CN110658101A - 一种检测海参在微波真空干燥过程中水分变化的方法 - Google Patents
一种检测海参在微波真空干燥过程中水分变化的方法 Download PDFInfo
- Publication number
- CN110658101A CN110658101A CN201910994043.9A CN201910994043A CN110658101A CN 110658101 A CN110658101 A CN 110658101A CN 201910994043 A CN201910994043 A CN 201910994043A CN 110658101 A CN110658101 A CN 110658101A
- Authority
- CN
- China
- Prior art keywords
- sea cucumber
- sample
- time
- vacuum drying
- drying process
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N5/00—Analysing materials by weighing, e.g. weighing small particles separated from a gas or liquid
- G01N5/04—Analysing materials by weighing, e.g. weighing small particles separated from a gas or liquid by removing a component, e.g. by evaporation, and weighing the remainder
- G01N5/045—Analysing materials by weighing, e.g. weighing small particles separated from a gas or liquid by removing a component, e.g. by evaporation, and weighing the remainder for determining moisture content
-
- 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
- G01N24/082—Measurement of solid, liquid or gas content
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- High Energy & Nuclear Physics (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明公开了一种检测海参在微波真空干燥过程中水分变化的方法,利用微波真空干燥对海参进行干燥,通过低场核磁技术(LF‑NMR)和磁共振成像技术(MRI)监测海参在干燥过程中的水分变化情况;并通过偏最小二乘回归方法,建立海参在干制过程中水分含量PLSR预测模型,通过分析表明LF‑NMR可以用于监测海参在干燥过程中品质的变化。利用MRI技术可以准确的监测海参在MVD过程中内部的水分变化。本发明方法节能高效、使用安全、易于控制;结合LF‑NMR和MRI技术,对海参无损伤、快速,海参无需前处理,可以实现对海参干制过程中水分的变化情况进行快速无损检测。
Description
技术领域
本发明属于食品加工检测技术领域,涉及一种快速无损检测技术,更具体地说,涉及一种检测海参在微波真空干燥过程中水分变化的方法。
背景技术
海参隶属于棘皮动物门(Echinodermata),海参纲(Holothrioider),历史久远,长达六亿多年,主要食用底栖藻类与浮游生物。约共有140种海参生活在我国广阔的海域,其中有食用价值的品种就有20多种,为国民大众提供了餐桌上的美味。海参的可食用部分主要由具有活性功能的胶原蛋白和粘多糖组成的体壁,具有极高的滋补功效和营养价值;与此同时,在提高免疫力、记忆力、防止糖尿病和动脉硬化、抗肿瘤等方面都体现了海参诸多的药用价值。近年来,我国经济的快速增长,得益于海参产业的迅猛发展,因此,海参为我国经济发展所做的贡献会越来越大。
由于海参从海水中取出后会发生自溶,难以保存和运输;因此,世界各地的80%以上的新鲜海参被加工成脱水产品。干制海参具有营养丰富、携带方便、易贮存等特点,广受人们的喜爱。大部分海参用传统技术脱水,这些技术涉及盐析、重复煮沸和暴露在太阳晾晒2~3天。这个过程非常长,使许多活性成分丢失。此外,传统的晒干海参的复水时间长达3天,使其具有极其差的再水化性能。
目前,国内外市场海参产品仍然以干海参为主,当前海参的干燥方法主要是冷冻干燥和自然干燥。冷冻干燥的海参质量较好,但生产成本高;自然干燥海参耗时长,卫生条件不易控制,含盐量高,严重影响了干制海参的质量。因此,高效、节能型海参干燥方法的研究备受关注。
微波真空干燥技术(MVD)是把微波干燥和真空干燥两项干燥技术结合起来,利用介电加热原理,使被加热物整体发热,同时在真空条件下湿物料所含水分的饱和温度(沸点)降低,使得物料可以在较低温度下快速干燥,同时较好地保存物料的营养成分及改善干制品的质量。
目前,测量水分含量的标准方法主要是105℃烘干恒重法,这种化学方法虽然可以获得可靠、精确的结果,但是它们是破坏性的方法,费时费力、污染环境、且只检测小部分代表性的样本以获得平均值,无法保证数据的实时性。由于这些原因,探索一种快速无损、在线评估海参干制过程中的检测方法是非常必要的。近红外光谱可以成功地用于检测海参中水分的含量,与物理化学分析方法测得的结果具有较高相关性。然而,近红外光谱的主要缺点是反射光谱仅提供样品表层的信息。与近红外光谱相比,由于低场核磁共振检测特异性质子,它能够测量完整样品而不受表面性质的影响,因此,低场核磁共振技术更具优势。
低场核磁共振技术由于其非侵入、高重现性、高灵敏度的特点而被广泛用于食品的定量分析。偏最小二乘回归(PLSR)可以较好地解决许多以往用普通多元回归无法解决的问题。在普通多元线形回归的应用中,我们常受到许多限制。最典型的问题就是自变量之间的多重相关性。根据之前研究报道,在偏最小二乘回归中开辟了一种有效的技术途径,它利用对系统中的数据信息进行分解和筛选的方式,提取对因变量的解释性最强的综合变量,辨识系统中的信息与噪声,从而更好地克服变量多重相关性在系统建模中的不良作用。目前利用低场核磁共振技术结合偏最小二乘分析方法快速无损检测海参干制过程中水分含量的研究尚未报道。本发明以海参的低场核磁共振弛豫数据为研究对象,以海参干制过程中水分含量为指标,建立海参干制及复水过程中水分PLSR预测模型,并对PLSR预测模型进行评价,实现海参干制过程中水分含量的快速无损检测。该方法与传统方法相比,样品无需前处理,分析结果准确,重复性好,分析时间短,对海参无破坏,为非侵入式测量方法,提高了测量效率,可以满足生产现场对样品的快速分析需求。
发明内容
本发明针对现有海参干燥技术存在的不足问题,提出了一种快速干燥海参的方法;并结合现有的低场核磁技术,快速无损检测海参在干制过程中水分含量的变化。
为了达到上述目的,本发明提供一种检测海参在微波真空干燥过程中水分变化的方法,包括如下步骤:
S1、样品采集:选取不同重量的新鲜海参,以保证样品具有代表性;将海参去除内脏,置于100℃水中煮制30min,得待干燥海参样品;
S2、水分测定:将步骤S1所述待干燥海参样品105℃恒温干燥箱中直接干燥10h,至恒重,得到海参的最初水分含量的平均值,计为a;再取6只步骤S1所述待干燥海参样品,分别称重,得到初始重量M0;然后进行微波真空干燥,每干燥10min,取出称重,所得重量记为Mt;
其中,根据公式【Mt-(M0-M0×a)】/Mt,计算得到干燥过程中某一时间点的水分含量,作为建模真实值;
S3、样品低场核磁分析:将将步骤S2经过微波真空干燥并称重后的海参样品进行低场核磁共振CPMG序列测试,采集CPMG序列获得样品的弛豫信号,获得回波衰减曲线数据,并反演得到样品的横向弛豫时间T2,制作横向弛豫时间T2曲线;利用核磁共振成像(MRI)对干燥过程中的海参样品进行实时的监测;
所述低场核磁共振CPMG序列测试的参数是,90度脉宽P1:20μs,180度脉宽P2:40μs,重复采样等待时间Tw:1000~10000ms,模拟增益RG1:[10到20,均为整数],数字增益DRG1:[2到5,均为整数],前置放大增益PRG:[1,2,3],NS:4,8,16,NECH:1000~10000,接收机带宽SW:100,200,300KHz,开始采样时间的控制参数RFD:0.002~0.05ms,时延DL1:0.1~0.5ms;
所述核磁共振成像参数设置为:层数:1-32,Fov(视野):0~100mm,层厚:0.5~25mm,层间隙:0.5~25mm,Read size:256,Phase size:192,Average(扫描次数):2,质子密度加权像加权成像的TR(重复时间):2100ms,回波时间TE(重复时间):20ms;
S4、模型的建立:采用化学计量学方法偏最小二乘回归方法处理步骤S3所述回波衰减曲线数据与步骤S2获得的水分含量真实值数据,利用多元数据分析软件,建立微波真空干燥过程中水分含量PLSR预测模型;
S5、模型的评价:根据步骤S4中建立的水分含量预测模型,采用相关系数Rcal2和Rcv2,均方根误差RMSEC和预测标准差RMSECV进行预测模型的评价;相关系数Rcal2和Rcv2越接近于1,说明预测效果越好;
S6、海参在MVD过程中水分的测定:取待测海参样品进行低场核磁共振CPMG序列测试采集CPMG序列获得样品的弛豫信号,获得回波衰减曲线数据,利用已经建立的水分含量PLSR模型,对待测海参样品的回波衰减曲线进行分析,得到所述待测海参样品的水分含量的预测值;
其中,所述待测海参样品为:取海参,去除内脏,100℃水煮30min,经微波真空干燥所得;所述微波真空干燥的功率和真空度与步骤S2所述微波真空干燥的功率相同;
所述低场核磁共振CPMG序列测试的参数是,90度脉宽P1:20μs,180度脉宽P2:40μs,重复采样等待时间Tw:1000~10000ms,模拟增益RG1:[10到20,均为整数],数字增益DRG1:[2到5,均为整数],前置放大增益PRG:[1,2,3],NS:4,8,16,NECH:1000~10000,接收机带宽SW:100,200,300KHz,开始采样时间的控制参数RFD:0.002~0.05ms,时延DL1:0.1~0.5ms。
优选方式下,步骤S1所述新鲜海参的重量为25.0~33.5g;所述新鲜海参共12只。
优选方式下,步骤S3所述真空干燥的真空度为0.09MPa,功率为150~250W,干燥时间60~100min,干燥至所述待干燥海参样品的水分含量小于15%。
优选方式下,所述检测海参在微波真空干燥过程中水分变化的方法,包括如下步骤:
S1、样品采集:选取25.0~33.5g的新鲜海参12只,以保证样品具有代表性;将海参去除内脏,置于100℃水中煮制30min,得待干燥海参样品;
S2、水分测定:取6只步骤S1所述待干燥海参样品105℃恒温干燥箱中直接干燥10h,至恒重,得到海参的最初水分含量的平均值,计为a;再取6只步骤S1所述待干燥海参样品,分别称重,得到初始重量M0;然后进行微波真空干燥,根据GB 31602-2015干燥至水分含量小于15%,所述微波真空干燥的真空度为0.09MPa,功率为150W,干燥时间100min;每干燥10min,取出称重,所得重量记为Mt,
其中,根据公式【Mt-(M0-M0×a)】/Mt,计算得到干燥过程中某一时间点的水分含量,作为建模真实值;
S3、样品低场核磁分析:将步骤S2经过微波真空干燥并称重后的海参样品采用NMI20-030H-I磁共振成像分析仪进行低场核磁分析,利用CPMG序列测量海参横向弛豫时间T2,参数设置为:90度脉宽P1:20μs,180度脉宽P2:40μs,重复采样等待时间Tw:4000,模拟增益RG1:20,数字增益DRG1:3,前置放大增益PRG:1,NS:16,NECH:8000,接收机带宽SW:200KHz,开始采样时间的控制参数RFD:0.002ms,时延DL1:0.5ms,获得回波衰减曲线,然后采用一维反拉普拉斯算法作为横向弛豫时间T2:反演算法(迭代次数:1000000),经质量归一得出各样品的横向弛豫图谱;
利用核磁共振成像(MRI)对干燥过程中的海参样品进行实时的监测;MRI参数设置为:层数:1,Fov(视野):100×100mm,层厚:4.0mm,层间隙:2.0mm,Read size:256,Phasesize:192,Average(扫描次数):2,质子密度加权像加权成像的TR(重复时间):2100ms,回波时间TE(重复时间):20ms;
S4、模型的建立:将海参样品的回波衰减弛豫曲线数据与水分含量相关联,采用化学计量学方法偏最小二乘回归方法处理步骤S3所述回波衰减曲线数据与步骤S3获得的建模真实值数据,利用多元数据分析软件,建立微波真空干燥过程中水分含量PLSR(校正集、交互验证集)预测模型;得校正集和交互验证集相关系数Rcal 2和Rcv 2为0.992、0.991;水分含量预测PLSR模型为:y=0.992+0.004x,R2=0.991,其中x为核磁弛豫时间,y为水分含量;
S5、模型的评价:根据步骤S4中建立的水分含量预测模型,采用相关系数Rcal 2和Rcv 2,均方根误差RMSEC和预测标准差RMSECV进行预测模型的评价;相关系数Rcal 2和Rcv 2越接近于1,说明预测效果越好;
S6、海参在MVD过程中水分的测定:取待测海参样品进行低场核磁共振CPMG序列测试,采集CPMG序列获得样品的弛豫信号,获得回波衰减曲线数据,利用已经建立的水分含量PLSR模型,对待测海参样品的回波衰减曲线进行分析,得到所述待测海参样品的水分含量的预测值;
其中,所述待测海参样品为:取海参,去除内脏,100℃水煮30min,0.09MPa、150W微波真空干燥所得;
所述低场核磁共振CPMG序列测试参数设置为:90度脉宽P1:20μs,180度脉宽P2:40μs,重复采样等待时间Tw:4000,模拟增益RG1:20,数字增益DRG1:3,前置放大增益PRG:1,NS:16,NECH:8000,接收机带宽SW:200KHz,开始采样时间的控制参数RFD:0.002ms,时延DL1:0.5ms。
优选方式下,所述检测海参在微波真空干燥过程中水分变化的方法,包括如下步骤:
S1、样品采集:选取25.0~33.5g的新鲜海参12只,以保证样品具有代表性;将海参去除内脏,置于100℃水中煮制30min,得待干燥海参样品;
S2、水分测定:取6只步骤S1所述待干燥海参样品105℃恒温干燥箱中直接干燥10h,至恒重,得到海参的最初水分含量的平均值,计为a;再取6只步骤S1所述待干燥海参样品,分别称重,得到初始重量M0;然后进行微波真空干燥,根据GB 31602-2015干燥至水分含量小于15%,所述微波真空干燥的真空度为0.09MPa,功率为200W,干燥时间80min;每干燥10min,取出称重,所得重量记为Mt,
其中,根据公式【Mt-(M0-M0×a)】/Mt,计算得到干燥过程中某一时间点的水分含量,作为建模真实值;
S3、样品低场核磁分析:将步骤S2经过微波真空干燥并称重后的海参样品,采用NMI20-030H-I磁共振成像分析仪对每个样品进行低场核磁分析,利用CPMG序列,测量海参横向弛豫时间T2,参数设置为:90度脉宽P1:20μs,180度脉宽P2:40μs,重复采样等待时间Tw:4000,模拟增益RG1:20,数字增益DRG1:3,前置放大增益PRG:1,NS:16,NECH:8000,接收机带宽SW:200KHz,开始采样时间的控制参数RFD:0.002ms,时延DL1:0.5ms,获得回波衰减曲线,然后采用一维反拉普拉斯算法作为横向弛豫时间T2:反演算法(迭代次数:1000000),经质量归一得出各样品的横向弛豫图谱;
利用核磁共振成像(MRI)对干燥过程中的海参样品进行实时的监测;
MRI参数设置为:层数:1,Fov(视野):100×100mm,层厚:4.0mm,层间隙:2.0mm,Read size:256,Phase size:192,Average(扫描次数):2,质子密度加权像加权成像的TR(重复时间):2100ms,回波时间TE(重复时间):20ms;
S4、模型的建立:将海参样品的回波衰减弛豫曲线数据与水分含量相关联,采用化学计量学方法偏最小二乘回归方法处理步骤S3所述回波衰减曲线数据与步骤S2获得的水分含量真实值数据,利用多元数据分析软件,建立微波真空干燥过程中水分含量PLSR(校正集、交互验证集)预测模型;校正集和交互验证集相关系数Rcal 2和Rcv 2为0.994、0.993;水分含量预测PLSR模型为:y=0.994+0.003x,R2=0.994,其中x为核磁弛豫时间,y为水分含量;
S5、模型的评价:根据步骤S4中建立的水分含量预测模型,采用相关系数Rcal 2和Rcv 2,均方根误差RMSEC和预测标准差RMSECV进行预测模型的评价;相关系数Rcal 2和Rcv 2越接近于1,说明预测效果越好;
S6、海参在MVD过程中水分的测定:取待测海参样品进行低场核磁共振CPMG序列测试,采集CPMG序列获得样品的弛豫信号,获得回波衰减曲线数据,利用已经建立的水分含量PLSR模型,对待测海参样品的回波衰减曲线进行分析,得到所述待测海参样品的水分含量的预测值;
其中,所述待测海参样品为:取海参,去除内脏,1000℃水煮30min,0.09MPa、200W微波真空干燥所得;
所述低场核磁共振CPMG序列测试参数设置为:90度脉宽P1:20μs,180度脉宽P2:40μs,重复采样等待时间Tw:4000,模拟增益RG1:20,数字增益DRG1:3,前置放大增益PRG:1,NS:16,NECH:8000,接收机带宽SW:200KHz,开始采样时间的控制参数RFD:0.002ms,时延DL1:0.5ms。
优选方式下,所述检测海参在微波真空干燥过程中水分变化的方法,包括如下步骤:
S1、样品采集:选取25.0~33.5g的新鲜海参12只,以保证样品具有代表性;将海参去除内脏,置于100℃水中煮制30min,得待干燥海参样品;
S2、水分测定:取6只步骤S1所述待干燥海参样品105℃恒温干燥箱中直接干燥10h,至恒重,得到海参的最初水分含量的平均值,计为a;再取6只步骤S1所述待干燥海参样品,分别称重,得到初始重量M0;然后进行微波真空干燥,根据GB 31602-2015干燥至水分含量小于15%,所述微波真空干燥的真空度为0.09MPa,功率为250W,干燥时间60min;每干燥10min,取出称重,所得重量记为Mt,
其中,根据公式【Mt-(M0-M0×a)】/Mt,计算得到干燥过程中某一时间点的水分含量,作为建模真实值;
S3、样品低场核磁分析:将步骤S2经过微波真空干燥并称重后的海参样品采用NMI20-030H-I磁共振成像分析仪对每个样品进行低场核磁分析,利用CPMG序列,测量海参横向弛豫时间T2,参数设置为:90度脉宽P1:20μs,180度脉宽P2:40μs,重复采样等待时间Tw:4000,模拟增益RG1:20,数字增益DRG1:3,前置放大增益PRG:1,NS:16,NECH:8000,接收机带宽SW:200KHz,开始采样时间的控制参数RFD:0.002ms,时延DL1:0.5ms,获得回波衰减曲线,然后采用一维反拉普拉斯算法作为横向弛豫时间T2:反演算法(迭代次数:1000000),经质量归一得出各样品的横向弛豫图谱;
利用核磁共振成像(MRI)对干燥过程中的海参样品进行实时的监测;
MRI参数设置为:层数:1,Fov(视野):100×100mm,层厚:4.0mm,层间隙:2.0mm,Read size:256,Phase size:192,Average(扫描次数):2,质子密度加权像加权成像的TR(重复时间):2100ms,回波时间TE(重复时间):20ms;
S4、模型的建立:将海参样品的回波衰减弛豫曲线数据与水分含量相关联,采用化学计量学方法偏最小二乘回归方法处理步骤S3所述回波衰减曲线数据与步骤S2获得的水分含量真实值数据,利用多元数据分析软件,建立微波真空干燥过程中水分含量PLSR(校正集、交互验证集)预测模型;校正集和交互验证集相关系数Rcal 2和Rcv 2为0.987、0.984;水分含量预测PLSR模型为:y=0.986+0.006x,R2=0.987,其中x为核磁弛豫时间,y为水分含量;
S5、模型的评价:根据步骤S4中建立的水分含量预测模型,采用相关系数Rcal 2和Rcv 2,均方根误差RMSEC和预测标准差RMSECV进行预测模型的评价;相关系数Rcal 2和Rcv 2越接近于1,说明预测效果越好;
S6、海参在MVD过程中水分的测定:取待测海参样品进行低场核磁共振CPMG序列测试,采集CPMG序列获得样品的弛豫信号,获得回波衰减曲线数据,利用已经建立的水分含量PLSR模型,对待测海参样品的回波衰减曲线进行分析,得到所述待测海参样品的水分含量的预测值;
其中,所述待测海参样品为:取海参,去除内脏,100℃水煮30min,0.09MPa、250W微波真空干燥所得;
所述低场核磁共振CPMG序列测试参数设置为:90度脉宽P1:20μs,180度脉宽P2:40μs,重复采样等待时间Tw:4000,模拟增益RG1:20,数字增益DRG1:3,前置放大增益PRG:1,NS:16,NECH:8000,接收机带宽SW:200KHz,开始采样时间的控制参数RFD:0.002ms,时延DL1:0.5ms。
附图说明:
图1为本发明实施例海参干制过程中水分含量的变化,其中150W表示实施例1的干制过程,200W表示实施例2的干制过程,250W表示实施例3的干制过程;
图2为本发明实施例海参干制过程中干燥速率的变化,其中150W表示实施例1的干制过程,200W表示实施例2的干制过程,250W表示实施例3的干制过程;
图3为本发明实施例1海参在MVD(150W)干制过程CPMG横向弛豫图谱;
图4为本发明实施例2海参在MVD(200W)干制过程CPMG横向弛豫图谱;
图5为本发明实施例3海参在MVD(250W)干制过程CPMG横向弛豫图谱;
图6~12为本发明实施例1海参在MVD(150W)干制过程中的质子密度成像;
图13~19为本发明实施例2海参在MVD(200W)干制过程中的质子密度成像;
图20~26为本发明实施例3海参在MVD(250W)干制过程中的质子密度成像;
图27为本发明实施例1海参MVD(150W)干制过程中水分含量PLSR模型的预测值与真实值回归谱图;
图28为本发明实施例2海参MVD(200W)干制过程中水分含量PLSR模型的预测值与真实值回归谱图;
图29为本发明实施例3海参MVD(250W)干制过程中水分含量PLSR模型的预测值与真实值回归谱图。
具体实施方式
下面通过实施例对发明内容作进一步说明。
本发明提供一种快速干燥海参的方法及无损检测和海参在干制过程中水分含量的方法,包括如下步骤:
1、样品采集:选取不同大小、质量的新鲜海参,以保证样品具有代表性。海参MVD干制过程每隔10min取一次样,三种不同功率150W、200W、250W分别需要干燥100min、80min、60min,真空度为0.09MPa,。
2、水分的测定:样品在105℃恒温干燥箱中直接干燥10h,至恒重,得到海参的最初水分含量a;再取6只步骤S1所述待干燥海参样品,称重,得到初始重量M0;然后进行微波真空干燥,根据GB 31602-2015干燥至水分含量小于15%,所述微波真空干燥的功率为150W,干燥时间100min;每干燥10min,取出称重,所得重量记为Mt,
其中,根据公式【Mt-(M0-M0×a)】/Mt,计算得到干燥过程中某一时间点的水分含量,作为建模真实值;同时得到海参干制过程中的干燥曲线(图1)和干燥速率曲线(图2)。
3、样品低场核磁分析:将步骤S2中称重后的干燥海参样品采用NMI20-030H-I磁共振成像分析仪进行低场核磁分析,利用CPMG序列,测量海参横向弛豫时间T2,参数设置为:90度脉宽P1:20μs,180度脉宽P2:40μs,重复采样等待时间Tw:4000,模拟增益RG1:20,数字增益DRG1:3,前置放大增益PRG:1,NS:16,NECH:8000,接收机带宽SW:200KHz,开始采样时间的控制参数RFD:0.002ms,时延DL1:0.5ms,获得回波衰减曲线,然后采用一维反拉普拉斯算法作为横向弛豫时间T2:反演算法(迭代次数:1000000),经质量归一得出各样品的横向弛豫图谱。如图3~5所示(海参在不同微波功率处理下的干制过程中的弛豫曲线)。
4、MRI参数设置为:层数:1,Fov(视野):100×100mm,层厚:4.0mm,层间隙:2.0mm,Read size:256,Phase size:192,Average(扫描次数):2,质子密度加权像加权成像的TR(重复时间):2100ms,回波时间TE(重复时间):20ms。MRI的测定:通过MRI对海参在MVD干燥的过程进行实时的监测,如图3可以看出海参在MVD干燥海参过程中水分的散失是由内向外进行的,微波功率越大,干燥的速率越快;因此,说明磁共振成像(MRI)可以实现对海参在微波真空干燥过程中水分含量的实时监测。
5、模型的建立:将海参样品的回波衰减弛豫曲线数据与水分含量相关联,利用偏最小二乘回归算法,建立水分含量PLSR(校正集、交互验证集)的预测模型。如图4所示海参在干制过程中水分含量的PLSR预测模型,校正集和交互验证集相关系数Rcal 2和Rcv 2在150W、200W、250W时分别为0.992、0.991,0.994、0.993,0.987、0.984;
6、模型的评价:图4所示,海参在干制过程中水分含量PLSR预测模型的评价结果。水分的PLSR预测模型校正集和交互验证集的结果相近,相关系数Rcal 2和Rcv 2均大于0.99,均方根误差RMSEC和预测标准差SEP均小于0.03,均较小,说明低场核磁共振结合PLSR可以准确地预测海参的水分含量。
7、待测样品水分含量的测定:通过利用已经建立的水分含量PLSR模型,对待测样品的回波衰减曲线进行分析,得到相应的水分含量的预测值。
下述实施例使用的是产自苏州纽迈分析仪器有限公司的NMI20-030H-I核磁共振成像仪。
实施例1:
一种检测海参在微波真空干燥过程中水分变化的方法,包括如下步骤:
S1、样品采集:选取25.0~33.5g的新鲜海参12只,以保证样品具有代表性;将海参去除内脏,置于100℃水中煮制30min,得待干燥海参样品;
S2、水分测定:样品在105℃恒温干燥箱中直接干燥10h,至恒重,得到海参的最初水分含量a;再取6只步骤S1所述待干燥海参样品,分别称重,得到初始重量M0;然后进行微波真空干燥,根据GB 31602-2015干燥至水分含量小于15%,所述微波真空干燥的真空度为0.09MPa,功率为150W,干燥时间100min;每干燥10min,取出称重,所得重量记为Mt,
其中,根据公式【Mt-(M0-M0×a)】/Mt,计算得到干燥过程中某一时间点的水分含量,作为建模真实值;同时得到海参干制过程中的干燥曲线(图1)和干燥速率曲线(图2)。
S3、样品低场核磁分析:将S2中经微波真空干燥称重后的干燥海参样品,采用NMI20-030H-I磁共振成像分析仪进行低场核磁分析,利用CPMG序列,测量海参横向弛豫时间T2,参数设置为:90度脉宽P1:20μs,180度脉宽P2:40μs,重复采样等待时间Tw:4000,模拟增益RG1:20,数字增益DRG1:3,前置放大增益PRG:1,NS:16,NECH:8000,接收机带宽SW:200KHz,开始采样时间的控制参数RFD:0.002ms,时延DL1:0.5ms,获得回波衰减曲线,然后采用一维反拉普拉斯算法作为横向弛豫时间T2:反演算法(迭代次数:1000000),经质量归一得出各样品的横向弛豫图谱;如图3所示(海参在微波功率150W处理下的干制过程中的弛豫曲线),其中T21代表结合水、T22代表不易移动水、T23代表自由水;
利用核磁共振成像(MRI)对干燥过程中的海参样品进行实时的监测;
MRI参数设置为:层数:1,Fov(视野):100×100mm,层厚:4.0mm,层间隙:2.0mm,Read size:256,Phase size:192,Average(扫描次数):2,质子密度加权像加权成像的TR(重复时间):2100ms,回波时间TE(重复时间):20ms。MRI的测定:通过MRI对海参在MVD干燥的过程进行实时的监测,如图6~12为海参干燥过程中的质子密度图像,可以看出海参在MVD干燥海参过程中水分的散失是由内向外进行的,微波功率越大,干燥的速率越快;因此,说明磁共振成像(MRI)可以实现对海参在微波真空干燥过程中水分含量的实时监测。
S4:模型的建立:将海参样品的回波衰减弛豫曲线数据与水分含量相关联,采用化学计量学方法偏最小二乘回归方法处理步骤S3所述回波衰减曲线数据与步骤S2获得的建模真实值数据,利用多元数据分析软件,建立微波真空干燥过程中水分含量PLSR(校正集、交互验证集)预测模型;得校正集和交互验证集相关系数Rcal 2和Rcv 2为0.992、0.991;水分含量预测PLSR模型为:y=0.992+0.004x,R2=0.991,其中x为核磁弛豫时间,y为测得的水分含量;
S5:模型的评价:根据步骤S4中建立的水分含量预测模型,采用相关系数Rcal 2和Rcv 2,均方根误差RMSEC和预测标准差RMSECV进行预测模型的评价;相关系数Rcal 2和Rcv 2越接近于1,说明预测效果越好。图27所示,海参在干制过程中水分含量PLSR预测模型的评价结果,水分的PLSR预测模型校正集和交互验证集的结果相近,相关系数Rcal 2和Rcv 2均大于0.99;均方根误差RMSEC和预测标准差SEP均小于0.03,均较小,说明低场核磁共振结合PLSR可以准确地预测海参的水分含量;
S6、海参在MVD过程中水分的测定:取待测海参样品进行低场核磁共振CPMG序列测试,采集CPMG序列获得样品的弛豫信号,获得回波衰减曲线数据,利用已经建立的水分含量PLSR模型,对待测海参样品的回波衰减曲线进行分析,得到所述待测海参样品的水分含量的预测值;
其中,所述待测海参样品为:取海参,去除内脏,1000℃水煮30min,0.09MPa、150W微波真空干燥所得;
所述低场核磁共振CPMG序列测试参数设置为:90度脉宽P1:20μs,180度脉宽P2:40μs,重复采样等待时间Tw:4000,模拟增益RG1:20,数字增益DRG1:3,前置放大增益PRG:1,NS:16,NECH:8000,接收机带宽SW:200KHz,开始采样时间的控制参数RFD:0.002ms,时延DL1:0.5ms。
将海参干燥过程的真实水分含量与预测水分含量进行对比,结果如表1所示,所述预测值为使用PLSR预测模型计算所得,所述真实值为使用105℃恒重法测量所得,预测误差均较小,由此可以说明PLSR模型具有良好的相关性。
表1海参MVD(150W)干制过程中海参真实水分含量和预测水分含量的比较
实施例2:
一种检测海参在微波真空干燥过程中水分变化的方法,包括如下步骤:
S1、样品采集:选取25.0~33.5g的新鲜海参12只,以保证样品具有代表性;将海参去除内脏,置于100℃水中煮制30min,得待干燥海参样品;
S2、水分测定:样品在105℃恒温干燥箱中直接干燥10h,至恒重,得到海参的最初水分含量a;再取6只步骤S1所述待干燥海参样品,分别称重,得到初始重量M0;然后进行微波真空干燥,根据GB 31602-2015干燥至水分含量小于15%,所述微波真空干燥的真空度为0.09MPa,功率为200W,干燥时间80min;每干燥10min,取出称重,所得重量记为Mt,
其中,根据公式【Mt-(M0-M0×a)】/Mt,计算得到干燥过程中某一时间点的水分含量,作为建模真实值;同时得到海参干制过程中的干燥曲线(图1)和干燥速率曲线(图2);
S3、样品低场核磁分析:将步骤S2中经微波真空干燥称重后的干燥海参样品采用NMI20-030H-I磁共振成像分析仪进行低场核磁分析,采用NMI20-030H-I磁共振成像分析仪对每个样品进行低场核磁分析,利用CPMG序列,测量海参横向弛豫时间T2,参数设置为:90度脉宽P1:20μs,180度脉宽P2:40μs,重复采样等待时间Tw:4000,模拟增益RG1:20,数字增益DRG1:3,前置放大增益PRG:1,NS:16,NECH:8000,接收机带宽SW:200KHz,开始采样时间的控制参数RFD:0.002ms,时延DL1:0.5ms,获得回波衰减曲线,然后采用一维反拉普拉斯算法作为横向弛豫时间T2:反演算法(迭代次数:1000000),经质量归一得出各样品的横向弛豫图谱;如图4所示(海参在微波功率200W处理下的干制过程中的弛豫曲线)其中T21代表结合水、T22代表不易移动水、T23代表自由水;
利用核磁共振成像(MRI)对干燥过程中的海参样品进行实时的监测;
MRI参数设置为:层数:1,Fov(视野):100×100mm,层厚:4.0mm,层间隙:2.0mm,Read size:256,Phase size:192,Average(扫描次数):2,质子密度加权像加权成像的TR(重复时间):2100ms,回波时间TE(重复时间):20ms;MRI的测定:通过MRI对海参在MVD干燥的过程进行实时的监测,如图13~19为海参干燥过程中的质子密度图像,可以看出海参在MVD干燥海参过程中水分的散失是由内向外进行的,微波功率越大,干燥的速率越快;因此,说明磁共振成像(MRI)可以实现对海参在微波真空干燥过程中水分含量的实时监测。
S4、模型的建立:将海参样品的回波衰减弛豫曲线数据与水分含量相关联,采用化学计量学方法偏最小二乘回归方法处理步骤S3所述回波衰减曲线数据与步骤S2获得的建模真实值数据,利用多元数据分析软件,建立微波真空干燥过程中水分含量PLSR(校正集、交互验证集)预测模型;校正集和交互验证集相关系数Rcal 2和Rcv 2为0.994、0.993;水分含量预测PLSR模型为:y=0.994+0.003x,R2=0.994,其中x为核磁弛豫时间,y为测得的水分含量;
S5、模型的评价:根据步骤S4中建立的水分含量预测模型,采用相关系数Rcal 2和Rcv 2,均方根误差RMSEC和预测标准差RMSECV进行预测模型的评价;相关系数Rcal 2和Rcv 2越接近于1,说明预测效果越好。图28所示,海参在干制过程中水分含量PLSR预测模型的评价结果,水分的PLSR预测模型校正集和交互验证集的结果相近,相关系数Rcal 2和Rcv 2均大于0.99,均方根误差RMSEC和预测标准差SEP均小于0.03,均较小,说明低场核磁共振结合PLSR可以准确地预测海参的水分含量;
S6、海参在MVD过程中水分的测定:取待测海参样品进行低场核磁共振CPMG序列测试,采集CPMG序列获得样品的弛豫信号,获得回波衰减曲线数据,利用已经建立的水分含量PLSR模型,对待测海参样品的回波衰减曲线进行分析,得到所述待测海参样品的水分含量的预测值;
其中,所述待测海参样品为:取海参,去除内脏,1000℃水煮30min,0.09MPa、200W微波真空干燥所得;
所述低场核磁共振CPMG序列测试参数设置为:90度脉宽P1:20μs,180度脉宽P2:40μs,重复采样等待时间Tw:4000,模拟增益RG1:20,数字增益DRG1:3,前置放大增益PRG:1,NS:16,NECH:8000,接收机带宽SW:200KHz,开始采样时间的控制参数RFD:0.002ms,时延DL1:0.5ms。将海参干燥过程的真实水分含量与预测水分含量进行对比,结果如表2所示,所述预测值为使用PLSR预测模型计算所得,所述真实值为使用105℃恒重法测量所得,预测误差均较小,由此可以说明PLSR模型具有良好的相关性
表2海参MVD(200W)干制过程中海参真实水分含量和预测水分含量的比较
实施例3:
一种检测海参在微波真空干燥过程中水分变化的方法,包括如下步骤:
S1、样品采集:选取25.0~33.5g的新鲜海参12只,以保证样品具有代表性;将海参去除内脏,置于100℃水中煮制30min,得待干燥海参样品;
S2、样品在105℃恒温干燥箱中直接干燥10h,至恒重,得到海参的最初水分含量a;再取6只步骤S1所述待干燥海参样品,分别称重,得到初始重量M0;然后进行微波真空干燥,根据GB 31602-2015干燥至水分含量小于15%,所述微波真空干燥的真空度为0.09MPa,功率为250W,干燥时间60min;每干燥10min,取出称重,所得重量记为Mt,
其中,根据公式【Mt-(M0-M0×a)】/Mt,计算得到干燥过程中某一时间点的水分含量,作为建模真实值;同时得到海参干制过程中的干燥曲线(图1)和干燥速率曲线(图2)。
S3、样品低场核磁分析:将S2中经过微波真空干燥称重后的干燥海参样品采用NMI20-030H-I磁共振成像分析仪进行低场核磁分析,采用NMI20-030H-I磁共振成像分析仪对每个样品进行低场核磁分析,利用CPMG序列,测量海参横向弛豫时间T2,参数设置为:90度脉宽P1:20μs,180度脉宽P2:40μs,重复采样等待时间Tw:4000,模拟增益RG1:20,数字增益DRG1:3,前置放大增益PRG:1,NS:16,NECH:8000,接收机带宽SW:200KHz,开始采样时间的控制参数RFD:0.002ms,时延DL1:0.5ms,获得回波衰减曲线,然后采用一维反拉普拉斯算法作为横向弛豫时间T2:反演算法(迭代次数:1000000),经质量归一得出各样品的横向弛豫图谱,如图5所示(海参在微波功率250W处理下的干制过程中的弛豫曲线),其中T21代表结合水、T22代表不易移动水、T23代表自由水。
利用核磁共振成像(MRI)对干燥过程中的海参样品进行实时的监测;
MRI参数设置为:层数:1,Fov(视野):100×100mm,层厚:4.0mm,层间隙:2.0mm,Read size:256,Phase size:192,Average(扫描次数):2,质子密度加权像加权成像的TR(重复时间):2100ms,回波时间TE(重复时间):20ms。MRI的测定:通过MRI对海参在MVD干燥的过程进行实时的监测,如图20~26为海参干燥过程中的质子密度图像,可以看出海参在MVD干燥海参过程中水分的散失是由内向外进行的,微波功率越大,干燥的速率越快;因此,说明磁共振成像(MRI)可以实现对海参在微波真空干燥过程中水分含量的实时监测;
S4、模型的建立:将海参样品的回波衰减弛豫曲线数据与水分含量相关联,采用化学计量学方法偏最小二乘回归方法处理步骤S3所述回波衰减曲线数据与步骤S2获得的建模真实值数据,利用多元数据分析软件,建立微波真空干燥过程中水分含量PLSR(校正集、交互验证集)预测模型;校正集和交互验证集相关系数Rcal 2和Rcv 2为0.987、0.984;水分含量预测PLSR模型为:y=0.986+0.006x,R2=0.987,其中x为核磁弛豫时间,y为测得的水分含量;
S5、模型的评价:根据步骤S4中建立的水分含量预测模型,采用相关系数Rcal 2和Rcv 2,均方根误差RMSEC和预测标准差RMSECV进行预测模型的评价;相关系数Rcal 2和Rcv 2越接近于1,说明预测效果越好。图29所示,海参在干制及复水过程中水分含量PLSR预测模型的评价结果,水分的PLSR预测模型校正集和交互验证集的结果相近,相关系数Rcal 2和Rcv 2均大于0.99,均方根误差RMSEC和预测标准差SEP均小于0.03,均较小,说明低场核磁共振结合PLSR可以准确地预测海参的水分含量;
S6、海参在MVD过程中水分的测定:取待测海参样品进行低场核磁共振CPMG序列测试,采集CPMG序列获得样品的弛豫信号,获得回波衰减曲线数据,利用已经建立的水分含量PLSR模型,对待测海参样品的回波衰减曲线进行分析,得到所述待测海参样品的水分含量的预测值;
其中,所述待测海参样品为:取海参,去除内脏,1000℃水煮30min,0.09MPa、250W微波真空干燥所得;
所述低场核磁共振CPMG序列测试参数设置为:90度脉宽P1:20μs,180度脉宽P2:40μs,重复采样等待时间Tw:4000,模拟增益RG1:20,数字增益DRG1:3,前置放大增益PRG:1,NS:16,NECH:8000,接收机带宽SW:200KHz,开始采样时间的控制参数RFD:0.002ms,时延DL1:0.5ms。将海参干燥过程的真实水分含量与预测水分含量进行对比,结果如表3所示,所述预测值为使用PLSR预测模型计算所得,所述真实值为使用105℃恒重法测量所得,预测误差均较小,由此可以说明PLSR模型具有良好的相关性。
表3海参MVD(250W)干制过程中海参真实水分含量和预测水分含量的比较
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明披露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (6)
1.一种检测海参在微波真空干燥过程中水分变化的方法,其特征在于,包括步骤:
S1、样品采集:选取不同重量的海参,去除内脏,置于100℃水中煮制30min,得待干燥海参样品;
S2、水分测定:将步骤S1所述待干燥海参样品于105℃干燥10h,至恒重,得到海参最初水分含量的平均值,计为a;再取6只步骤S1所述待干燥海参样品,分别称重,得到海参初始重量M0;然后进行微波真空干燥,每干燥10min,取出称重,所得重量记为Mt;
其中,根据公式【Mt-(M0-M0×a)】/Mt,计算得到干燥过程中某一时间点的水分含量,作为建模真实值;
S3、样品低场核磁分析:将步骤S2经过微波真空干燥并称重后的海参样品进行低场核磁共振CPMG序列测试,采集CPMG序列获得样品的弛豫信号,获得回波衰减曲线数据,并反演得到样品的横向弛豫时间T2,制作横向弛豫时间T2曲线;利用核磁共振成像MRI对干燥过程中的海参样品进行实时的监测;
所述低场核磁共振CPMG序列测试的参数是,90度脉宽P1:20μs,180度脉宽P2:40μs,重复采样等待时间Tw:1000~10000ms,模拟增益RG1:[10到20,均为整数],数字增益DRG1:[2到5,均为整数],前置放大增益PRG:[1,2,3],NS:4,8,16,NECH:1000~10000,接收机带宽SW:100,200,300KHz,开始采样时间的控制参数RFD:0.002~0.05ms,时延DL1:0.1~0.5ms;
所述核磁共振成像参数设置为:层数:1~32,Fov视野:0~100mm,层厚:0.5~25mm,层间隙:0.5~25mm,Read size:256,Phase size:192,Average扫描次数:2,质子密度加权像加权成像的TR重复时间:2100ms,回波时间TE重复时间:20ms;
S4:模型的建立:采用化学计量学方法偏最小二乘回归方法处理步骤S3所述回波衰减曲线数据与步骤S2获得的水分含量真实值数据,利用多元数据分析软件,建立微波真空干燥过程中水分含量PLSR预测模型;
S5:模型的评价:根据步骤S4中建立的水分含量PLSR预测模型,采用相关系数Rcal2和Rcv2,均方根误差RMSEC和预测标准差RMSECV进行预测模型的评价;
S6:海参在MVD过程中水分的测定:取待测海参样品,进行低场核磁共振CPMG序列测试,采集CPMG序列获得样品的弛豫信号,获得回波衰减曲线数据,利用已经建立的水分含量PLSR模型,对待测海参样品的回波衰减曲线进行分析,得到所述待测海参样品的水分含量的预测值;
其中,所述待测海参样品为:取海参,去除内脏,100℃水煮30min,经微波真空干燥所得;所述微波真空干燥的功率和真空度与步骤S2所述微波真空干燥的功率相同;
所述低场核磁共振CPMG序列测试的参数是,90度脉宽P1:20μs,180度脉宽P2:40μs,重复采样等待时间Tw:1000~10000ms,模拟增益RG1:[10到20,均为整数],数字增益DRG1:[2到5,均为整数],前置放大增益PRG:[1,2,3],NS:4,8,16,NECH:1000~10000,接收机带宽SW:100,200,300KHz,开始采样时间的控制参数RFD:0.002~0.05ms,时延DL1:0.1~0.5ms。
2.根据权利要求1所述检测海参在真空微波真空干燥过程中水分变化的方法,其特征在于,步骤S1所述海参的重量为25.0~33.5g;所述海参共12只。
3.根据权利要求1所述检测海参在微波真空干燥过程中水分变化的方法,其特征在于,步骤S3所述微波真空干燥的真空度为0.09MPa,功率为150~250W,干燥时间60~100min,干燥至所述待干燥海参样品的水分含量小于15%。
4.根据权利要求1所述检测海参在微波真空干燥过程中水分变化的方法,其特征在于,包括步骤:
S1、样品采集:选取25.0~33.5g的海参12只,去除内脏,置于100℃水中煮制30min,得待干燥海参样品;
S2、水分测定:取6只步骤S1所述待干燥海参样品于105℃干燥至恒重,得到海参的最初水分含量的平均值,计为a;再取6只步骤S1所述待干燥海参样品,分别称重,得到初始重量M0;然后进行微波真空干燥,所述微波真空干燥的真空度为0.09MPa,功率为150W,干燥时间100min;每干燥10min,取出称重,所得重量记为Mt,
其中,根据公式【Mt-(M0-M0×a)】/Mt,计算得到干燥过程中某一时间点的水分含量,作为建模真实值;
S3、样品低场核磁分析:将步骤S2经过微波真空干燥并称重后的海参样品进行低场核磁分析,利用CPMG序列测量海参横向弛豫时间T2,参数设置为:90度脉宽P1:20μs,180度脉宽P2:40μs,重复采样等待时间Tw:4000,模拟增益RG1:20,数字增益DRG1:3,前置放大增益PRG:1,NS:16,NECH:8000,接收机带宽SW:200KHz,开始采样时间的控制参数RFD:0.002ms,时延DL1:0.5ms,获得回波衰减曲线,然后采用一维反拉普拉斯算法作为横向弛豫时间T2:反演算法迭代次数:1000000,经质量归一得出各样品的横向弛豫图谱;
利用核磁共振成像MRI对干燥过程中的海参样品进行实时的监测;MRI参数设置为:层数:1,Fov视野:100×100mm,层厚:4.0mm,层间隙:2.0mm,Read size:256,Phase size:192,Average扫描次数:2,质子密度加权像加权成像的TR重复时间:2100ms,回波时间TE重复时间:20ms;
S4、模型的建立:将海参样品的回波衰减弛豫曲线数据与水分含量相关联,采用化学计量学方法偏最小二乘回归方法处理步骤S3所述回波衰减曲线数据与步骤S3获得的建模真实值数据,利用多元数据分析软件,建立微波真空干燥过程中水分含量PLSR预测模型;得校正集和交互验证集相关系数Rcal 2和Rcv 2为0.992、0.991;水分含量预测PLSR模型为:y=0.992+0.004x,R2=0.991,其中x为核磁弛豫时间,y为水分含量;
S5、模型的评价:根据步骤S4中建立的水分含量预测模型,采用相关系数Rcal 2和Rcv 2,均方根误差RMSEC和预测标准差RMSECV进行预测模型的评价;
S6、海参在MVD过程中水分的测定:待测海参样品进行低场核磁共振CPMG序列测试,采集CPMG序列获得样品的弛豫信号,获得回波衰减曲线数据,利用已经建立的水分含量PLSR模型,对待测海参样品的回波衰减曲线进行分析,得到所述待测海参样品的水分含量的预测值;
其中,所述待测海参样品为:取海参,去除内脏,100℃水煮30min,0.09MPa、150W微波真空干燥所得;
所述低场核磁共振CPMG序列测试参数设置为:90度脉宽P1:20μs,180度脉宽P2:40μs,重复采样等待时间Tw:4000,模拟增益RG1:20,数字增益DRG1:3,前置放大增益PRG:1,NS:16,NECH:8000,接收机带宽SW:200KHz,开始采样时间的控制参数RFD:0.002ms,时延DL1:0.5ms。
5.根据权利要求1所述检测海参在微波真空干燥过程中水分变化的方法,其特征在于,包括步骤:
S1、样品采集:选取25.0~33.5g的海参12只,去除内脏,置于100℃水中煮制30min,得待干燥海参样品;
S2、水分测定:取6只步骤S1所述待干燥海参样品,105℃干燥10h,至恒重,得到海参的最初水分含量的平均值,计为a;再取6只步骤S1所述待干燥海参样品,分别称重,得到初始重量M0;然后进行微波真空干燥,所述微波真空干燥的真空度为0.09MPa,功率为200W,干燥时间80min;每干燥10min,取出称重,所得重量记为Mt,
其中,根据公式【Mt-(M0-M0×a)】/Mt,计算得到干燥过程中某一时间点的水分含量,作为建模真实值;
S3、样品低场核磁分析:将步骤S2经过微波真空干燥并称重后的海参样品,进行低场核磁分析,利用CPMG序列,测量海参横向弛豫时间T2,参数设置为:90度脉宽P1:20μs,180度脉宽P2:40μs,重复采样等待时间Tw:4000,模拟增益RG1:20,数字增益DRG1:3,前置放大增益PRG:1,NS:16,NECH:8000,接收机带宽SW:200KHz,开始采样时间的控制参数RFD:0.002ms,时延DL1:0.5ms,获得回波衰减曲线,然后采用一维反拉普拉斯算法作为横向弛豫时间T2:反演算法迭代次数:1000000,经质量归一得出各样品的横向弛豫图谱;
利用核磁共振成像MRI对干燥过程中的海参样品进行实时的监测;MRI参数设置为:层数:1,Fov视野:100×100mm,层厚:4.0mm,层间隙:2.0mm,Read size:256,Phase size:192,Average扫描次数:2,质子密度加权像加权成像的TR重复时间:2100ms,回波时间TE重复时间:20ms;
S4、模型的建立:采用偏最小二乘回归方法处理步骤S3所述回波衰减曲线数据与步骤S2获得的水分含量真实值数据,利用多元数据分析软件,建立微波真空干燥过程中水分含量PLSR预测模型;校正集和交互验证集相关系数Rcal 2和Rcv 2为0.994、0.993;水分含量预测PLSR模型为:y=0.994+0.003x,R2=0.994,其中x为核磁弛豫时间,y为水分含量;
S5、模型的评价:根据步骤S4所述水分含量预测模型,采用相关系数Rcal 2和Rcv 2,均方根误差RMSEC和预测标准差RMSECV进行预测模型的评价;
S6、海参在MVD过程中水分的测定:取待测海参样品进行低场核磁共振CPMG序列测试,采集CPMG序列获得样品的弛豫信号,获得回波衰减曲线数据,利用已经建立的水分含量PLSR模型,对待测海参样品的回波衰减曲线进行分析,得到所述待测海参样品的水分含量的预测值;
其中,所述待测海参样品为:取海参,去除内脏,100℃水煮30min,0.09MPa、200W微波真空干燥所得;
所述低场核磁共振CPMG序列测试参数设置为:90度脉宽P1:20μs,180度脉宽P2:40μs,重复采样等待时间Tw:4000,模拟增益RG1:20,数字增益DRG1:3,前置放大增益PRG:1,NS:16,NECH:8000,接收机带宽SW:200KHz,开始采样时间的控制参数RFD:0.002ms,时延DL1:0.5ms。
6.根据权利要求1所述检测海参在微波真空干燥过程中水分变化的方法,其特征在于,包括步骤:
S1、样品采集:选取25.0~33.5g的海参12只,于100℃水中煮制30min,得待干燥海参样品;
S2、水分测定:取6只步骤S1所述待干燥海参样品于105℃干燥10h,至恒重,得到海参的最初水分含量的平均值,计为a;再取6只步骤S1所述待干燥海参样品,分别称重,得到初始重量M0;然后进行微波真空干燥,所述微波真空干燥的真空度为0.09MPa,功率为250W,干燥时间60min;每干燥10min,取出称重,所得重量记为Mt,
其中,根据公式【Mt-(M0-M0×a)】/Mt,计算得到干燥过程中某一时间点的水分含量,作为建模真实值;
S3、样品低场核磁分析:将步骤S2经过微波真空干燥并称重后的海参样品进行低场核磁分析,利用CPMG序列测量海参横向弛豫时间T2,参数设置为:90度脉宽P1:20μs,180度脉宽P2:40μs,重复采样等待时间Tw:4000,模拟增益RG1:20,数字增益DRG1:3,前置放大增益PRG:1,NS:16,NECH:8000,接收机带宽SW:200KHz,开始采样时间的控制参数RFD:0.002ms,时延DL1:0.5ms,获得回波衰减曲线,然后采用一维反拉普拉斯算法作为横向弛豫时间T2:反演算法迭代次数:1000000,经质量归一得出各样品的横向弛豫图谱;
利用核磁共振成像MRI对干燥过程中的海参样品进行实时的监测;MRI参数设置为:层数:1,Fov视野:100×100mm,层厚:4.0mm,层间隙:2.0mm,Read size:256,Phase size:192,Average扫描次数:2,质子密度加权像加权成像的TR重复时间:2100ms,回波时间TE重复时间:20ms;
S4、模型的建立:将海参样品的回波衰减弛豫曲线数据与水分含量相关联,采用化学计量学方法偏最小二乘回归方法处理步骤S3所述回波衰减曲线数据与步骤S2获得的水分含量真实值数据,利用多元数据分析软件,建立微波真空干燥过程中水分含量PLSR预测模型;校正集和交互验证集相关系数Rcal 2和Rcv 2为0.987、0.984;水分含量预测PLSR模型为:y=0.986+0.006x,R2=0.987,其中x为核磁弛豫时间,y为水分含量;
S5、模型的评价:根据步骤S4中建立的水分含量预测模型,采用相关系数Rcal 2和Rcv 2,均方根误差RMSEC和预测标准差RMSECV进行预测模型的评价;
S6、海参在MVD过程中水分的测定:取待测海参样品进行低场核磁共振CPMG序列测试,采集CPMG序列获得样品的弛豫信号,获得回波衰减曲线数据,利用已经建立的水分含量PLSR模型,对待测海参样品的回波衰减曲线进行分析,得到所述待测海参样品的水分含量的预测值;
其中,所述待测海参样品为:取海参,去除内脏,100℃水煮30min,0.09MPa、250W微波真空干燥所得;
所述低场核磁共振CPMG序列测试参数设置为:90度脉宽P1:20μs,180度脉宽P2:40μs,重复采样等待时间Tw:4000,模拟增益RG1:20,数字增益DRG1:3,前置放大增益PRG:1,NS:16,NECH:8000,接收机带宽SW:200KHz,开始采样时间的控制参数RFD:0.002ms,时延DL1:0.5ms。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910994043.9A CN110658101A (zh) | 2019-10-18 | 2019-10-18 | 一种检测海参在微波真空干燥过程中水分变化的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910994043.9A CN110658101A (zh) | 2019-10-18 | 2019-10-18 | 一种检测海参在微波真空干燥过程中水分变化的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110658101A true CN110658101A (zh) | 2020-01-07 |
Family
ID=69041385
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910994043.9A Pending CN110658101A (zh) | 2019-10-18 | 2019-10-18 | 一种检测海参在微波真空干燥过程中水分变化的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110658101A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112730499A (zh) * | 2021-02-18 | 2021-04-30 | 南京农业大学 | 一种低场核磁共振检测鲜肉水分质量和/或水分含量的方法及其标准样品制备方法和应用 |
CN112730497A (zh) * | 2020-12-21 | 2021-04-30 | 贺州学院 | 一种基于低场核磁共振的真空油炸杏鲍菇条水分油脂快速检测技术 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104730099A (zh) * | 2015-04-09 | 2015-06-24 | 上海理工大学 | 含油污泥含水率和含油率同时测量方法 |
CN105606637A (zh) * | 2015-12-17 | 2016-05-25 | 大连工业大学 | 利用低场核磁共振技术检测鲍鱼中水分和脂肪含量的方法 |
CN105954309A (zh) * | 2016-04-29 | 2016-09-21 | 大连工业大学 | 一种快速无损检测鲍鱼干制及复水过程水分含量的方法 |
CN106290442A (zh) * | 2016-09-22 | 2017-01-04 | 大连工业大学 | 利用低场核磁共振技术检测小鼠中体成分含量的方法 |
CN106501295A (zh) * | 2016-09-22 | 2017-03-15 | 大连工业大学 | 一种在线监测海参解冻过程中水分变化的方法 |
CN109444199A (zh) * | 2018-10-22 | 2019-03-08 | 大连工业大学 | 利用低场核磁共振技术的冷藏牛肉新鲜度无损检测方法 |
CN109709132A (zh) * | 2019-03-01 | 2019-05-03 | 苏州纽迈分析仪器股份有限公司 | 一种低场核磁智能检测红外干燥果蔬收缩特性的装置及方法 |
CN109769922A (zh) * | 2019-03-01 | 2019-05-21 | 江南大学 | 一种基于低场核磁的高淀粉水果干燥终点智能调控的装置及方法 |
-
2019
- 2019-10-18 CN CN201910994043.9A patent/CN110658101A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104730099A (zh) * | 2015-04-09 | 2015-06-24 | 上海理工大学 | 含油污泥含水率和含油率同时测量方法 |
CN105606637A (zh) * | 2015-12-17 | 2016-05-25 | 大连工业大学 | 利用低场核磁共振技术检测鲍鱼中水分和脂肪含量的方法 |
CN105954309A (zh) * | 2016-04-29 | 2016-09-21 | 大连工业大学 | 一种快速无损检测鲍鱼干制及复水过程水分含量的方法 |
CN106290442A (zh) * | 2016-09-22 | 2017-01-04 | 大连工业大学 | 利用低场核磁共振技术检测小鼠中体成分含量的方法 |
CN106501295A (zh) * | 2016-09-22 | 2017-03-15 | 大连工业大学 | 一种在线监测海参解冻过程中水分变化的方法 |
CN109444199A (zh) * | 2018-10-22 | 2019-03-08 | 大连工业大学 | 利用低场核磁共振技术的冷藏牛肉新鲜度无损检测方法 |
CN109709132A (zh) * | 2019-03-01 | 2019-05-03 | 苏州纽迈分析仪器股份有限公司 | 一种低场核磁智能检测红外干燥果蔬收缩特性的装置及方法 |
CN109769922A (zh) * | 2019-03-01 | 2019-05-21 | 江南大学 | 一种基于低场核磁的高淀粉水果干燥终点智能调控的装置及方法 |
Non-Patent Citations (3)
Title |
---|
李定金等: "利用低场核磁共振技术研究调味山药片真空微波干燥过程中水分的变化规律", 《食品科学》 * |
王偲琦等: "低场核磁共振无损检测技术在水产品加工贮藏方面的应用", 《食品安全质量检测学报》 * |
臧秀: "低场核磁共振及成像技术监测海参干制过程中的品质变化", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112730497A (zh) * | 2020-12-21 | 2021-04-30 | 贺州学院 | 一种基于低场核磁共振的真空油炸杏鲍菇条水分油脂快速检测技术 |
CN112730499A (zh) * | 2021-02-18 | 2021-04-30 | 南京农业大学 | 一种低场核磁共振检测鲜肉水分质量和/或水分含量的方法及其标准样品制备方法和应用 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105606637B (zh) | 利用低场核磁共振技术检测鲍鱼中水分和脂肪含量的方法 | |
CN108956545B (zh) | 一种水果内部品质无损检测模型建立方法及系统 | |
CN108519398A (zh) | 微波喷动冻干智能检测高糖分水果含水率及质构的方法 | |
CN110658101A (zh) | 一种检测海参在微波真空干燥过程中水分变化的方法 | |
Kjær et al. | Prediction of starch, soluble sugars and amino acids in potatoes (Solanum tuberosum L.) using hyperspectral imaging, dielectric and LF-NMR methodologies | |
Xiao et al. | Prediction of soluble solid content of Agaricus bisporus during ultrasound-assisted osmotic dehydration based on hyperspectral imaging | |
CN109799255A (zh) | 一种低场核磁智能检测微波真空干燥果蔬介电特性的装置及方法 | |
CN109799256A (zh) | 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 | |
CN109211829A (zh) | 一种基于SiPLS的近红外光谱法测定大米中水分含量的方法 | |
CN109142269A (zh) | 一种冰鲜牛肉不同储存时间的快速鉴别方法 | |
CN105954309B (zh) | 一种快速无损检测鲍鱼干制及复水过程水分含量的方法 | |
CN105372276B (zh) | 一种海参加热过程中质构品质无损检测方法 | |
CN110596176A (zh) | 一种利用低场核磁共振技术检测水产品中水分含量的方法 | |
Liu et al. | Non‐destructive sugar content assessment of multiple cultivars of melons by dielectric properties | |
Xia et al. | Simultaneous, rapid and nondestructive determination of moisture, fat content and storage time in leisure dried tofu using LF-NMR | |
CN104255118A (zh) | 基于近红外光谱技术的水稻种子发芽率快速无损测试方法 | |
Li et al. | Fast detection of water loss and hardness for cucumber using hyperspectral imaging technology | |
CN112014376A (zh) | 一种基于空间偏移拉曼光谱的虾肉新鲜度检测方法 | |
CN106729798A (zh) | 一种中药材灭菌系统 | |
Li et al. | Study on a two‐dimensional correlation visible–near infrared spectroscopy kinetic model for the moisture content of fresh walnuts stored at room temperature | |
Pu et al. | Evaluation of the effects of vacuum cooling on moisture contents, colour and texture of mushroom (Agaricus Bisporus) using hyperspectral imaging method | |
Zhan et al. | Determination of SSC and TA content of pear by Vis-NIR spectroscopy combined CARS and RF algorithm | |
CN104089883B (zh) | 基于激光器阵列的检测装置及小黄鱼存储时间检测方法 | |
Wen et al. | Investigation of moisture distribution and drying kinetic in noncentrifugal cane sugar during hot‐air drying using LF‐NMR | |
CN106841267A (zh) | 大菱鲆油炸、沸水煮、蒸制、隔水煮过程中质构品质无损检测方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200107 |