CN109447130B - 一种基于可视化气敏阵列的哈败腊肉检测装置与方法 - Google Patents

一种基于可视化气敏阵列的哈败腊肉检测装置与方法 Download PDF

Info

Publication number
CN109447130B
CN109447130B CN201811157370.0A CN201811157370A CN109447130B CN 109447130 B CN109447130 B CN 109447130B CN 201811157370 A CN201811157370 A CN 201811157370A CN 109447130 B CN109447130 B CN 109447130B
Authority
CN
China
Prior art keywords
gas
sensitive
array
preserved meat
bacon
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.)
Active
Application number
CN201811157370.0A
Other languages
English (en)
Other versions
CN109447130A (zh
Inventor
田潇瑜
黄星奕
吕日琴
戴春霞
吴梦紫
马梅
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 CN201811157370.0A priority Critical patent/CN109447130B/zh
Publication of CN109447130A publication Critical patent/CN109447130A/zh
Application granted granted Critical
Publication of CN109447130B publication Critical patent/CN109447130B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Plasma & Fusion (AREA)
  • Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analysing Materials By The Use Of Chemical Reactions (AREA)

Abstract

本发明公开了一种基于可视化气敏阵列的哈败腊肉检测装置与方法，涉及农畜产品品质检测技术领域。本发明针对当前腊肉贮藏过程中的哈变检测技术缺乏的问题，提供一种基于可视化气敏阵列的哈败腊肉检测系统与方法，具有快速、无损，可视化的特点，可实现腊肉贮藏期间哈变样品的快速检出。本方法针对哈败腊肉的特征挥发性气体的进行了检测并筛选了相应的气敏材料，构建了气敏传感阵列。通过图像采集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各通道灰度均值进行特征提取,即为被测样本的气味特征矩阵。基于特征矩阵构建判别模型，实时检测腊肉的哈变程度。

Description

一种基于可视化气敏阵列的哈败腊肉检测装置与方法
技术领域
本发明涉及农畜产品品质检测技术领域，特别涉及一种基于可视化气敏阵列的哈败腊肉检测装置与方法，针对贮藏过程中哈败腊肉实现快速的检出。
背景技术
腊肉具有中华传统特色风味，是中国传统名优产品之一，正因为它的独特性与优质风味，使它经历数千年历史更迭而不衰退，证明其拥有广泛的基础，同时也表明其蕴藏着巨大的开发潜力。在现代科技与生产力快速发展的时代，腊肉这种方便快捷且利于二次加工的食品愈发受到人们的喜爱，然而腊肉的一些缺点也阻碍了它的进一步发展，一般而言，腊肉的原料肉基本为肥瘦相间的猪肉，因而拥有较高的脂肪含量，在储藏转运过程中容易发生脂肪氧化而导致哈败，腊肉哈败后,理化性质上表现为颜色加深、表面浑浊、产生哈喇味、酸价和过氧化值上升、丙二醛含量升高、碘值下降等。脂肪在水、高温、脂肪酶、酸或碱作用下脂肪发生水解,产生3分子脂肪酸和1分子的甘油。脂肪酸的产生使油脂的酸度增高和熔点增高, 使得腊肉制品产生不良风味和气味,哈喇味的产生使食品不能被消费者接受,因此,脂类氧化对于食品工业是至关重要的。此外,氧化反应降低了食品的营养质量,有些氧化产品是潜在的毒物，会对消费者的身体健康有一定的威胁。因此传统腊肉想要保持长久的生命力，走出国门，在世界腌腊制品上占有一席之地，必须对质量严格把关，实现对腊肉成品新鲜程度的快速检测。
目前对腊肉哈败程度的评价主要是依靠感官评定与理化分析相结合的方法。一般传统检测采用理化分析的方法，但是由于耗时长、有破坏性，不适用于在线生产过程的监测。应用无损检测技术实现肉制品储运过程中信息化、智能化监控是肉制品行业未来发展的方向。目前市场上缺乏一种有效检测贮藏过程中哈败腊肉的方法，因此寻求一种快速简便、可靠的哈败腊肉检测方法对肉制品行业的产品风险控制和品质提升具有实际意义。而色敏传感技术作为一个新兴的气体表征方法，近年来在食品及农产品检测领域得到了相关应用，如专利“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”(申请号：201710535608.8)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，但是所采用的图像采集系统为扫描仪，不能满足在线检测的需要。可视化色敏传感技术在农产品风味检测方面具有可行性，但在腊肉贮藏过程中的哈败样本的鉴别还未见报道。因此开发一种基于可视化气敏传感阵列的哈败腊肉系统和检测方法，对于实现贮藏过程中腊肉关键品质控制，促进我国传统腌腊肉制品行业朝健康高品质的方向发展具有重要意义。
发明内容
本发明的目的是针对当前腊肉贮藏过程中的哈变检测技术缺乏的问题，提供一种基于可视化气敏阵列的哈败腊肉检测系统与方法，具有快速、无损，可视化的特点，可实现腊肉贮藏期间哈变样品的快速检出。本方法针对哈败腊肉的特征挥发性气体的进行了检测并筛选了相应的气敏材料，构建了气敏传感阵列。通过图像采集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各通道灰度均值进行特征提取,即为被测样本的气味特征矩阵。基于特征矩阵构建判别模型，实时检测腊肉的哈变程度。
本发明提供一种基于可视化气敏阵列的哈败腊肉检测装置，该装置主要包括图像采集单元、气体采集单元和控制与检测单元。
其中图像采集单元包括反应室5、LED光源7、气敏阵列4、卡槽6以及CCD工业相机3，其中LED光源与气敏阵列位于可密封反应室内，反应室5外部由采样管与采样泵7联通。CCD工业相机3位于反应室上方，由可调支架安装固定，该相机经由上位机至于检测单元相连接，用于采集反应前后气敏传感器阵列的图像信息。所述LED光源7固定于反应室内部，为CCD 相机3进行图像采集提供稳定均匀的光源；所述传感器阵列4居中放置于反应室5底部，在反应室内部可与真空泵7输送进的腊肉挥发性气体进行充分反应。反应室的底部设计有卡槽 6，大小与气敏传感阵列大小相符合，其位置与CCD相机3镜头相对应，主要用于气敏传感阵列芯片的定位，确保每次采集时的气敏阵列都完整进入相机视野，保证图像采样单元的稳定性。
其中气体采集单元包括真空泵8，流量阀9，采样针10，集气室11以及进气管12。所述真空泵8通过采样管将集气室11和反应室5相连接，其中气流流量由流量阀9调节。集气室11内气体采集由采样探针10实现，为保证集气室内气压平衡，防止形成真空状态，其底部设有进气管12，真空泵8抽气后，向内部引入环境空气，保持气压平衡状态。所述进气管12 内装有活性炭，对环境空气进行净化，保证气敏阵列4反应时不受外部环境的影响。
其中控制与检测单元由上位机1与图像采集卡2组成。所述上位机1可控制相机分别拍摄气敏传感阵列反应前后的图像，而后相机采集的图像由图像采集卡2传输给上位机1。上位机1对获取的图像进行实时处理，提取各图像的R、G、B三通道信息，并进行模型调用和结果判别，最后由系统界面实时显示检测结果。
另一方面，本发明通过以下技术方案实现：一种基于可视化气敏阵列的哈败腊肉检测方法，按照下述步骤进行：
(1)可视化气敏材料筛选；
(2)可视化气敏传感器阵列的制备；
(3)腊肉样品的挥发性气体采集；
(4)应用CCD工业相机采集反应室中气敏传感器与样品反应前后的阵列图像；
(5)气敏传感阵列图像特征提取；
(6)构建加工与贮藏过程中哈败腊肉的判别模型。
其中所述步骤(1)中，可视化气敏材料筛选，按照下述步骤进行：
针对腊肉贮藏阶段阶段所产生的可导致哈喇味和酸败味道的挥发性气体组分，筛选出6 种显色剂作为可视化气敏材料。其中包含4种卟啉类化合物，具体为①5,10,15,20-四苯基 -21H,23H-卟吩锌；②四苯基卟啉锌；③5,10,15,20-四苯基-21H,23H-卟吩氯化锰(Ⅲ)；④ 5,10,15,20-四苯基-21H,23H-卟吩钴(Ⅱ)；以及2种pH指示剂，如甲酚红、溴甲酚绿。将所筛选的气敏材料(显色剂)溶于氯仿或者乙醇等有机溶剂中，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，配置成2mg/mL的气敏溶液。
其中所述步骤(2)中，可视化气敏传感器阵列的制备，按照下述步骤进行：
将配制好的多种气敏溶液均置于黑暗环境中保存，使用时用点样毛细管取大约2.5μL的气敏溶液固定到3cm×3cm的反相C2硅胶板上制成可视化传感器阵列，其中前7个位点对应的是卟啉类化合物，后2个位点对应的是pH指示剂，形成5×3的气敏传感器阵列。阵列中气敏单元的直径控制在3-4mm之间，待色敏材料在基底材料上挥发至稳定，将传感器阵列芯片置于非敏感环境中密封保存待用。
其中所述步骤(3)中，腊肉样品的挥发性气体采集，可按照下述步骤进行：
将腊肉样品置于集气室中，把采样探针插入集气室上端，开启真空泵，调节流量阀，抽取腊肉样品挥发性气体，使之通过采样管和真空泵进入反应室。通过流量阀可对挥发性气体流量、压力以及样品气味挥发速率进行精确控制。
其中所述步骤(4)中，应用CCD工业相机采集反应室中气敏传感器与样品反应前后的阵列图像，按照下述步骤进行：
反应室的大小根据腊肉样品的尺寸进行设计，采用聚甲基丙烯酸甲酯(PMMA)材料制备透光性较好的密封容器。在真空泵开启前，由上位机控制CCD工业相机拍摄气敏传感阵列初始的彩色图像，通过图像采集卡传输给上位机。待真空泵开启后，腊肉样品产生挥发性气体进入反应室，与气敏传感阵列充分的接触和反应一段时间后，上位机再次控制CCD工业相机采集气敏传感器阵列反应后的图像并通过图像采集卡传输回上位机，进行数据处理和判别分析。
其中所述步骤(5)中，气敏传感阵列图像特征提取，按照下述步骤进行：
首先提取气敏传感阵列中各个显色剂与腊肉样品反应前后的R、G、B三通道图像信息，然后对各敏感单元所在图像区域进行识别和定位。将反应前后R、G、B特征变化作为响应信号，即将获取的每个传感器反应前后特征值相减(△R＝|R后-R前|、△G＝|G后-G前|、△B＝|B 后-B前|)，所得到的差值作为该传感器阵列的响应值，每个样本所得到的响应信号由6个传感器位点组成的18个特征值组成，构建不同贮藏阶段的腊肉挥发性气味的特征矩阵。
其中所述步骤(6)中，构建加工与贮藏过程中哈败腊肉的判别模型，按照下述步骤进行：
在上位机中，基于步骤(5)中所构建的挥发性气味特征矩阵，调用已构建的哈败腊肉判别模型，将数据输入模型中，即可对待测腊肉样本的哈败程度进行检测和判别。其中哈败腊肉的判别模型建立，采用了主成分分析结合向量机(SVM)方法，提取前5个主成分并采用网格寻优法确定最优参数，构建SVM判别模型对哈败腊肉进行快速识别。
本发明的有益效果：
1.本发明具有快速、无损，可视化的特点，与人工感官评价和理化分析等传统方法相比，检测时间短、操作简单方便、成本低。本发明可用于已经哈变变质的腊肉样品可以快速识别，也可以实现腊肉贮藏期间腊肉品质变化的监测，对腊肉贮藏过程中关键品质控制，具有实际意义。
2.本发明设计了一种基于可视化气敏阵列的哈败腊肉检测装置，该装置可有效收集样品挥发性气体，减少环境因素对气敏传感阵列响应的影响，使采集的信号具有较好的稳定性。由上位机操作系统快速计算显示结果，可实现哈败腊肉的实时检测。
附图说明
图1是一种基于可视化气敏阵列的哈败腊肉检测装置图；
图2是气敏传感阵列；
图3是一种基于可视化气敏阵列的哈败腊肉检测流程图。
图1中：1、上位机；2、图像采集卡；3、CCD工业相机；4、气敏传感阵列；5、反应室； 6、卡槽；7、LED光源；8、真空泵；9、流量阀；10、采样探针；11、集气室 ；12、进气管 ； 13、腊肉样品。
具体实施方式：
下面结合附图和实施例，对本发明的具体实施方式做进一步详细的描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
实施例1：一种基于可视化气敏阵列的哈败腊肉检测装置
如图1所示，本发明提供了一种基于可视化气敏阵列的哈败腊肉检测装置，主要由图像采集单元、气体采集单元和控制与检测单元组成。具体包括1、上位机；2、图像采集卡；3、 CCD工业相机；4、气敏传感阵列；5、反应室；6、卡槽；7、LED光源；8、真空泵；9、流量阀；10、采样探针；11、集气室 ；12、进气管 。
其中图像采集单元包括反应室5、LED光源7、气敏阵列4、卡槽6以及CCD工业相机3，其中LED光源与气敏阵列位于可密封反应室内，反应室5外部由采样管与采样泵7联通。CCD工业相机3位于反应室上方，由可调支架安装固定，该相机经由上位机至于检测单元相连接，用于采集反应前后气敏传感器阵列的图像信息。所述LED光源7固定于反应室内部，为CCD 相机3进行图像采集提供稳定均匀的光源；所述传感器阵列4居中放置于反应室5底部，在反应室内部可与真空泵7输送进的腊肉挥发性气体进行充分反应。反应室的底部设计有卡槽 6，大小与气敏传感阵列大小相符合，其位置与CCD相机3镜头相对应，主要用于气敏传感阵列芯片的定位，确保每次采集时的气敏阵列都完整进入相机视野，保证图像采样单元的稳定性。
其中气体采集单元包括真空泵8，流量阀9，采样针10，集气室11以及进气管12。所述真空泵8通过采样管将集气室11和反应室5相连接，其中气流流量由流量阀9调节。集气室11内气体采集由采样探针10实现，为保证集气室内气压平衡，防止形成真空状态，其底部设有进气管12，真空泵8抽气后，向内部引入环境空气，保持气压平衡状态。所述进气管12 内装有活性炭，对环境空气进行净化，保证气敏阵列4反应时不受外部环境的影响。
其中控制与检测单元由上位机1与图像采集卡2组成。所述上位机1可控制相机分别拍摄气敏传感阵列反应前后的图像，而后相机采集的图像由图像采集卡2传输给上位机1。上位机1对获取的图像进行实时处理，提取各图像的R、G、B三通道信息，并进行模型调用和结果判别，最后由系统界面实时显示检测结果。
实施例2：一种基于可视化气敏阵列的哈败腊肉检测方法
图2是本发明一种基于可视化气敏阵列的哈败腊肉检测流程图。如图2所示，基于可视化气敏阵列的哈败腊肉检测方法，包括以下步骤：
(1)实施例中样本均来自同一品牌同样保质期的腊肉制品。采集不同贮藏时间的腊肉样本共70个样本。将腊肉用无菌刀切割成3cm×3cm×2cm的方块，并尽可能保持样品厚度均一。将样本放置于37℃条件进行恒温贮藏，共贮藏30天。每隔5天取10个样本采集可视化气敏图像，并测试其感官和挥发性气味两个指标。
(2)气敏传感阵列的制备：针对腊肉脂质氧化阶段所产生的挥发性气体组分，筛选出6 种显色剂作为可视化气敏材料。其中包含4种卟啉类化合物，具体为①5,10,15,20-四苯基 -21H,23H-卟吩锌；②四苯基卟啉锌；③5,10,15,20-四苯基-21H,23H-卟吩氯化锰(Ⅲ)；④ 5,10,15,20-四苯基-21H,23H-卟吩钴(Ⅱ)；以及2种pH指示剂，如甲酚红、溴甲酚绿。将所筛选的气敏材料(显色剂)溶于氯仿或者乙醇等有机溶剂中，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，配置成2mg/mL的气敏溶液。
(3)将传感器阵列芯片4置于反应室5底部的卡槽6中。反应室5保持密封状态，其材料聚甲基丙烯酸甲酯(PMMA)，透光性较好。将CCD工业相机2连接到上位机1，开启LED光源3。保持真空泵7不启动，由上位机1控制CCD工业相机2采集反应室5中气敏传感阵列4 与样品反应前的图像。
(4)腊肉样品的挥发性气体采集：将待测腊肉样品置于集气室11中，把采样探针9插入集气室11上端，开启真空泵7，调节流量阀6，抽取腊肉样品12的挥发性气体，使之通过采样管和真空泵7进入反应室。通过流量阀7可对挥发性气体流量、压力以及样品气味挥发速率进行调节。
(5)待真空泵7开启后，腊肉样品产生挥发性气体进入反应室5，与气敏传感阵列4充分的接触和反应一段时间后，上位机1再次控制CCD工业相机2采集气敏传感器阵列4反应后的图像并通过图像采集卡2传输给上位机1，进行数据处理和判别分析。
(6)腊肉样本的理化分析与感官评定。通过气相色谱-质谱(GC-MS)测定腊肉不同贮藏时间下挥发性气味，表明随着腊肉贮藏时间的增加，特征风味发生了变化，其挥发性气体组分中对香气贡献较大的烃类、酚类、酯类物质大幅减少，而导致哈喇味、酸败味的小分子醛、酮、酸类组分显著增加。当在37℃条件下贮藏20天后，腊肉出现明显的哈喇味，故将样本分为两组，在该条件下贮藏20天以上的样本为哈败样本，贮藏小于20天的样本为正常样本。
(7)上位机对所采集的图像进行处理，首先通过中值滤波、阈值分割、特征区域提取(以色敏材料中心为圆点，提取15像素点为半径的圆面积)，获取目标图像区域。然后提取目标区域内气敏传感阵列中各个显色剂与腊肉样品反应前后的R、G、B灰度均值。将反应前后R、 G、B特征变化作为响应信号，即将获取的每个传感器反应前后特征值相减(△R＝|R后-R前|、△G＝|G后-G前|、△B＝|B后-B前|)，所得到的差值作为该传感器阵列的响应值，每个样本所得到的响应信号由6个传感器组成的18(6×3)个特征值组成，构建不同贮藏阶段的腊肉挥发性气味的特征矩阵。
(8)在上位机中，基于所构建的挥发性气味特征矩阵和腊肉感官评定的分类结果，建立哈败腊肉的判别模型建立。采用主成分分析结合向量机(SVM)方法，提取前5个主成分并采用网格寻优法确定最优参数，当最佳惩罚参数c为2，最佳的核函数参数g为0.003906，交叉验证均方误差最小。再此最优参数条件下，构建SVM判别模型对哈败腊肉进行快速识别。
(9)利用40个独立样本(0、5、10、20、25天取样8个)进行验证实验。实施步骤依照(1)～(5)进行，然后将提取的特征矩阵存入上位机1检测系统，调用已构建的哈败腊肉判别模型，将该数据输入模型中，即可对未知的腊肉样本哈败程度进行判别。验证结果如表 1所示，该方法对样本综合识别率达到了87.5％，对哈败样本识别率达到了87.5％，结果表明该方法对哈败腊肉可实现快速鉴别。
表1基于SVM模型的不同储藏时间的哈败腊肉判别结果
Figure GDA0003194452700000071

Claims (5)

1.一种基于可视化气敏阵列的哈败腊肉检测方法，其特征在于按照下述步骤进行：
(1)可视化气敏材料筛选；
(2)可视化气敏传感器阵列的制备；
(3)腊肉样品的挥发性气体采集；
(4)应用CCD工业相机采集反应室中气敏传感器与样品反应前后的阵列图像；
(5)气敏传感阵列图像特征提取；
(6)构建加工与贮藏过程中哈败腊肉的判别模型；
其中所述步骤(1)中，可视化气敏材料筛选，按照下述步骤进行：
针对腊肉贮藏阶段所产生的可导致哈喇味和酸败味道的挥发性气体组分，筛选出6种显色剂作为可视化气敏材料；其中包含4种卟啉类化合物，具体为①5,10,15,20-四苯基-21H,23H-卟吩锌；②四苯基卟啉锌；③5,10,15,20-四苯基-21H,23H-卟吩氯化锰(Ⅲ)；④5,10,15,20-四苯基-21H,23H-卟吩钴(Ⅱ)；以及2种pH指示剂，甲酚红、溴甲酚绿；将所筛选的气敏材料溶于氯仿或者乙醇，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，配置成2mg/mL的气敏溶液；
其中所述步骤(2)中，可视化气敏传感器阵列的制备，按照下述步骤进行：
将配制好的多种气敏溶液均置于黑暗环境中保存，使用时用点样毛细管取大约2.5μL的气敏溶液固定到3cm×3cm的反相C2硅胶板上制成可视化传感器阵列，其中前7个位点对应的是卟啉类化合物，后2个位点对应的是pH指示剂，形成5×3的气敏传感器阵列；阵列中气敏单元的直径控制在3-4mm之间，待色敏材料在基底材料上挥发至稳定，将传感器阵列芯片置于非敏感环境中密封保存待用；
其中所述步骤(3)中，腊肉样品的挥发性气体采集，可按照下述步骤进行：
将腊肉样品置于集气室中，把采样探针插入集气室上端，开启真空泵，调节流量阀，抽取腊肉样品挥发性气体，使之通过采样管和真空泵进入反应室；通过流量阀可对挥发性气体流量、压力以及样品气味挥发速率进行精确控制。
2.根据权利要求1所述的一种基于可视化气敏阵列的哈败腊肉检测方法，其特征在于其中所述步骤(4)中，应用CCD工业相机采集反应室中气敏传感器与样品反应前后的阵列图像，按照下述步骤进行：
反应室的大小根据腊肉样品的尺寸进行设计，采用聚甲基丙烯酸甲酯(PMMA)材料制备透光性较好的密封容器；在真空泵开启前，由上位机控制CCD工业相机拍摄气敏传感阵列初始的彩色图像，通过图像采集卡传输给上位机；待真空泵开启后，腊肉样品产生挥发性气体进入反应室，与气敏传感阵列充分的接触和反应一段时间后，上位机再次控制CCD工业相机采集气敏传感器阵列反应后的图像并通过图像采集卡传输回上位机，进行数据处理和判别分析。
3.根据权利要求1所述的一种基于可视化气敏阵列的哈败腊肉检测方法，其特征在于其中所述步骤(5)中，气敏传感阵列图像特征提取，按照下述步骤进行：
首先提取气敏传感阵列中各个显色剂与腊肉样品反应前后的R、G、B三通道图像信息，然后对各敏感单元所在图像区域进行识别和定位；将反应前后R、G、B特征变化作为响应信号，即将获取的每个传感器反应前后特征值相减，所得到的差值作为该传感器阵列的响应值，每个样本所得到的响应信号由6个传感器位点组成的18个特征值组成，构建不同贮藏阶段的腊肉挥发性气味的特征矩阵。
4.根据权利要求1所述的一种基于可视化气敏阵列的哈败腊肉检测方法，其特征在于其中所述步骤(6)中，构建加工与贮藏过程中哈败腊肉的判别模型，按照下述步骤进行：
在上位机中，基于步骤(5)中所构建的挥发性气味特征矩阵，调用已构建的哈败腊肉判别模型，将数据输入模型中，即可对待测腊肉样本的哈败程度进行检测和判别；其中哈败腊肉的判别模型建立，采用了主成分分析结合向量机(SVM)方法，提取前5个主成分并采用网格寻优法确定最优参数，构建SVM判别模型对哈败腊肉进行快速识别。
5.基于权利要求1所述的一种基于可视化气敏阵列的哈败腊肉检测方法的装置，其特征在于该装置包括图像采集单元、气体采集单元和控制与检测单元；
其中图像采集单元包括反应室、LED光源、气敏阵列、卡槽以及CCD工业相机，其中LED光源与气敏阵列位于可密封反应室内，反应室外部由采样管与采样泵联通；CCD工业相机位于反应室上方，由可调支架安装固定，该相机经由上位机至于检测单元相连接，用于采集反应前后气敏传感器阵列的图像信息；所述LED光源固定于反应室内部，为CCD相机进行图像采集提供稳定均匀的光源；所述传感器阵列居中放置于反应室底部，在反应室内部可与真空泵7输送进的腊肉挥发性气体进行充分反应；反应室的底部设计有卡槽，大小与气敏传感阵列大小相符合，其位置与CCD相机镜头相对应，主要用于气敏传感阵列芯片的定位，确保每次采集时的气敏阵列都完整进入相机视野，保证图像采样单元的稳定性；
其中气体采集单元包括真空泵，流量阀，采样针，集气室以及进气管；所述真空泵通过采样管将集气室和反应室相连接，其中气流流量由流量阀调节；集气室内气体采集由采样探针实现，为保证集气室内气压平衡，防止形成真空状态，其底部设有进气管，真空泵抽气后，向内部引入环境空气，保持气压平衡状态；所述进气管内装有活性炭，对环境空气进行净化，保证气敏阵列反应时不受外部环境的影响；
其中控制与检测单元由上位机与图像采集卡组成；所述上位机可控制相机分别拍摄气敏传感阵列反应前后的图像，而后相机采集的图像由图像采集卡传输给上位机；上位机对获取的图像进行实时处理，提取各图像的R、G、B三通道信息，并进行模型调用和结果判别，最后由系统界面实时显示检测结果。
CN201811157370.0A 2018-09-30 2018-09-30 一种基于可视化气敏阵列的哈败腊肉检测装置与方法 Active CN109447130B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811157370.0A CN109447130B (zh) 2018-09-30 2018-09-30 一种基于可视化气敏阵列的哈败腊肉检测装置与方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811157370.0A CN109447130B (zh) 2018-09-30 2018-09-30 一种基于可视化气敏阵列的哈败腊肉检测装置与方法

Publications (2)

Publication Number Publication Date
CN109447130A CN109447130A (zh) 2019-03-08
CN109447130B true CN109447130B (zh) 2021-10-12

Family

ID=65545817

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811157370.0A Active CN109447130B (zh) 2018-09-30 2018-09-30 一种基于可视化气敏阵列的哈败腊肉检测装置与方法

Country Status (1)

Country Link
CN (1) CN109447130B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN110837871B (zh) * 2019-11-12 2021-12-28 郑州轻工业学院 一种基于特征组组合的传感器阵列优化及特征选择方法
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
CN111735808B (zh) * 2020-07-21 2022-09-23 浙江农林大学 一种白芨霉变检测方法
CN112415002B (zh) * 2020-11-10 2023-03-14 之江实验室 一种基于图像传感器的多模态传感器件
CN112730643B (zh) * 2020-12-07 2022-09-16 江苏大学 基于可视化融合技术表征腐乳风味的方法及装置

Citations (3)

* 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
CN105181912A (zh) * 2015-06-30 2015-12-23 江苏大学 一种大米储藏过程中的新鲜度检测方法
CN107300553A (zh) * 2017-07-04 2017-10-27 江苏大学 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

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120053431A (ko) * 2010-11-17 2012-05-25 한국전자통신연구원 화학물질의 발색 반응을 이용하는 어레이
CN103674946B (zh) * 2013-12-18 2016-09-14 东南大学 基于纳米纤维气体富集的色敏气体传感阵列及其制备方法
CN104062292B (zh) * 2014-07-03 2016-08-17 江苏大学 一种全固态可视化味觉传感器阵列的制作方法
CN106769894A (zh) * 2016-12-09 2017-05-31 江苏大学 一种基于高光谱成像的腊肉腌制过程中盐分分布检测方法
EP3579982A4 (en) * 2017-02-16 2021-03-31 Isense LLC SENSOR ARRANGEMENTS WITH NUCLEOPHILIC INDICATORS

Patent Citations (3)

* 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
CN105181912A (zh) * 2015-06-30 2015-12-23 江苏大学 一种大米储藏过程中的新鲜度检测方法
CN107300553A (zh) * 2017-07-04 2017-10-27 江苏大学 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

Also Published As

Publication number Publication date
CN109447130A (zh) 2019-03-08

Similar Documents

Publication Publication Date Title
CN109447130B (zh) 一种基于可视化气敏阵列的哈败腊肉检测装置与方法
CN105181912B (zh) 一种大米储藏过程中的新鲜度检测方法
CN109406500A (zh) 一种基于嗅觉可视化阵列的腊肠快速分级方法
CN102967597A (zh) 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
Chen et al. Monitoring vinegar acetic fermentation using a colorimetric sensor array
CN101493431A (zh) 利用电子鼻检测鸡肉新鲜度的方法
Li et al. Colorimetric sensor array-based artificial olfactory system for sensing Chinese green tea’s quality: A method of fabrication
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
CN110702815A (zh) 一种面粉储存品质的嗅觉传感检测方法
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
CN103267760B (zh) 一种地沟油的检测方法及检测试剂盒
CN103412013A (zh) 一种基于电子舌的鱼粉新鲜度检测装置
Chen et al. Classification of vinegar with different marked ages using olfactory sensors and gustatory sensors
CN103575765B (zh) 一种快速检测羊肉掺假的方法
Guan et al. Analysis of volatile organic compounds from Chinese vinegar substrate during solid-state fermentation using a colorimetric sensor array
Thomareis et al. Techniques used for processed cheese characterization
CN109374801B (zh) 基于身份标识性特征风味组分的马苏里拉奶酪级别判别方法
Han et al. A Nondestructive Method for Fish Freshness Determination with Electronic Tongue Combined with Linear and Non-linear Multivariate Algorithms.
CN113651748A (zh) 一种挥发性盐基氮响应型化合物、便携式检测试纸及制备方法与应用
CN112730643B (zh) 基于可视化融合技术表征腐乳风味的方法及装置
Li et al. Rapid assessment of ready-to-eat Xuxiang kiwifruit quality based on chroma recognition and GC-MS analysis
CN114088874B (zh) 一种基于液相可视化阵列的食醋总酸含量检测方法
CN103743849A (zh) 一种同时快速筛查鉴定乳制品中多种有机酸的离子色谱-高分辨质谱联用方法
CN115290621A (zh) 一种双色荧光比率探针的制备方法和应用

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
GR01 Patent grant
GR01 Patent grant