CN107942015A - 一种水产品新鲜度无损检测装置及评价方法 - Google Patents
一种水产品新鲜度无损检测装置及评价方法 Download PDFInfo
- Publication number
- CN107942015A CN107942015A CN201711362783.8A CN201711362783A CN107942015A CN 107942015 A CN107942015 A CN 107942015A CN 201711362783 A CN201711362783 A CN 201711362783A CN 107942015 A CN107942015 A CN 107942015A
- Authority
- CN
- China
- Prior art keywords
- sample
- aquatic products
- control panel
- infrared
- freshness
- 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
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 23
- 238000009659 non-destructive testing Methods 0.000 title claims abstract description 14
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims abstract description 34
- 238000001514 detection method Methods 0.000 claims abstract description 32
- 239000007789 gas Substances 0.000 claims abstract description 27
- 229910052757 nitrogen Inorganic materials 0.000 claims abstract description 17
- 239000000523 sample Substances 0.000 claims description 108
- 230000003287 optical effect Effects 0.000 claims description 27
- 239000000835 fiber Substances 0.000 claims description 24
- 238000002329 infrared spectrum Methods 0.000 claims description 13
- 230000007246 mechanism Effects 0.000 claims description 12
- GETQZCLCWQTVFV-UHFFFAOYSA-N trimethylamine Chemical compound CN(C)C GETQZCLCWQTVFV-UHFFFAOYSA-N 0.000 claims description 12
- 239000002585 base Substances 0.000 claims description 10
- 238000012360 testing method Methods 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 9
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 claims description 6
- ROSDSFDQCJNGOL-UHFFFAOYSA-N Dimethylamine Chemical compound CNC ROSDSFDQCJNGOL-UHFFFAOYSA-N 0.000 claims description 6
- 239000000203 mixture Substances 0.000 claims description 6
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 claims description 5
- 238000004566 IR spectroscopy Methods 0.000 claims description 3
- 238000002835 absorbance Methods 0.000 claims description 3
- 239000003513 alkali Substances 0.000 claims description 3
- 229910021529 ammonia Inorganic materials 0.000 claims description 3
- UYJXRRSPUVSSMN-UHFFFAOYSA-P ammonium sulfide Chemical compound [NH4+].[NH4+].[S-2] UYJXRRSPUVSSMN-UHFFFAOYSA-P 0.000 claims description 3
- 230000005059 dormancy Effects 0.000 claims description 3
- 230000003028 elevating effect Effects 0.000 claims description 3
- 230000003694 hair properties Effects 0.000 claims description 3
- 230000011514 reflex Effects 0.000 claims description 3
- 239000000047 product Substances 0.000 description 33
- 238000000034 method Methods 0.000 description 23
- VEXZGXHMUGYJMC-UHFFFAOYSA-N Hydrochloric acid Chemical compound Cl VEXZGXHMUGYJMC-UHFFFAOYSA-N 0.000 description 18
- QAOWNCQODCNURD-UHFFFAOYSA-N Sulfuric acid Chemical compound OS(O)(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-N 0.000 description 16
- 238000010790 dilution Methods 0.000 description 12
- 239000012895 dilution Substances 0.000 description 12
- 239000000243 solution Substances 0.000 description 9
- 241000251468 Actinopterygii Species 0.000 description 8
- 238000004448 titration Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 239000000463 material Substances 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000001580 bacterial effect Effects 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000003909 pattern recognition Methods 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000008676 import Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 241000894006 Bacteria Species 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000000701 chemical imaging Methods 0.000 description 2
- 239000003153 chemical reaction reagent Substances 0.000 description 2
- 238000000205 computational method Methods 0.000 description 2
- 238000002405 diagnostic procedure Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 235000013332 fish product Nutrition 0.000 description 2
- 239000000796 flavoring agent Substances 0.000 description 2
- 235000019634 flavors Nutrition 0.000 description 2
- 238000007373 indentation Methods 0.000 description 2
- 235000013372 meat Nutrition 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000035807 sensation Effects 0.000 description 2
- 235000019615 sensations Nutrition 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000001953 sensory effect Effects 0.000 description 2
- 230000008054 signal transmission Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 239000012085 test solution Substances 0.000 description 2
- 238000001134 F-test Methods 0.000 description 1
- 206010016952 Food poisoning Diseases 0.000 description 1
- 208000019331 Foodborne disease Diseases 0.000 description 1
- 238000004497 NIR spectroscopy Methods 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000000706 filtrate Substances 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005121 nitriding Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000000050 nutritive effect Effects 0.000 description 1
- 238000011017 operating method Methods 0.000 description 1
- 238000010238 partial least squares regression Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013207 serial dilution Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012285 ultrasound imaging Methods 0.000 description 1
Classifications
-
- 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
- G01N33/025—Fruits or vegetables
-
- 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
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Immunology (AREA)
- Food Science & Technology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Pathology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Medicinal Chemistry (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明水产品新鲜度检测技术领域，具体涉及一种水产品新鲜度无损检测装置及评价方法。该装置包括操作台，操作台的底部设有仪器台架，仪器台架上设有控制面板，控制面板连接计算机；操作台的上方设有方形遮光罩；操作台的中部设有可升降的样本放置台，样本放置台的上方设有气体检测装置，样本放置台的一侧设有检测仪，检测仪由控制面板控制；操作台上可移动的设置有红外检测区。该评价方法通过对样本的气体成分、硬度及粘性、菌落总数、挥发性盐基氮以及pH值的采集，建立模型进行分析，得出样品新鲜度结果，减少了人为评判的主观性，同时该检测装置及评价方法对样品无损害，能够保证样品的完整性。
Description
技术领域
本发明属于水产品新鲜度检测技术领域，具体涉及一种水产品新鲜度无损检测装置及评价方法。
背景技术
水产品因其滋味鲜美，营养价值丰富而深受人们喜爱。但是，水产品极易发生腐败变质，以鱼肉为例，变质后的鱼肉不但风味降低，还会引起食物中毒危及食用者的生命安全。
新鲜度是反映鱼肉质量与安全的一个重要指标。实验室中检测鱼肉的新鲜度通常是通过感官评价，理化试验以及微生物实验。但是，感官评价相对来说过于主观，存在着主观片面性；理化试验检测样品新鲜度时，实验操作步骤繁琐，前期准备工作繁多，难以满足大批量样品的快速、非破坏性检测的要求，无法快速准确的检测鱼的新鲜度。
随着技术的发展，近年来，电子鼻技术、近红外光谱法等快速检测方法逐渐应用到食品快速检测上来，已授权的中国发明专利CN2014101141736《基于超声波的便携式鱼肉质新鲜度检测装置及评价方法》，是基于鱼肉质密度的不同，在超声波成像技术的基础上，对被检测的鱼类产品进行三维建模，并采用模糊人工神经网络算法与自身所携带的数据库信息进行三维数据矩阵关键点比较分析，再利用评价算法进行模糊推理，从而得到鱼类产品新鲜度的评价等级；已授权的中国发明专利CN2015100919858《一种基于多光谱成像在线测定鱼肉新鲜度指标K值的方法》，提供了一种基于多光谱成像在线测定鱼肉新鲜度指标K值的方法，步骤简单、快速、无损非接触，无需再测量化学指标；检测时间明显缩短，可以实现实时在线监控。
但以上的研究方法都较单一，无法全面的检测多项指标来判断水产品新鲜度，所以有必要开发出一种操作方便、简洁迅速、客观准确、多效全面的水产品新鲜度无损检测装置及评价方法。
发明内容
本发明的目的在于解决上述现有技术中存在的难题，提供一种水产品新鲜度无损检测装置及评价方法。
本发明是通过以下技术方案实现的：
本发明提供的一种水产品新鲜度无损检测装置，包括操作台，操作台的底部设有仪器台架，仪器台架上设有控制面板，控制面板连接计算机；
操作台的上方设有方形遮光罩；操作台的中部设有样本放置台，样本放置台下方的升降机构由控制面板控制；
样本放置台的上方设有气体检测装置，所述气体检测装置固定在支架上；气体检测装置包括安装在样本放置台上方的集气室，集气室的上方依次连接微型抽气泵、反应室，反应室内设有若干光纤传感器反应室的上方设有清洗机构；
样本放置台的一侧设有检测仪，检测仪由控制面板控制；检测仪上内设压力传感器，电控摇臂的一端设有测试探头；
所述操作台上可移动的设置有红外检测区，包括及红外灯光源、2个折射镜椭圆球面镜和红外检测器；红外检测器连接控制面板。
进一步的，光纤传感器包括氨气光纤传感器，三甲胺光纤传感器，二甲胺光纤传感器，硫化铵光纤传感器。
本发明所使用的光纤传感器有很强的抗噪能力和极高的灵敏度，其灵敏度单位以十亿分率计，这是其它电子鼻传感器类型所远不及的。
进一步的，清洗机构内设有酒精和喷气器。
本发明还提供一种基于上述装置的水产品新鲜度无损评价方法，包括以下步骤：
(10)采集样本挥发气体进行样本气体成分检测；
(20)采集样本内阻力信息数据进行样本硬度以及粘性分析；
(30)采集样本近红外光谱，测定样本的菌落总数、挥发性盐基氮以及pH值；
(40)建立向后区间偏最小二成模型以及数据库；
(50)得出样品新鲜度结果。
进一步的，所述步骤(10)包括以下步骤：
(101)通过抽气泵抽取样本挥发气体进入反应室；
(102)通过传感器阵列对气体成分进行分析；
(103)传感器阵列将检测信息反馈至控制面板，上传至计算机进行处理；
(104)计算机处理后得到样本所挥发气体中三甲胺含量数据。
进一步的，所述步骤(20)包括以下步骤：
(201)将测试探头伸入样本体内，将阻力信息传递至压力传感器；
(202)压力传感器将检测信息反馈至控制面板，上传至计算机进行处理；
(203)计算机处理后得到样本硬度以及粘性数据。
本发明中，通过探头刺入样品得到阻力以及形变量，将信息传递给传感器进行感知，通过传感器采集信息传递给控制面板并导入到计算机内，从而得出样品的硬度和粘性。
进一步的，所述步骤(30)包括以下步骤：
(301)将样本放置在红外检测区的中央，开启红外灯光源；
(302)红外光束经折射镜到达椭圆球面镜，反射至样本，在反射至椭圆休眠经、反射至折射镜，最终被折射到红外检测器上；
(303)红外检测器得到透过样品的红外吸收信号，并将光信号转化为电信号传递至计算机进行处理；
(302)计算机处理后得到红外吸收光谱，以及红外检测器所测得的样本的菌落总数、挥发性盐基氮以及pH值。
本发明的近红外检测方法采用的是漫反射，漫反射光是分析与样品内部分子发生作用以后的光，携带有丰富的样品结构和组织信息，相较于透射光，漫反射测量在提取样品组成和结构信息方面更为直接可靠。
与现有技术相比，本发明的有益效果是：
本发明提供的一种水产品新鲜度无损检测装置及评价方法，用多源感知以及近红外光谱检测技术和电子鼻技术，基于近红外光谱与电子鼻的多源信息感知，多元回归评判等，将电子鼻技术与近红外光谱技术结合起来，利用传感器感知水产品所散发的气味，通过信号处理系统辨别其气体成分，采集水产品的近红外光谱图，将光谱图预处理后分别与挥发性盐基氮、菌落总数、pH值等指标建立向后区间偏最小二乘模型，并进行数据库储存整理，运用偏最小二乘判别法，对水产品新鲜度等级进行分类，通过回归，建模，然后对水产品等级进行分类判别，最终以报告的形式呈现出来，多方面对水产品品质进行评判。整个装置从样品挥发气体成分、硬度及粘度和近红外光谱等多个指标进行检测，能全方位的完成对水产品新鲜度的评判，减少了人为评判的主观性，同时该检测装置及评价方法对样品无损害，能够保证样品的完整性。
此外，本发明方法原理可靠，步骤简单，具有非常广泛的应用前景。
由此可见，本发明与现有技术相比，具有突出的实质性特点和显著地进步，其实施的有益效果也是显而易见的。
附图说明
图1是本发明提供的一种水产品新鲜度无损检测装置的机构示意图。
图2是本发明中检测仪的结构示意图。
图3是本发明中近红外检测区的结构示意图。
其中，1-遮光罩；2-仪器台架；3-支架；4-样本放置台；5-集气室；6-微型抽气泵；7-反应室；8-光纤传感器；9-清洗装置；10-检测仪；11-触屏控制面板；12-计算机；20-近红外检测区，13-压力传感器，14-电控摇臂，15-探头，16-近红外灯光源，17-折射镜，18-椭圆球面镜，19-红外检测器。
具体实施方式
下面结合附图对本发明作进一步详细描述：
实施例1
如图1至3所示，本发明提供的一种水产品新鲜度无损检测装置，包括操作台，操作台的底部设有仪器台架2，仪器台架2上设有控制面板11，控制面板连接计算机1212；
操作台的上方设有方形遮光罩1；操作台的中部设有样本放置台4，样本放置台4下方的升降机构由控制面板11控制；
样本放置台4的上方设有集气室5，集气室5的上方依次连接微型抽气泵5、反应室7，反应室7内设有若干光纤传感器8反应室7的上方设有清洗机构9；
样本放置台4的一侧设有检测仪10，检测仪10由控制面板11控制；检测仪10上内设压力传感器13，电控摇臂14的一端设有测试探头15；
所述操作台上可移动的设置有红外检测区20，包括及红外灯光源16、2个折射镜17椭圆球面镜18和红外检测器；红外检测器19连接控制面板11。
在本实施例中，光纤传感器8包括氨气光纤传感器，三甲胺光纤传感器，二甲胺光纤传感器，硫化铵光纤传感器。
本发明所使用的光纤传感器有很强的抗噪能力和极高的灵敏度，其灵敏度单位以十亿分率计，这是其它电子鼻传感器类型所远不及的。
在本实施例中，清洗机构9内设有酒精和喷气器。
实施例2
本发明提供的一种水产品新鲜度无损评价方法，包括以下步骤：
(10)采集样本挥发气体进行样本气体成分检测；
(20)采集样本内阻力信息数据进行样本硬度以及粘性分析；
(30)采集样本近红外光谱，测定样本的菌落总数、挥发性盐基氮以及pH值；
(40)建立向后区间偏最小二成模型以及数据库；
(50)得出样品新鲜度结果。
在本实施例中，所述步骤(10)包括以下步骤：
(101)通过抽气泵抽取样本挥发气体进入反应室；
(102)通过传感器阵列对气体成分进行分析；
(103)传感器阵列将检测信息反馈至控制面板，上传至计算机12进行处理；
(104)计算机12处理后得到样本所挥发气体中三甲胺含量数据。
在本实施例中，所述步骤(20)包括以下步骤：
(201)将测试探头伸入样本体内，将阻力信息传递至压力传感器；
(202)压力传感器将检测信息反馈至控制面板，上传至计算机12进行处理；
(203)计算机12处理后得到样本硬度以及粘性数据。
在本实施例中，所述步骤(30)包括以下步骤：
(301)将样本放置在红外检测区的中央，开启红外灯光源；
(302)红外光束经折射镜到达椭圆球面镜，反射至样本，在反射至椭圆休眠经、反射至折射镜，最终被折射到红外检测器上；
(303)红外检测器得到透过样品的红外吸收信号，并将光信号转化为电信号传递至计算机12进行处理；
(302)计算机12处理后得到红外吸收光谱，以及红外检测器所测得的样本的菌落总数、挥发性盐基氮以及pH值。
本发明提供的一种水产品新鲜度无损检测装置及评价方法，用多源感知以及近红外光谱检测技术和电子鼻技术，基于近红外光谱与电子鼻的多源信息感知，多元回归评判等，将电子鼻技术与近红外光谱技术结合起来，利用传感器感知水产品所散发的气味，通过信号处理系统辨别其气体成分，采集水产品的近红外光谱图，将光谱图预处理后分别与挥发性盐基氮、菌落总数、pH值等指标建立向后区间偏最小二乘模型，并进行数据库储存整理，运用偏最小二乘判别法，对水产品新鲜度等级进行分类，通过回归，建模，然后对水产品等级进行分类判别，最终以报告的形式呈现出来，多方面对水产品品质进行评判。整个装置从样品挥发气体成分、硬度及粘度和近红外光谱等多个指标进行检测，能全方位的完成对水产品新鲜度的评判，减少了人为评判的主观性，同时该检测装置及评价方法对样品无损害，能够保证样品的完整性。
实施例3
一种水产品新鲜度无损检测评价方法，其步骤的切换通过设置在仪器台架2上的控制面板11进行。
在本实施例中，该控制面板11的处理器为Intel酷睿i72720QM。
在进行实验之前，点击控制面板11界面中的参数设置可进入下一界面，进行实验；根据实验顺序点取界面二的不同模块，开始实验数据采集，在本实施例中按照“样本放置台-清洗-测试仪-近红外灯”的顺序进行。
将样本放置在样本放置台4上，通过触屏控制面板11调控样本放置台4，使得其上升与上方结合形成集气室5，并进行微型抽气泵6将集气室5内的气体抽入反应室7中，使其与气体光纤传感器8进行反应，反应结束后，发送气体信息至控制面板11，下调样本放置台4。
通过触屏控制面板11开启清洗机构9，对反应室7内的光纤传感器8进行清洗。在本实施例中，清洗机构9内设有酒精和喷气器，喷气器喷洒酒精蒸汽对传感器活性材料表面进行冲洗，以去除测毕的气味混合物。
通过触屏控制面板11开启检测仪10，打开电控摇臂14，探头15伸入样品，感知阻力及形变量；通过压力传感器13感知后，将阻力信息发送至控制面板11，测试结束后，收回电控摇臂14，关闭检测仪10。
通过触屏控制面板11开启近红外灯光源16，通过红外检测器19检测透过样品的红外吸收信号，并将光信号转换成电信号传送至控制面板11。
进入界面3，点击需要导入计算机12的数据，将信息数据导入至计算机12中。
实施例4
本发明提供的一种水产品新鲜度无损评价方法，包括以下步骤：
(10)采集样本挥发气体进行样本气体成分检测；
(20)采集样本内阻力信息数据进行样本硬度以及粘性分析；
(30)采集样本近红外光谱，测定样本的菌落总数、挥发性盐基氮以及pH值；
(40)建立向后区间偏最小二成模型以及数据库；
得出样品新鲜度结果。
其中步骤(10)通过光纤传感器8取得样本气体成分，导入计算机12后由计算机12中的电子鼻软件系统进行数据预处理，包括特征提取(对采集到的数据进行特征的提取)、归一化(对特征提取后的数据进行归一化处理)、数据降维(对归一化后的数据用PCA或FDA进行降维)；再进行模式识别。其中，模式识别包括各种模式识别算法，将预处理后的数据通过模式识别算法进行对样本分类，主要包括CNN、LDA、PLS、GA+BP、SOM、LVQ。
步骤(20)通过检测仪内的压力传感器13取得信息数据，压力传感器13将信息传输到控制面板11上，控制面板11再将信息导入计算机12中，计算机12中有与检测仪10相匹配的软件系统，软件系统中的信息处理模块通过建立压痕残余应力模型与分析，推导压头存在圆弧半径以及材料表面存在倾角时的硬度计算模型。结合仿真结果和Hertz理论分析了残余应力状态、压头圆弧半径、材料表面与水平方向倾角对材料硬度计算值的影响。基于Maxwell粘弹性理论建立压痕蠕变有限元模型，分析了压痕蠕变现象对材料硬度值测量产生影响。分析了不同加载速度、不同保持时间对材料载荷-压深曲线的影响，以及蠕变材料采用不同硬度计算方法计算硬度值的差异，其中包括维氏硬度值HV＝常数×试验力/压痕表面积＝0.1891F/D2(HV—维氏硬度符号；F―试验力(N)；D—压痕两对角线d1、d2的算术平均值)等各种不同的硬粘度计算公式。以此通过计算机12直接完成硬度和粘性的计算。
步骤(30)通过近红外光谱进行分析取得，首先通过计算机12软件进行光谱处理，包括基线纠正、用FFT或者Savitsky-Golay算法滤去噪声、均值滤波等；再进行光谱分析(光谱特征点的定位、波峰位置计算，通过高斯、洛伦兹、高斯-洛伦兹、不对称对数正态函数进行拟合获得最高点、进行定量分析等)；再次，进行数据查询、修改、保存、删除等操作；最后根据欧几里德距离、均方差、绝对差进行光谱的识别，达到定性分析的目的。
挥发性盐基氮值由红外检测器19直接得出，其指标测量计算方法有半微量定氮法、自动凯氏。下面列举这两种计算法的计算公式。
第一法：半微量定氮法
计算公式为：X＝[(V1-V2)×c×14]/m×(V/V0)×100％
式中：
X：试样中挥发性盐基氮的含量,单位为毫克每百克(mg/100g)或毫克每百毫升(mg/100mL)；
V1：试液消耗盐酸或硫酸标准滴定溶液的体积,单位为毫升(mL)；
V2：试剂空白消耗盐酸或硫酸标准滴定溶液的体积,单位为毫升(mL)；
c：盐酸或硫酸标准滴定溶液的浓度,单位为摩尔每升(mol/L)；
14：滴定1.0mL盐酸[c(HCl)＝1.000mol/L]或硫酸
[c(1/2H2SO4)＝1.000mol/L]标准滴定溶液相当的氮的质量,单位为克每摩尔(g/mol)；
m：试样质量,单位为克(g),或试样体积,单位为(mL)；V———准确吸取的滤液体积,单位为毫升(mL),本方法中V＝10；
V0：样液总体积,单位为毫升(mL),本方法中V0＝100；
100：计算结果换算为毫克每百克(mg/100g)或毫克每百毫升(mg/100mL)的换算系数。
使用该种方法进行测定，实验结果以重复性条件下获得的两次独立测定结果的算术平均值表示,结果保留三位有效数字。
第二法：自动凯氏定氮仪法
计算公式为：X＝[(V1-V2)×c×14]/m]×100％
式中:
X：试样中挥发性盐基氮的含量,单位为毫克每百克(mg/100g)或毫克每百毫升(mg/100mL)；
V1：试液消耗盐酸或硫酸标准滴定溶液的体积,单位为毫升(mL)；
V2：试剂空白消耗盐酸或硫酸标准滴定溶液的体积,单位为毫升(mL)；
c：盐酸或硫酸标准滴定溶液的浓度,单位为摩尔每升(mol/L)；
14：滴定1.0mL盐酸[c(HCl)＝1.000mol/L]或硫酸
[c(1/2H2SO4)＝1.000mol/L]标准滴定溶液相当的氮的质量,单位为克每摩尔(g/mol)；
m：试样质量,单位为克(g)或试样体积,单位为(mL)；
100：计算结果换算为毫克每百克(mg/100g)或毫克每百毫升(mg/100mL)的换算系数。
使用该方法进行计算，实验结果以重复性条件下获得的两次独立测定结果的算术平均值表示,结果保留三位有效数字。
在本实施例中，第一种方法，测得的水产品挥发性盐基氮数值与放置日期关系如下表：
| 平均值 | 标准差 | |
| 第0天 | 5.25 | 0.890954544 |
| 3天 | 5.87 | 0.727461339 |
| 6天 | 9.60 | 0 |
| 9天 | 16.69 | 0.61991935 |
| 12天 | 25.67 | 0.404145188 |
样本的菌落总数由近红外检测器直接获取，其指标计算测量方法如下：若只有一个稀释度平板上的菌落数在适宜计数范围内，计算两个平板菌落数的平均值，再将平均值乘以相应稀释倍数，作为每g(mL)样品中菌落总数结果。若有两个连续稀释度的平板菌落数在适宜计数范围内时，按公式计算：N＝∑C/(n1+0.1n2)d
式中：N——样品中菌落数；
∑C——平板(含适宜范围菌落数的平板)菌落数之和；
n1——第一稀释度(低稀释倍数)平板个数；
n2——第二稀释度(高稀释倍数)平板个数；
d——稀释因子(第一稀释度)。
若所有稀释度的平板上菌落数均大于300CFU，则对稀释度高的平板进行计数，其他平板可记录为多不可计，结果按平均菌落数乘以高稀释倍数计算。
若所有稀释度的平板菌落数均小于30CFU，则应按稀释度低的平均菌落数乘以稀释倍数计算。
若所有稀释度(包括液体样品原液)平板均无菌落生长，则以小于1乘以低稀释倍数计算。
若所有稀释度的平板菌落数均不在30CFU～300CFU之间，其中一部分小于30CFU或大于300CFU时，则以接近30CFU或300CFU的平均菌落数乘以稀释倍数计算。
在本实施例中，测得的水产品菌落总数与放置日期的关系如下表：
样本的pH值由红外检测器直接测得，其指标计算方法如下：采用适合于所用pH计的步骤进行测定,读数显示稳定以后,直接读数,准确至0.01。
在本实施例中，测得的水产品pH值与放置日期关系如下表：
在本实施例中，步骤(40)进行建模的基本公式表示为：
偏最小二乘回归≈多元线性回归分析+典型相关分析+主成分分析。
上述技术方案只是本发明的一种实施方式，对于本领域内的技术人员而言，在本发明公开了应用方法和原理的基础上，很容易做出各种类型的改进或变形，而不仅限于本发明上述具体实施方式所描述的方法，因此前面描述的方式只是优选的，而并不具有限制性的意义。
Claims (7)
1.一种水产品新鲜度无损检测装置，包括操作台，其特征在于：操作台的底部设有仪器台架（2），仪器台架（2）上设有控制面板（11），控制面板连接计算机（12）；
操作台的上方设有方形遮光罩（1）；操作台的中部设有样本放置台（4），样本放置台（4）下方的升降机构由控制面板（11）控制；
样本放置台（4）的上方设有集气室（5），集气室的上方依次连接微型抽气泵（6）、反应室（7），反应室（7）内设有若干光纤传感器（8）反应室（7）的上方设有清洗机构（9）；
样本放置台（4）的一侧设有检测仪（10），检测仪由控制面板（11）控制；检测仪（10）上内设压力传感器（13），电控摇臂（14）的一端设有测试探头（15）；
所述操作台上可移动的设置有红外检测区（20），包括及红外灯光源（16）、2个折射镜（17）椭圆球面镜（18）和红外检测器（19）；红外检测器（19）连接控制面板（11）。
2.如权利要求1所述的一种水产品新鲜度无损检测装置，其特征在于：光纤传感器（8）包括氨气光纤传感器，三甲胺光纤传感器，二甲胺光纤传感器，硫化铵光纤传感器。
3.如权利要求1所述的一种水产品新鲜度无损检测装置，其特征在于：清洗机构（9）内设有酒精和喷气器。
4.一种基于上述装置的水产品新鲜度无损评价方法，其特征在于：包括以下步骤：
（10）采集样本挥发气体进行样本气体成分检测；
（20）采集样本内阻力信息数据进行样本硬度以及粘性分析；
（30）采集样本近红外光谱，测定样本的菌落总数、挥发性盐基氮以及pH值；
（40）建立向后区间偏最小二成模型以及数据库；
（50）得出样品新鲜度结果，判断样品新鲜度等级。
5.如权利要求4所述的一种水产品新鲜度无损评价方法，其特征在于：所述步骤（10）包括以下步骤：
（101）通过抽气泵抽取样本挥发气体进入反应室；
（102）通过传感器阵列对气体成分进行分析；
（103）传感器阵列将检测信息反馈至控制面板，上传至计算机进行处理；
（104）计算机处理后得到样本所挥发气体中三甲胺含量数据。
6.如权利要求4所述的一种水产品新鲜度无损评价方法，其特征在于：所述步骤（20）包括以下步骤：
（201）将测试探头伸入样本体内，将阻力信息传递至压力传感器；
（202）压力传感器将检测信息反馈至控制面板，上传至计算机进行处理；
（203）计算机处理后得到样本硬度以及粘性数据。
7.如权利要求4所述的一种水产品新鲜度无损评价方法，其特征在于：所述步骤（30）包括以下步骤：
（301）将样本放置在红外检测区的中央，开启红外灯光源；
（302）红外光束经折射镜到达椭圆球面镜，反射至样本，在反射至椭圆休眠经、反射至折射镜，最终被折射到红外检测器上；
（303）红外检测器得到透过样品的红外吸收信号，并将光信号转化为电信号传递至计算机进行处理；
（302）计算机处理后得到红外吸收光谱，以及红外检测器所测得的样本的菌落总数、挥发性盐基氮以及pH值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711362783.8A CN107942015A (zh) | 2017-12-15 | 2017-12-15 | 一种水产品新鲜度无损检测装置及评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711362783.8A CN107942015A (zh) | 2017-12-15 | 2017-12-15 | 一种水产品新鲜度无损检测装置及评价方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107942015A true CN107942015A (zh) | 2018-04-20 |
Family
ID=61944621
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711362783.8A Pending CN107942015A (zh) | 2017-12-15 | 2017-12-15 | 一种水产品新鲜度无损检测装置及评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107942015A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108614084A (zh) * | 2018-07-04 | 2018-10-02 | 江苏省农业科学院 | 一种鸡肉盐份含量检测设备 |
| 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 |
| CN111289477A (zh) * | 2020-03-02 | 2020-06-16 | 淮阴工学院 | 一种基于spr光子舌传感阵列的dom组份检测方法 |
| CN113537394A (zh) * | 2021-04-08 | 2021-10-22 | 中国农业大学 | 一种改进vgg-19的冰鲜鲳鱼新鲜度评估方法 |
| CN114487314A (zh) * | 2021-12-16 | 2022-05-13 | 山东省食品药品检验研究院 | 一种现场快速检测海鲜产品残留违禁药物的装置及方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102507459A (zh) * | 2011-11-23 | 2012-06-20 | 中国农业大学 | 一种生鲜牛肉新鲜度快速无损评价方法及系统 |
| CN103063813A (zh) * | 2012-12-26 | 2013-04-24 | 江苏大学 | 一种鱼类新鲜度的快速无损在线检测方法和装置 |
| CN103278609A (zh) * | 2013-06-27 | 2013-09-04 | 山东商业职业技术学院 | 一种基于多源感知信息融合的肉品新鲜度检测方法 |
| CN103675220A (zh) * | 2013-12-09 | 2014-03-26 | 浙江工商大学 | 利用两种质构指标共同判定金枪鱼鱼肉鲜度的方法 |
| CN207636573U (zh) * | 2017-12-15 | 2018-07-20 | 山东商业职业技术学院 | 一种水产品新鲜度无损检测装置 |
-
2017
- 2017-12-15 CN CN201711362783.8A patent/CN107942015A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102507459A (zh) * | 2011-11-23 | 2012-06-20 | 中国农业大学 | 一种生鲜牛肉新鲜度快速无损评价方法及系统 |
| CN103063813A (zh) * | 2012-12-26 | 2013-04-24 | 江苏大学 | 一种鱼类新鲜度的快速无损在线检测方法和装置 |
| CN103278609A (zh) * | 2013-06-27 | 2013-09-04 | 山东商业职业技术学院 | 一种基于多源感知信息融合的肉品新鲜度检测方法 |
| CN103675220A (zh) * | 2013-12-09 | 2014-03-26 | 浙江工商大学 | 利用两种质构指标共同判定金枪鱼鱼肉鲜度的方法 |
| CN207636573U (zh) * | 2017-12-15 | 2018-07-20 | 山东商业职业技术学院 | 一种水产品新鲜度无损检测装置 |
Non-Patent Citations (3)
| Title |
|---|
| 张玉华等: "基于近红外光谱技术的带鱼新鲜度检测研究" * |
| 王伟等: "无损检测技术在虾鲜度评定中的应用" * |
| 郭淼等: "金鲳鱼货架期品质快速检测方法研究" * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108614084A (zh) * | 2018-07-04 | 2018-10-02 | 江苏省农业科学院 | 一种鸡肉盐份含量检测设备 |
| 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 |
| CN111289477A (zh) * | 2020-03-02 | 2020-06-16 | 淮阴工学院 | 一种基于spr光子舌传感阵列的dom组份检测方法 |
| CN111289477B (zh) * | 2020-03-02 | 2022-05-27 | 淮阴工学院 | 一种基于spr光子舌传感阵列的dom组份检测方法 |
| CN113537394A (zh) * | 2021-04-08 | 2021-10-22 | 中国农业大学 | 一种改进vgg-19的冰鲜鲳鱼新鲜度评估方法 |
| CN114487314A (zh) * | 2021-12-16 | 2022-05-13 | 山东省食品药品检验研究院 | 一种现场快速检测海鲜产品残留违禁药物的装置及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107942015A (zh) | 一种水产品新鲜度无损检测装置及评价方法 | |
| Li et al. | Prediction of egg storage time and yolk index based on electronic nose combined with chemometric methods | |
| CN101206463B (zh) | 一种在线监控药物生产混合过程的方法及系统 | |
| CN103645155B (zh) | 生鲜羊肉嫩度的快速无损检测方法 | |
| CN104568824B (zh) | 基于可见/近红外光谱的虾类新鲜度等级检测方法及装置 | |
| CN106525759A (zh) | 一种基于衰减全反射太赫兹介电谱鉴别蜂蜜品种的方法 | |
| Olaetxea et al. | Machine learning-assisted Raman spectroscopy for pH and lactate sensing in body fluids | |
| CN102279213A (zh) | 一种利用挥发物快速诊断农作物病害的方法 | |
| CN108760647A (zh) | 一种基于可见/近红外光谱技术的小麦带菌量线检测方法 | |
| CN1987456A (zh) | 一种水果成熟度预测方法 | |
| CN103852446A (zh) | 一种基于光腔衰荡光谱技术的血液成分识别与分析仪器 | |
| CN111474137A (zh) | 一种基于卷积神经网络的柑橘糖度无损检测方法 | |
| CN103712948B (zh) | 生鲜羊肉中挥发性盐基氮含量的快速无损检测方法 | |
| CN108680748B (zh) | 基于丙酮传感器的血糖检测仪及其检测方法 | |
| CN101074927A (zh) | 基于可见和近红外光谱特征波段的水果水心病诊断方法 | |
| CN207636573U (zh) | 一种水产品新鲜度无损检测装置 | |
| CN106691410B (zh) | 一种脉搏及血红细胞浓度监测仪及方法 | |
| CN108072627A (zh) | 一种用中红外光谱快速检测酱油中氨基酸态氮和总酸含量的方法 | |
| CN110384507A (zh) | 一种基于嘴唇光学无创测量血糖浓度的检测方法 | |
| He et al. | Determination of total volatile basic nitrogen (TVB-N) content in beef based on airflow and multipoint laser technique | |
| CN106226263A (zh) | 基于红外光谱技术的浓香型白酒基酒等级快速判别方法 | |
| CN108062570A (zh) | 一种用于肺癌筛查的模式识别系统 | |
| Li et al. | Detection of apple deterioration using an electronic nose and zNoseTM | |
| CN116559106A (zh) | 一种中药材炮制工艺过程的近红外在线监测方法 | |
| CN103335960A (zh) | 一种华蟾素提取浓缩过程关键指标的快速检测方法 |
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 |
Application publication date: 20180420 |