一种基于可储存式气敏传感器的鱼类生物胺含量的检测方法，按照下述步骤进行：
步骤1、将筛选的气敏材料固定在疏水底板上制作出针对生物胺检测的气敏传感器并置于非敏感环境中保存，将此传感器根据鱼样本的气体流动方向固定于装有鱼样品的反应室中，获取样品的气味特征信息；
步骤2、采用国标所阐述的高效液相色谱法对贮藏过程中鱼类生物胺的含量进行测定，测定出的鱼类生物胺含量作为建模参照；
步骤3、对气敏传感器阵列图像进行预处理并提取特征，将反应前后气敏传感器的颜色特征值作差，得到差值图像与嗅觉信息特征向量；
步骤4、建立嗅觉信息特征向量与常规方法检测值之间的相关关系，构建贮藏环境中鱼类生物胺含量的检测模型；运用大样本完善并验证模型，提高鱼类生物胺含量检测的全面性与可靠性。
其中：
步骤1中，气敏材料的筛选过程为：针对鱼样品腐败过程中与生物胺产生相关特征的挥发性气体，筛选出16种显色剂作为传感器；气敏传感器的制作过程为：将筛选出的气敏材料(显色剂)分别用有机溶剂配制成气敏溶液，其中pH指示剂用乙醇作为溶剂，卟啉类化合物用氯仿作为溶剂，气敏溶液浓度为2mg/ml。将配好的溶液置于黑暗环境中保存，使用时将气敏溶液用点样毛细管固定到硅胶板上制成传感器阵列。阵列中气敏单元的直径控制在3mm-4mm之间，干燥后将阵列芯片置于非敏感环境中保存待用；疏水底板特指为硅胶板；非敏感环境为自主设计特定的保存方式，具体为：以与传感器尺寸相等的聚丙烯(PP)板与所制作的芯片接触，再用胶带将其密封，使其保存条件接近为真空，使用时将胶带与PP板一同撕开即可。
步骤1中，针对生物胺检测的气敏材料包括溴甲酚绿、溴百里酚蓝、甲基红、中性红、溴甲酚紫、甲酚红、锌-2,3,9,10,16,17,23,4-辛酸-(辛氧基)-29H,31H-酞菁、5,10,15,20-四苯基-21H,23H-卟吩锌、四苯基卟啉锌、1-(2-吡啶偶氮)-2-萘酚、4-(2-吡啶偶氮)间苯二酚、1,3-二氨基-4-(5-溴-2-吡啶偶氮)苯、5,10,15,20-四苯基-21H,23H-卟吩、5,10,15,20-四苯基-21H,23H-卟吩(III)氯化铁、5,10,15,20-四苯基-21H,23H-卟吩钴(II)、5,10,15,20-四苯基-21H,23H-卟吩镍(II)；
步骤1中，反应室是根据鱼的特定形状所设计的，尺寸为：长度35cm，宽度12cm，高度8cm。其反应空间的大小可根据不同种类鱼的大小而作调节，反应室盖子上的传感器放置位置也可根据传感器对特征气体的敏感度而调节。该反应室既能满足不同鱼类挥发性气体的集气，又能调节传感器的最佳反应位置。
步骤1中，气味特征信息的获取方式为：样品特征气体的集气与传感器反应是同时进行的，在反应过程中需要用扫描仪或相机阶段性地获取传感器的图像直至反应达到平衡，确定最佳反应时间，将所获取的反应后传感器阵列图像保存至计算机中。
步骤2中，国标(SN/T 2209-2008)所阐述的高效液相色谱法，按照下述步骤进行：称取2.000g鱼肉样品于离心管中,加入10mL的0.4mol/L高氯酸溶液，均质，离心(4000r/min,10min),转移上清液至25mL棕色容量瓶中。沉淀再用10ml的高氯酸溶液提取一遍,离心后合并上清液,用高氯酸溶液定容至25mL。取出1ml移入带盖的样品瓶中，依次加入100μL氢氧化钠溶液，300μL饱和碳酸氢钠溶液和2ml的丹磺酰氯溶液，旋紧瓶盖，于40℃避光反应45min。反应完毕后，加入100μL浓氨水，静置30min，用乙腈定容至5ml，震荡混匀，用有机相针孔滤膜过滤后，用高效液相色谱测定。
步骤3中，将传感器阵列图像分解为三幅单通道灰度图像，分别对应原始图像的R通道、G通道以及B通道；然后在单通道图像中，识别并定位各敏感单元所在的图像区域；最后统计各敏感单元区域内的灰度均值，阵列中的每个敏感单元都会对应R、G、B三个灰度均值数据，将反应前后传感器阵列中各敏感单元的灰度均值对应作差，即可得到传感器的响应信号。
步骤4中，提取可储存式气敏传感器对鱼样本检测的特征值，运用独立分量分析(Independent component analysis，ICA)结合广义回归神经网络(Generalizedregression neural network，GRNN)对可储存式气敏传感器所测得的特征值进行数据处理并建立其与常规方法检测值之间的模型。根据所构建的模型采用果蝇算法(Fruit FlyAlgorithm，FOA)对模型进行优化，并采用大量的样本对所构建的检测系统进行完善，实现鱼类生物胺含量的正确测定。
与现有技术相比，本发明所构建的一种可储存式气敏传感器对鱼类样品中生物胺含量的检测方法，无需对鱼样本进行均质、提取、衍生等一系列复杂前处理，可直接实现鱼体中生物胺含量的无损检测，是一种简单快速的检测方法。本发明与常规的高效液相色谱法相比，检测速度快，操作简单方便，费用低。且该方法模拟了人体嗅觉对鱼体的检测，更加智能。本发明可应用于鱼类储藏、加工、销售等各环节，增加水产行业的自动化程度，减少人工操作，提高生产力。对于保证我国水产品的安全质量，保障消费者的人生安全有着重要的现实意义。
附图说明
图1鱼体中生物胺含量的检测装置图；
图2为图1中传感器阵列；
图3为图1中反应室的结构示意图；
图4传感器阵列数据处理程序；
图5鱼体中生物胺含量检测的具体流程图；
图6传感器芯片的反应前后的保存方式示意图；
图1中1为反应室，2为鱼样本，3为传感器芯片，4为扫描仪，5为计算机，图2中6为制作传感的疏水性底板-硅胶板，7为传感器中的前六个气敏材料-pH指示剂，8为传感器中后10个气敏材料-卟啉类化合物，9位反应室身，10为反应室盖，11为反应室大小调节板，12为胶带片，13为传感器芯片，14为PP板。
具体实施方式
下面结合附图和实施例对本发明进一步详细说明。
如图1，本发明装置包括硬件系统与软件系统。其中硬件系统包括反应室1、扫描仪4和计算机5。软件系统包括计算机5对扫描仪4的控制程序、计算机5对传感器图像的处理与特征值提取程序和计算机5对特征值与常规检测值的建模程序。
本发明对于各类鱼体中生物胺含量的检测具有参考意义，本发明以鲐鱼贮藏过程中生物胺含量的测定作为实施实例，其他鱼种参考该实施实例的方法。具体针对该鱼样测定的生物胺含量，建立可储存式气敏传感器所测得特征值与常规检测值的相关模型，即可对该未知鱼样体内的生物胺含量进行测定。鱼体中生物胺含量检测的具体流程图见图5，具体实施步骤如下：
(1)根据气质联用对贮藏过程鱼类挥发性气体的测定，可发现鱼类在贮藏过程中气体的酸碱性与极性会发生变化，同时胺类物质的含量会逐渐增长。根据气体的变化，筛选出了16种气敏材料。这16种气敏材料并非针对某种具体的气体，而是对鱼整体的气味特征，具有交互敏感性。其中前6种气敏材料(如图2中pH指示剂7)用于检测鱼样本中挥发性气体酸碱程度的变化，后10种气敏(如图2中材料卟啉类化合物8)用于检测鱼样本在腐败过程中所产生的挥发性胺类物质。pH指示剂具体为：溴甲酚绿、溴百里酚蓝、甲基红、中性红、溴甲酚紫、甲酚红。卟啉类化合物具体为：锌-2,3,9,10,16,17,23,4-辛酸-(辛氧基)-29H,31H-酞菁、5,10,15,20-四苯基-21H,23H-卟吩锌、四苯基卟啉锌、1-(2-吡啶偶氮)-2-萘酚、4-(2-吡啶偶氮)间苯二酚、1,3-二氨基-4-(5-溴-2-吡啶偶氮)苯、5,10,15,20-四苯基-21H,23H-卟吩、5,10,15,20-四苯基-21H,23H-卟吩(III)氯化铁、5,10,15,20-四苯基-21H,23H-卟吩钴(II)、5,10,15,20-四苯基-21H,23H-卟吩镍(II)。
(2)将筛选出的气敏材料(显色剂)分别用有机溶剂配制成气敏溶液，其中pH指示剂用乙醇作为溶剂，卟啉类化合物用氯仿作为溶剂，气敏溶液浓度为2mg/ml。将配好的溶液置于黑暗环境中保存，使用时将气敏溶液用点样毛细管固定到硅胶板上制成传感器阵列。阵列中气敏单元的直接控制在3mm-4mm。
(3)制作好的传感器阵列保存方式如图6所示，将所制作的芯片与其尺寸一致的PP板接触，再用胶带将其密封，使其保存条件接近为真空。使用时将胶带与PP板一同撕开即可。
(4)测试样本的采集。从市场购得新鲜的鲐鱼样本，编号后贮藏于适合鱼类贮藏的4℃中。测试前取出，每天取出20条用于信息采集，直至鱼体完全腐败。
(5)鱼样品反应室的设计。反应室1是根据鱼的特定形状所设计的，其反应空间的大小可根据不同种类鱼的大小而作调节。如图3所示反应室大小调节板1中的两片叶子是可旋转的，将其先闭合放置于反应室中，调节反应室的长度来调整反应空间的大小，再将两片叶子转到与反应室贴合的时候，可近似认为反应室仍处于密封状态。反应室盖10上传感器芯片的卡槽位置是整个盒盖的中心处，传感器芯片可从头到尾而移动，根据传感器对特征气体的敏感度而调节。该反应室既能满足不同鱼类挥发性气体的集气，又能调节传感器的最佳反应位置。
(6)鱼样品气味特征的获取。首先用扫描仪4获取传感器阵列3的反应前图像，然后将鱼样本2放置于反应室1中，根据该样本调节反应室的大小与传感器芯片的放置位置。将传感器阵列3置于反应室盖内使之与鱼样本2反应。3min后，将传感器阵列3取出，用扫描仪4获取传感器阵列3的反应后图像。若在检测环境不能及时获取反应后图像时，可将传感器芯片重新置于所设计的保存环境中保存，如图6所示，带回实验室后再用扫描仪4获取反应后图像。
(7)鱼样品的生物胺含量的常规检测。采用国标(SN/T 2209-2008)所阐述的高效液相色谱法，按照下述步骤进行：称取2.000g鱼肉样品于离心管中,加入10mL的0.4mol/L高氯酸溶液，均质，离心(4000r/min,10min),转移上清液至25mL棕色容量瓶中。沉淀再用10ml的高氯酸溶液提取一遍,离心后合并上清液,用高氯酸溶液定容至25mL。取出1ml移入带盖的样品瓶中，依次加入100μL氢氧化钠溶液，300μL饱和碳酸氢钠溶液和2ml的丹磺酰氯溶液，旋紧瓶盖，于40℃避光反应45min。反应完毕后，加入100μL浓氨水，静置30min，用乙腈定容至5ml，震荡混匀，用有机相针孔滤膜过滤后，用高效液相色谱测定。
以鲐鱼作为检测样本，置于冰箱中4℃恒温贮藏，9天后鱼体完全腐败，停止检测。第1天生物胺含量在12mg/kg左右，第2～5天，生物胺含量在16～52mg/kg之间，在第6～9天，生物胺含量迅速增长，在93～282mg/kg范围内。
(8)用计算机5对传感器图像进行处理，提取特征值，并建立与常规方法生物胺含量检测值的模型。图4所示为传感器阵列数据提取处理程序，将传感器阵列图像分解为三幅单通道灰度图像，分别对应阵列图像的R通道、G通道以及B通道；然后在单通道图像中，识别并定位各敏感单元所在的图像区域。由于溶液扩散到一定程度后颜色会发生变化，故选取气敏单元图像区域以中心向外扩散的85％用于后续分析，舍去气敏单元的最外围面积；最后统计各敏感单元区域内的灰度均值，阵列中的每个敏感单元都会对应R、G、B三个灰度均值数据。将反应前后传感器阵列中各敏感单元的灰度均值对应作差，即可得到传感器的响应信号即被测样本的气味特征矩阵Max(x，y)。
式中，
x的取值为1,2,3,4；y的取值为1,2,3,4。
Max(x，y)中c(1,1)，c(1,2)，c(1,3),c(1,4)对应传感器阵列上第一排各敏感单元气味特征信息，以此类推，c(4,1)，c(4,2)，c(4,3),c(4,4)对应传感器阵列上第4排各敏感单元气味特征信息。而传感器阵列上任何一个敏感单元的气味特征信息c(x，y)又是一个三维变量，对应R、G、B三个通道的灰度图像值。
所提取的特征矩阵代表着每个样本的气味特征信息，气味的不同表示样品腐败程度的差异，样本内所含生物胺含量也不同。将气味特征矩阵与国标方法检测值之间建立关系后可根据气味特征矩阵测得未知样本的生物胺含量。
(9)鱼样本体内生物胺含量的测定。根据步骤(8)提取可储存式气敏传感器对鱼样本检测的特征值，运用ICA对所测得的特征值进行数据处理，结合GRNN算法将处理后的数据与国标方法检测值建立模型，根据所构建的模型采用果蝇算法(FOA)对模型进行优化，选取所构建模型预测效果较好的检测条件。
ICA是传感器是消除噪音，提取有效特征值常用的方法，其目的是将原始数据进行线性分解分解成统计独立的分量，从线性混合信号恢复出基本的原信号。假设第i个信号zi是由那个相互独立的未知信号sj线性混合而成：
用z表示[z1,z2,…,zm]T，矢量s表示原变量[s1,s2,….,sm]T，A(m×n)表示混合矩阵aij，则上式可用矢量-矩阵形式为：z＝As
由于原信号分布未知，则需要计算混合矩阵A的逆，及分离矩阵W＝A-1则可得到独立分量s的估计x
x＝Wz
GRNN的网络结构由四层构成，输入层，模式层，求和层，输出层。输入层的神经单元的数目等于输入矩阵的维数，直接将输入变量传递给模式层。模式层神经元数目等于学习样本的数目n，各神经元对应不同的样本，模式层神经元传递函数为：
式中x为网络的输入变量，xi为第i个神经元对应的学习样本，σ称为平滑因子
求和层对两类神经元进行求和：
一类公式：
另一类公式：
输出层中神经元数目等于样本中输出向量的维数k，各神经元将求和层的输出相除，神经元j的输出对应估计结果y(x)的第j个元素：
由于GRNN的性能受到σ取值的影响，所以本方法使用FOA来优化σ取值，将GRNN网络的预测值与真实值的均方差降至最低。在FOA初始参数设定方面，设置初始化果蝇群体位置区间[0，10]，随机飞行半径为0.1，果蝇种群规模为20，迭代次数为200。σ的初始值设定在[0.01，2]之间。优化结果，最佳σ取值为0.804，此时的RMSEP＝12.89，预测相关系数R＝0.8479。
最后采用大量的样本对所构建的检测系统进行完善，实现鱼类生物胺含量的正确测定。
以上只是结合一个具体实施例(以鲐鱼检测为例)，示例性说明及帮助进一步理解本发明，但实施例具体细节仅是为了说明本发明，并不代表本发明构思下全部技术实施例，因此不应理解为对本发明总的技术实施例限定，一些在技术人员看来，不偏离发明构思的非实质性改动，例如以具有相同或相似技术效果的技术特征简单改变或替换，均属本发明保护范围。

Claims (8)

1.一种基于可储存式气敏传感器的鱼类生物胺含量的检测方法，其特征在于按照下述步骤进行：
步骤1、将筛选的气敏材料固定在疏水底板上制作出针对生物胺检测的气敏传感器并置于非敏感环境中保存，将此传感器根据鱼样本的气体流动方向固定于装有鱼样品的反应室中，获取样品的气味特征信息；
步骤2、采用国标所阐述的高效液相色谱法对贮藏过程中鱼类生物胺的含量进行测定，测定出的鱼类生物胺含量作为建模参照；
步骤3、对气敏传感器阵列图像进行预处理并提取特征，将反应前后气敏传感器的颜色特征值作差，得到差值图像与嗅觉信息特征向量；
步骤4、建立嗅觉信息特征向量与常规方法检测值之间的相关关系，构建贮藏环境中鱼类生物胺含量的检测模型；运用大样本完善并验证模型，提高鱼类生物胺含量检测的全面性与可靠性。
2.根据权利要求1所述的一种基于可储存式气敏传感器的鱼类生物胺含量的检测方法，其特征在于其中：步骤1中，气敏材料的筛选过程为：针对鱼样品腐败过程中与生物胺产生相关特征的挥发性气体，筛选出16种显色剂作为传感器；气敏传感器的制作过程为：将筛选出的气敏材料（显色剂）分别用有机溶剂配制成气敏溶液，其中pH指示剂用乙醇作为溶剂，卟啉类化合物用氯仿作为溶剂，气敏溶液浓度为2mg/ml；
将配好的溶液置于黑暗环境中保存，使用时将气敏溶液用点样毛细管固定到硅胶板上制成传感器阵列；
阵列中气敏单元的直径控制在3mm-4mm之间，干燥后将阵列芯片置于非敏感环境中保存待用；疏水底板特指为硅胶板；非敏感环境为自主设计特定的保存方式，具体为：以与传感器尺寸相等的聚丙烯（PP）板与所制作的芯片接触，再用胶带将其密封，使其保存条件接近为真空，使用时将胶带与PP板一同撕开即可。
3.根据权利要求1所述的一种基于可储存式气敏传感器的鱼类生物胺含量的检测方法，其特征在于步骤1中，针对生物胺检测的气敏材料包括溴甲酚绿、溴百里酚蓝、甲基红、中性红、溴甲酚紫、甲酚红、锌-2,3,9,10,16,17,23,4-辛酸-（辛氧基）-29H,31H-酞菁、5,10,15,20-四苯基-21H,23H-卟吩锌、四苯基卟啉锌、1-（2-吡啶偶氮）-2-萘酚、4-（2-吡啶偶氮）间苯二酚、1,3-二氨基-4-(5-溴-2-吡啶偶氮)苯、5,10,15,20-四苯基-21H,23H-卟吩、5,10,15,20-四苯基-21H,23H-卟吩（III）氯化铁、5,10,15,20-四苯基-21H,23H-卟吩钴（II）、5,10,15,20-四苯基-21H,23H-卟吩镍（II）。
4.根据权利要求1所述的一种基于可储存式气敏传感器的鱼类生物胺含量的检测方法，其特征在于步骤1中，反应室是根据鱼的特定形状所设计的，尺寸为：长度35cm，宽度12cm，高度8cm；其反应空间的大小可根据不同种类鱼的大小而作调节，反应室盖子上的传感器放置位置也可根据传感器对特征气体的敏感度而调节；该反应室既能满足不同鱼类挥发性气体的集气，又能调节传感器的最佳反应位置。
5.根据权利要求1所述的一种基于可储存式气敏传感器的鱼类生物胺含量的检测方法，其特征在于步骤1中，气味特征信息的获取方式为：样品特征气体的集气与传感器反应是同时进行的，在反应过程中需要用扫描仪或相机阶段性地获取传感器的图像直至反应达到平衡，确定最佳反应时间，将所获取的反应后传感器阵列图像保存至计算机中。
6.根据权利要求1所述的一种基于可储存式气敏传感器的鱼类生物胺含量的检测方法，其特征在于步骤2中，国标（SN/T 2209-2008）所阐述的高效液相色谱法，按照下述步骤进行：称取2.000g鱼肉样品于离心管中,加入10mL的0.4mol/L高氯酸溶液，均质，离心(4000r/min,10min),转移上清液至25mL棕色容量瓶中；
沉淀再用10ml的高氯酸溶液提取一遍,离心后合并上清液,用高氯酸溶液定容至25mL；
取出1ml移入带盖的样品瓶中，依次加入100μL氢氧化钠溶液，300μL饱和碳酸氢钠溶液和2ml的丹磺酰氯溶液，旋紧瓶盖，于40℃避光反应45min；反应完毕后，加入100μL浓氨水，静置30min，用乙腈定容至5ml，震荡混匀，用有机相针孔滤膜过滤后，用高效液相色谱测定。
7.根据权利要求1所述的一种基于可储存式气敏传感器的鱼类生物胺含量的检测方法，其特征在于步骤3中，将传感器阵列图像分解为三幅单通道灰度图像，分别对应原始图像的R通道、G通道以及B通道；然后在单通道图像中，识别并定位各敏感单元所在的图像区域；最后统计各敏感单元区域内的灰度均值，阵列中的每个敏感单元都会对应R、G、B三个灰度均值数据，将反应前后传感器阵列中各敏感单元的灰度均值对应作差，即可得到传感器的响应信号。
8.根据权利要求1所述的一种基于可储存式气敏传感器的鱼类生物胺含量的检测方法，其特征在于步骤4中，提取可储存式气敏传感器对鱼样本检测的特征值，运用独立分量分析结合广义回归神经网络对可储存式气敏传感器所测得的特征值进行数据处理并建立其与常规方法检测值之间的模型；根据所构建的模型采用果蝇算法对模型进行优化，并采用大量的样本对所构建的检测系统进行完善，实现鱼类生物胺含量的正确测定。
CN201710535608.8A 2017-07-04 2017-07-04 一种基于可储存式气敏传感器的鱼类生物胺含量检测方法 Pending CN107300553A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710535608.8A CN107300553A (zh) 2017-07-04 2017-07-04 一种基于可储存式气敏传感器的鱼类生物胺含量检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710535608.8A CN107300553A (zh) 2017-07-04 2017-07-04 一种基于可储存式气敏传感器的鱼类生物胺含量检测方法

Publications (1)

Publication Number Publication Date
CN107300553A true CN107300553A (zh) 2017-10-27

Family

ID=60136427

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710535608.8A Pending CN107300553A (zh) 2017-07-04 2017-07-04 一种基于可储存式气敏传感器的鱼类生物胺含量检测方法

Country Status (1)

Country Link
CN (1) CN107300553A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109307672A (zh) * 2018-06-08 2019-02-05 郑州甲乙贝包装设计有限公司 一种肉制品智能包装盒及其内部新鲜度指示卡的制备方法
CN109447130A (zh) * 2018-09-30 2019-03-08 江苏大学 一种基于可视化气敏阵列的哈败腊肉检测装置与方法
CN110006886A (zh) * 2019-04-24 2019-07-12 江苏大学 一种纳米化色敏传感器及其判别小麦霉变程度的方法
CN110031440A (zh) * 2019-04-29 2019-07-19 滁州学院 一种气敏型荧光传感器检测设备及其在油脂类食品检测中的应用
CN111220612A (zh) * 2020-02-20 2020-06-02 江苏大学 一种基于纳米色敏仿生传感技术的猪肉中硫化氢检测方法
CN111307792A (zh) * 2020-02-20 2020-06-19 江苏大学 一种猪肉食源性致病菌挥发性代谢物的色敏仿生传感检测方法
CN112304929A (zh) * 2019-07-24 2021-02-02 高雄大学 检测食材生物胺方法及其装置
CN113155799A (zh) * 2021-04-30 2021-07-23 香港中文大学（深圳） 用于食品新鲜度检测的复合材料、检测元件及其制备方法和试剂盒

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101936912A (zh) * 2010-08-25 2011-01-05 江苏大学 一种基于嗅觉可视化检测鱼新鲜度的方法及装置
CN102660629A (zh) * 2012-04-19 2012-09-12 江苏大学 一种基于嗅觉可视化技术快速鉴别畜肉优势腐败菌的方法
CN102967597A (zh) * 2012-09-26 2013-03-13 江苏大学 一种基于嗅觉成像传感技术的黄酒酒龄鉴别方法和鉴别系统
CN104897660A (zh) * 2015-05-04 2015-09-09 江苏大学 一种基于成像化气体传感器阵列的发酵过程在线监测的方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101936912A (zh) * 2010-08-25 2011-01-05 江苏大学 一种基于嗅觉可视化检测鱼新鲜度的方法及装置
CN102660629A (zh) * 2012-04-19 2012-09-12 江苏大学 一种基于嗅觉可视化技术快速鉴别畜肉优势腐败菌的方法
CN102967597A (zh) * 2012-09-26 2013-03-13 江苏大学 一种基于嗅觉成像传感技术的黄酒酒龄鉴别方法和鉴别系统
CN104897660A (zh) * 2015-05-04 2015-09-09 江苏大学 一种基于成像化气体传感器阵列的发酵过程在线监测的方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
中华人民共和国国家质量监督检验检疫总局: "《中华人民共和国出入境检验检疫行业标准 SN/T 2209-2008 进出口水产品中有毒生物胺的检测方法 高效液相色谱法》", 18 November 2008 *
王睿 等: "基于有机气敏变色材料的传感器系统", 《现代电子技术》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109307672A (zh) * 2018-06-08 2019-02-05 郑州甲乙贝包装设计有限公司 一种肉制品智能包装盒及其内部新鲜度指示卡的制备方法
CN109447130A (zh) * 2018-09-30 2019-03-08 江苏大学 一种基于可视化气敏阵列的哈败腊肉检测装置与方法
CN109447130B (zh) * 2018-09-30 2021-10-12 江苏大学 一种基于可视化气敏阵列的哈败腊肉检测装置与方法
CN110006886A (zh) * 2019-04-24 2019-07-12 江苏大学 一种纳米化色敏传感器及其判别小麦霉变程度的方法
CN110006886B (zh) * 2019-04-24 2022-01-11 江苏大学 一种纳米化色敏传感器及其判别小麦霉变程度的方法
CN110031440A (zh) * 2019-04-29 2019-07-19 滁州学院 一种气敏型荧光传感器检测设备及其在油脂类食品检测中的应用
CN112304929A (zh) * 2019-07-24 2021-02-02 高雄大学 检测食材生物胺方法及其装置
CN112304929B (zh) * 2019-07-24 2023-10-27 高雄大学 检测食材生物胺方法及其装置
CN111220612A (zh) * 2020-02-20 2020-06-02 江苏大学 一种基于纳米色敏仿生传感技术的猪肉中硫化氢检测方法
CN111307792A (zh) * 2020-02-20 2020-06-19 江苏大学 一种猪肉食源性致病菌挥发性代谢物的色敏仿生传感检测方法
CN113155799A (zh) * 2021-04-30 2021-07-23 香港中文大学（深圳） 用于食品新鲜度检测的复合材料、检测元件及其制备方法和试剂盒

Similar Documents

Publication Publication Date Title
CN107300553A (zh) 一种基于可储存式气敏传感器的鱼类生物胺含量检测方法
CN108875913B (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
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
Chen et al. Nondestructively sensing of total viable count (TVC) in chicken using an artificial olfaction system based colorimetric sensor array
CN101655471B (zh) 一种气体传感器检测鸡蛋新鲜度的方法
CN105181912B (zh) 一种大米储藏过程中的新鲜度检测方法
Pan et al. Eggshell crack detection based on computer vision and acoustic response by means of back-propagation artificial neural network
Xu et al. Non-destructive determination of beef freshness based on colorimetric sensor array and multivariate analysis
CN109959765B (zh) 三文鱼新鲜度检测系统及方法
Jia et al. Machine vision-based colorimetric sensor systems for food applications
Huang et al. Non-destructive evaluation of total volatile basic nitrogen (TVB-N) and K-values in fish using colorimetric sensor array
Xu et al. Portable beef-freshness detection platform based on colorimetric sensor array technology and bionic algorithms for total volatile basic nitrogen (TVB-N) determination
Liu et al. Qualitative identification of rice actual storage period using olfactory visualization technique combined with chemometrics analysis
CN205067321U (zh) 农药残留速测仪
CN115508366A (zh) 基于多光谱成像的产品缺陷智能检测系统及其方法
CN109060771A (zh) 一种基于光谱不同特征集的共识模型构建方法
Lin et al. A pH-Responsive colourimetric sensor array based on machine learning for real-time monitoring of beef freshness
Lin et al. Discrimination of aged rice using colorimetric sensor array combined with volatile organic compounds
Lv et al. A rapid colorimetric sensing unit for histamine content of mackerel using azo reagent
CN110531039A (zh) 一种基于WiFi设备的粮食霉变检测方法及装置
Karunathilaka et al. Detection of decomposition in mahi‐mahi, croaker, red snapper, and weakfish using an electronic‐nose sensor and chemometric modeling
CN103197060B (zh) 胶体金免疫层析盒自主识别定位定量检测系统及检测方法
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
CN110426366A (zh) 基于可视化嗅觉传感器及近红外的肉类掺假比例检测方法
CN102854237A (zh) 采用离子迁移测谱法检测技术的β-肾上腺素激动剂残留物现场智能快速实时检测器

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20171027