CN110426389B - 一种基于可视化嗅觉技术的牛肉中掺假猪肉快速鉴别方法 - Google Patents

Abstract

本发明公开了一种基于可视化嗅觉技术的牛肉中掺假猪肉快速鉴别方法，所述方法包括：将肉样制备成肉糜；将肉糜平摊在容器底部；将可视化嗅觉传感器阵列设有颜色响应物质的一面贴在肉糜上；将容器密封，反应3‑8分钟，取出可视化嗅觉传感器阵列；读取所述可视化嗅觉传感器阵列中各个传感器在检测前后的RGB差值的绝对值；并获取预先建立的判别式，利用所述判别式判定肉样中是否掺假猪肉。应用本发明实施例，可以进行牛肉掺假猪肉的检测。

Description

一种基于可视化嗅觉技术的牛肉中掺假猪肉快速鉴别方法

技术领域

本发明涉及一种肉类检测方法，更具体涉及一种基于可视化嗅觉技术的牛肉中掺假猪肉快速鉴别方法。

背景技术

牛肉营养丰富、风味独特，深受消费者喜爱。近年来，随着生活水平的提高，我国牛肉的消费量增速明显。与此同时，牛肉掺假现象也日趋严重。其中，以价格较低廉的猪肉等肉制品掺入牛肉中冒充正常牛肉，赚取高额利润，是牛肉掺假的常见方式。对掺假肉的客观、准确鉴别是防范牛肉掺假的必要条件。目前，用于掺假肉鉴别的技术主要包括PCR法、色谱法、质谱法等，虽然检测结果客观、可靠，但存在成本高、耗时长、样品预处理复杂等缺陷。掺假肉与正常肉挥发性组分的差异可被电子鼻有效识别，然而基于物理吸附原理的传统金属氧化物气体传感器存在灵敏度低，难以区分相似物质，且受环境湿度影响大的缺陷。

现有技术中公开了一种，申请号为CN201810083265.0的专利文献公开了一种基于生物散斑和惯性矩谱分析的牛肉掺假检测方法，它包括以下步骤：(1)利用He-Ne激光器和CCD相机采集牛肉样本的生物散斑图像；(2)构建生物散斑图像的惯性矩谱；(3)建立牛肉掺假检测模型。使用生物散斑对牛肉掺假进行检测，该检测准确度高，费用低、耗时短且对实验设备和实验人员要求低，是一种快速、简易和灵敏的牛肉掺假检测方法。

但是，发明人发现，现有技术使用He-Ne激光器、CCD相机以及掺假检测模型进行牛肉掺假检测，检测过程较为复杂。

发明内容

本发明所要解决的技术问题在于提供了一种基于可视化嗅觉技术的牛肉中掺假猪肉快速鉴别方法，以解决现有技术中检测过程较为复杂的技术问题。

本发明是通过以下技术方案解决上述技术问题的：

本发明实施例提供了一种基于可视化嗅觉技术的牛肉中掺假猪肉快速鉴别方法，所述方法包括：

将肉样制备成肉糜；将肉糜平摊在容器底部；将可视化嗅觉传感器阵列设有颜色响应物质的一面贴在肉糜上；将容器密封，反应3-8分钟，取出可视化嗅觉传感器阵列；

读取所述可视化嗅觉传感器阵列中各个传感器在检测前后的RGB差值的绝对值；并获取预先建立的判别式，利用所述判别式判定肉样中是否掺假猪肉。

可选的，所述预先建立的判别式的建立过程包括：

将猪肉按照预设比例掺假到牛肉中，得到若干个试样；

利用可视化嗅觉传感器检测试样，得到检测前后的检测试样的RGB的差值的绝对值的集合；

将各个试样的RBG差值的绝对值作为一组数据点，以及纯牛肉对应的检测前后的RGB的差值的绝对值作为另一组数据间，并将各组数据点映射到三维空间中，其中，所述三维空间是以RGB差值的绝对值为坐标值构建的；

针对预设的每一个投影方向，将各个传感器的数据点进行投影，并计算所述投影方向对应的组间偏差平方以及组内偏差平方；并根据所述组间偏差平方以及组内偏差平方计算所述投影方向对应的F值；根据各个投影方向对应的F值，获取最大的F值对应的投影方向；

并根据最大F值对应的投影方向的方向向量建立判别式。

可选的，所述计算所述投影方向对应的组间偏差平方以及组内偏差平方，包括：

利用公式，

计算所述投影方向对应的组间偏差平方，其中，

S_A为投影方向对应的组间偏差平方；∑为求和函数；k为试样的个数；i为试样的序号；n_i为第i个类别样本量；

为第i个类别观测值经投影后数值的平均值；

为全样本观测值经投影后数值的平均值；a为投影方向对应的方向向量；

利用公式，

计算组内偏差平方，其中，

y_ij为第i类别样本观测值经投影后的数值；

为第i类别观测值经投影后数值的平均值；x_ij为第i个类别样本的观测值。

可选的，根据所述组间偏差平方以及组内偏差平方计算所述投影方向对应的F值，包括：

令

利用公式，

计算投影方向对应的F值。

可选的，所述判别式，包括：

y_i＝a^Tx(i＝1,2,...,s)，其中，

x为肉糜对应的各个传感器在检测前后的RGB差值的绝对值组成的向量。

本发明相比现有技术具有以下优点：

应用本发明实施例，通过可视化嗅觉传感器阵列中的颜色响应物质进行显色，然后基于预先建立的判别式进行掺假牛肉的判别，现对于现有技术中使用He-Ne激光器和CCD相机为基础结合生物散斑进行检测，本发明实施例，仅利用可视化嗅觉传感器阵列生成的颜色结合预先构建的判别式进行检测，不需要使用复杂的设备也不需要复杂的数据处理过程，进而简化了检测过程。

附图说明

图1为本发明实施例提供的一种基于可视化嗅觉技术的牛肉中掺假猪肉快速鉴别方法的使用的可视化嗅觉传感器阵列的结构意图；

图2为本发明实施例提供的一种基于可视化嗅觉技术的牛肉中掺假猪肉快速鉴别方法的结果示意图。

具体实施方式

下面对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

本发明实施例提供了一种基于可视化嗅觉技术的牛肉中掺假猪肉快速鉴别方法。图1为本发明实施例提供的一种基于可视化嗅觉技术的牛肉中掺假猪肉快速鉴别方法的使用的可视化嗅觉传感器阵列的结构意图，如图1所示，方法包括：

S101(图中未示出)：可以使用家用绞肉机将肉样制备成肉糜；将肉糜平摊在容器底部；将可视化嗅觉传感器阵列置于容器内，同时避免可视化嗅觉传感器直接与样品接触；将容器密封，反应3分钟，取出可视化嗅觉传感器阵列。

可视化传感器阵列由对肉微痕量挥发性组分具有颜色响应的化学显色剂。例如可以选择疏水性化学显色剂为四苯基卟啉、四苯基卟啉锰和甲基红3种作为颜色响应物质。

然后将颜色响应物质制备成可视化传感器阵列，过程如下：

首先以氯仿为溶剂配置疏水性卟啉、金属卟啉类化学显色剂溶液(2mg/mL)；以乙醇为溶剂配置疏水性pH指示剂溶液(2mg/mL)。再用10μL微量取样器取5μL制备好的化学显色剂溶液通过毛细管点样的方式固定在C2反向硅胶板的硅胶面上，然后待氯仿、乙醇自然干燥后得到可视化嗅觉传感器阵列。

在检测时，先将牛肉中掺假20％的猪肉，然后将掺假后的肉样置于绞肉机中，打浆2分钟，使得肉样呈肉糜状；然后称取第一步得到的肉样40g，置于250mL烧杯中，并将肉羊平铺于烧杯底部，使得肉样的展开覆盖杯底；然后将制备好的可视化嗅觉传感器阵列，置于装有肉样的烧杯中，并用聚乙烯薄膜密封，反应时间5分钟。

在实际应用中，反应时长可以根据实际需要进行调整，一般为3-8分钟。

S102(图中未示出)：读取所述可视化嗅觉传感器阵列中各个传感器在检测前后的RGB差值的绝对值；并获取预先建立的判别式，利用所述判别式判定肉样中是否掺假猪肉。

示例性的，图2为本发明实施例提供的一种基于可视化嗅觉技术的牛肉中掺假猪肉快速鉴别方法的结果示意图，如图2所示，可以利用公式，

Y＝0.1651X1-0.0868X2-0.0236X3-0.8501X4+0.4044X5-0.0214X6-0.1946X7+0.0134X8-0.1999X9，

计算肉样的得分，其中，X1，X2，X3分别代表反应前后甲基红R，G，B颜色差值的绝对值；X4，X5，X6分别代表反应前后四苯基卟啉锰R，G，B颜色差值的绝对值；X7，X8，X9分别代表反应前后四苯基卟啉R，G，B颜色差值的绝对值。

然后将上述得分与预设的阈值进行比较，在上述得分大于预设阈值时，认定该肉样掺假；若不大于，可以认定该肉样未掺假猪肉。在图2中，斜线以上的说明肉样掺假猪肉。

从图2中可以看出，菱形标记与方形标记分别表示掺假以及未掺假的肉类，如图2所示，掺假肉类和未掺假肉类分别位于直线两侧，显然，纯牛肉及牛肉中掺入20％猪肉样本能够有效区别，表明本发明所述的一种基于可视化嗅觉技术的牛肉中掺假猪肉快速鉴别方法是有效的。

在实际应用中，判别式都是预先构建的，判别式的构件过程可以包括如下步骤：

首先，可以将猪肉按照预设比例，如20％掺假到牛肉中，得到若干个试样；

然后，按照S101步骤的方法，利用可视化嗅觉传感器检测试样，得到检测前后的检测试样的RGB的差值的绝对值的集合。

本发明实施例的鉴别方法中使用的数据处理方法的思想就是选择一个投影轴，使所有样本点都投影到这个轴上得到一个投影值，做到使每一类内投影值所形成的类内偏差尽可能小，而不同类的投影值所形成的类间偏差尽可能大。据此根据样本构造判别函数，按照新样本判别函数的值判断样本的类别。

不同类别，如纯牛肉，掺假百分之二十猪肉的牛肉等测试数据的集合记为G，假设共有K个类别，可视化味觉传感器阵列特征变量数为p个。取自第i个类别的样本记为，

其中n_i为第i个类别的样本量，则样本观测值矩阵为

其中，i为类别序号；n为样本量。

将各个试样的RGB差值的绝对值作为一组数据点，以及纯牛肉对应的检测前后的RGB的差值的绝对值作为另一组数据点；

针对预设的每一个投影方向，将各个传感器的数据点进行投影，预设的投影方向为a＝(a₁,a₂,...,a_p)^T，将x_ij在每一个方向a上作投影，其中，p为投影方向的数量，即样本的测试数据维度相同；()^T为矩阵的转置。

利用公式，y_ij＝a^Tx_ij(i＝1,2,...,k；j＝1,2,...,n_i，)计算投影后的结果，其中，K为类别个数、n_i为第i个类别的样本量。

进而得到样本的投影结果向量：

记y_ij(i＝1,2,...,k；j＝1,2,...,n_i)，其中，n为样本量。

然后，根据上述结果，利用公式，

计算所述投影方向对应的组间偏差平方，其中，S_A为投影方向对应的组间偏差平方和；∑为求和函数；k为类别数；i为类别的序号；n_i为第i个类别样本量；

为第i个类别观测值经投影后数值的平均值；

为全样本观测值经投影后数值的平均值；a为投影方向对应的方向向量；

为第i类别观测值的平均值；

为全样本观测值的平均值；n_i为第i个类别样本量；

利用公式，

计算组内偏差平方，其中，y_ij为第i类别样本观测值经投影后的数值；

为第i类别观测值经投影后数值的平均值；x_ij为第i个类别样本的观测值。

令

利用公式，

计算投影方向对应的F值。

并计算所述投影方向对应的组间偏差平方以及组内偏差平方；并根据所述组间偏差平方以及组内偏差平方计算所述投影方向对应的F值；根据各个投影方向对应的F值，获取最大的F值对应的投影方向；

数学事实证明，F最大值就是E^-1B的最大特征值，E^-1B的全部非零特征值由大到小依次可以为：λ₁≥λ₂≥...≥λ_s,s≤min(k-1；p)，对应的特征向量可以记为t₁,t₂,...,t_s，其中，s为非零特征值的个数。

可以称y_i＝t_i ^Tx(i＝1,2,...,s)为第i判别式，其对区分各组的贡献率为对区分各组的贡献率为

前r(r≤s)个判别式的累积贡献率为

本发明实施例选择累积贡献率大于90％的前r个判别式进行判别，将这r个判别式作用在任意的x样品上，得到x样品对应的r个判别式的投影向量(y₁,y₂,...,y_r)^T。

将这r个判别式作用在第i组的样品组均值

上，得投影向量

计算两个向量的欧氏距离，则该欧式距离即为判别式得分。

综上，可得判别分析的判别准则为，若

则x∈G_i，其中，h为类别的序号；min为最小值求值函数。

并根据最大F值对应的投影方向的方向向量建立判别式为：

y_i＝a^Tx(i＝1,2,...,s)，其中，

x为肉糜对应的各个传感器在检测前后的RGB差值的绝对值组成的向量。

在实际应用中，上述方法可以被称为化学计量学中的Fisher判别分析。

应用本发明实施例，通过可视化嗅觉传感器阵列中的颜色响应物质进行显色，然后基于预先建立的判别式进行掺假牛肉的判别，现对于现有技术中使用He-Ne激光器和CCD相机为基础结合生物散斑进行检测，本发明实施例，仅利用可视化嗅觉传感器阵列生成的颜色结合预先构建的判别式进行检测，不需要使用复杂的设备也不需要复杂的数据处理过程，进而简化了检测过程。

而且，可视化嗅觉技术是一种新型的食品品质快速检测技术，它是利用化学显色剂与待测样品气相中微痕量化学成分反应前后，色敏传感器颜色发生变化这一性质实现样品品质的定性、定量分析。可视化嗅觉技术可以避免环境湿度对检测结果的影响，较基于金属氧化物电极的传统电子鼻具有显著的优点，可以提高掺假牛肉的检测准确度。

另外，本发明实施例中的样本无需复杂的预处理，操作极为方便；检测时间短，反应时间为5分钟，效率高；无需大型仪器，检测成本低。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.一种基于可视化嗅觉技术的牛肉中掺假猪肉快速鉴别方法，其特征在于，所述方法包括：

将肉样制备成肉糜；将肉糜平摊在容器底部；将可视化嗅觉传感器阵列设有颜色响应物质的一面贴在肉糜上；将容器密封，反应3-8分钟，取出可视化嗅觉传感器阵列；

读取所述可视化嗅觉传感器阵列中各个传感器在检测前后的RGB差值的绝对值；并获取预先建立的判别式，利用所述判别式判定肉样中是否掺假猪肉；

所述预先建立的判别式的建立过程包括：

将猪肉按照预设比例掺假到牛肉中，得到若干个试样；

利用可视化嗅觉传感器检测试样，得到检测前后的检测试样的RGB的差值的绝对值的集合；

将各个试样的RBG差值的绝对值作为一组数据点，以及纯牛肉对应的检测前后的RGB的差值的绝对值作为另一组数据间，并将各组数据点映射到三维空间中，其中，所述三维空间是以RGB差值的绝对值为坐标值构建的；

针对预设的每一个投影方向，将各个传感器的数据点进行投影，并计算所述投影方向对应的组间偏差平方以及组内偏差平方；并根据所述组间偏差平方以及组内偏差平方计算所述投影方向对应的F值；根据各个投影方向对应的F值，获取最大的F值对应的投影方向；

并根据最大F值对应的投影方向的方向向量建立判别式；

所述计算所述投影方向对应的组间偏差平方以及组内偏差平方，包括：

利用公式，

计算所述投影方向对应的组间偏差平方，其中，

S_A为投影方向对应的组间偏差平方；∑为求和函数；k为试样的个数；i为试样的序号；n_i为第i个类别样本量；

为第i个类别观测值经投影后数值的平均值；

为全样本观测值经投影后数值的平均值；a为投影方向对应的方向向量；

利用公式，

计算组内偏差平方，其中，

y_ij为第i类别样本观测值经投影后的数值；

为第i类别观测值经投影后数值的平均值；x_ij为第i个类别样本的观测值；

根据所述组间偏差平方以及组内偏差平方计算所述投影方向对应的F值，包括：

令

利用公式，

计算投影方向对应的F值；

所述判别式，包括：

y_i＝a^Tx(i＝1,2,...,s)，其中，

x为肉糜对应的各个传感器在检测前后的RGB差值的绝对值组成的向量。

Images