CN112986493A - 异味强度的检测模型生成方法、异味强度的检测方法与冰箱 - Google Patents
异味强度的检测模型生成方法、异味强度的检测方法与冰箱 Download PDFInfo
- Publication number
- CN112986493A CN112986493A CN201911310785.1A CN201911310785A CN112986493A CN 112986493 A CN112986493 A CN 112986493A CN 201911310785 A CN201911310785 A CN 201911310785A CN 112986493 A CN112986493 A CN 112986493A
- Authority
- CN
- China
- Prior art keywords
- detection
- sample
- odor intensity
- characteristic value
- sample group
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 163
- 238000000034 method Methods 0.000 title claims abstract description 69
- 235000013305 food Nutrition 0.000 claims description 38
- 239000000463 material Substances 0.000 claims description 33
- 238000005070 sampling Methods 0.000 claims description 19
- 239000000203 mixture Substances 0.000 claims description 7
- 239000000796 flavoring agent Substances 0.000 claims description 3
- 238000002360 preparation method Methods 0.000 claims description 2
- 238000012360 testing method Methods 0.000 description 22
- 230000001953 sensory effect Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000005259 measurement Methods 0.000 description 4
- 238000009614 chemical analysis method Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- CMPVUVUNJQERIT-UHFFFAOYSA-N 2-isobutylthiazole Chemical compound CC(C)CC1=NC=CS1 CMPVUVUNJQERIT-UHFFFAOYSA-N 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- LJSQFQKUNVCTIA-UHFFFAOYSA-N diethyl sulfide Chemical compound CCSCC LJSQFQKUNVCTIA-UHFFFAOYSA-N 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000010561 standard procedure Methods 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 235000005254 Allium ampeloprasum Nutrition 0.000 description 1
- 240000008654 Allium ramosum Species 0.000 description 1
- 235000010149 Brassica rapa subsp chinensis Nutrition 0.000 description 1
- 235000000536 Brassica rapa subsp pekinensis Nutrition 0.000 description 1
- 241000499436 Brassica rapa subsp. pekinensis Species 0.000 description 1
- 241000238557 Decapoda Species 0.000 description 1
- 241000287828 Gallus gallus Species 0.000 description 1
- 244000134242 Malus prunifolia Species 0.000 description 1
- 235000011430 Malus pumila Nutrition 0.000 description 1
- 235000015103 Malus silvestris Nutrition 0.000 description 1
- 244000291473 Musa acuminata Species 0.000 description 1
- 235000018290 Musa x paradisiaca Nutrition 0.000 description 1
- 244000061456 Solanum tuberosum Species 0.000 description 1
- 235000002595 Solanum tuberosum Nutrition 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 150000001412 amines Chemical class 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- HBGGXOJOCNVPFY-UHFFFAOYSA-N diisononyl phthalate Chemical compound CC(C)CCCCCCOC(=O)C1=CC=CC=C1C(=O)OCCCCCCC(C)C HBGGXOJOCNVPFY-UHFFFAOYSA-N 0.000 description 1
- 235000019634 flavors Nutrition 0.000 description 1
- 238000004817 gas chromatography Methods 0.000 description 1
- 238000004949 mass spectrometry Methods 0.000 description 1
- 235000015277 pork Nutrition 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
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
- G01N33/0001—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00 by organoleptic means
-
- 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
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0006—Calibrating gas analysers
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Combustion & Propulsion (AREA)
- Investigating Or Analyzing Materials By The Use Of Fluid Adsorption Or Reactions (AREA)
Abstract
本发明提供了一种异味强度的检测模型生成方法、异味强度的检测方法与冰箱。其中异味强度的检测模型生成方法包括：从预先制备的气体样品组中分别提取出第一检测样品组以及第二检测样品组；利用三点比较式臭袋法检测第一检测样品组，得到第一检测样品组的样品异味强度；利用预先选择的气体传感器组合检测第二检测样品组，得到第二检测样品组的样品特征值；以及根据样品异味强度和样品特征值拟合出异味强度与特征值的函数关系，并将函数关系作为用于检测异味强度的检测模型。本发明的方案，根据上述检测模型可以快速、简便、低成本地确定出实际气体的实际异味强度。
Description
技术领域
本发明涉及家电技术领域，特别是涉及一种异味强度的检测模型生成方法、异味强度的检测方法与冰箱。
背景技术
现代科技的飞速发展推动了智能生活普及，使得人们对于冰箱的要求从基本的冷藏功能需求向智能化保鲜需求转化。冰箱的异味检测是实现智能化保鲜功能的关键点之一。冰箱异味是由食物本身释放的气味及食物腐败变质产生的异味积累和叠加表现的结果，在一定程度上能够反映出冰箱内食品的新鲜度。从化学成分来看，冰箱异味主要有2-异丁噻唑、硫化二乙基、芳香族酯、胺类物质、二氧化碳等，属于十分复杂的混合体系。
现有异味检测的方法主要有两种，第一种是感官评价法，但是这种方法需要对感官嗅辨员进行专业培训，且受嗅辨员的身体状态影响较大，无法做到短期内的多频次检测；第二种是仪器分析法，该方法基于气相色谱法和质谱法，即通过精密化学分析的方法测定异味气体的组成和浓度，但是这种方法操作复杂、对操作人员要求高、耗费时间长、费用高，无法给出冰箱异味的整体强度。上述两种检测方式均不适宜应用于冰箱内部环境的异味检测。
发明内容
本发明的一个目的是提供一种异味强度的检测模型生成方法，以快速、简便、低成本地检测异味强度。
本发明一个进一步的目的是提供一种适用于冰箱内部环境的异味强度检测方法。
特别地，本发明提供了一种异味强度的检测模型生成方法，包括：从预先制备的气体样品组中分别提取出第一检测样品组以及第二检测样品组；利用三点比较式臭袋法检测第一检测样品组，得到第一检测样品组的样品异味强度；利用预先选择的气体传感器组合检测第二检测样品组，得到第二检测样品组的样品特征值；以及根据样品异味强度和样品特征值拟合出异味强度与特征值的函数关系，并将函数关系作为用于检测异味强度的检测模型。
可选地，气体样品组的制备过程包括：取多个食材样品分别放置于预设环境内并持续放置不同的预设时间，从而得到多个食材处理物；以及将多个食材处理物分别放置于多个取样空间内相同时间，以在多个取样空间内形成气体样品，从而制备出气体样品组。
可选地，提取出第一检测样品组以及第二检测样品组的步骤包括：从每个取样空间内分别提取等量的第一检测样品和第二检测样品，从而多个第一检测样品组成第一检测样品组，多个第二检测样品组成第二检测样品组。
可选地，气体传感器组合包括设定类型的气体传感器，且每个气体传感器分别对第二检测样品组中的每个第二检测样品进行检测，每个第二检测样品得到与气体传感器的类型数量相同的信号值。
可选地，得到第二检测样品组的样品特征值的步骤包括：将每个第二检测样品的信号值相加后除以气体传感器的类型数量，得到每个第二检测样品的样品特征值。
可选地，根据样品异味强度和样品特征值拟合出异味强度与特征值的函数关系的步骤包括：将样品异味强度和样品特征值输入以异味强度为X轴、特征值为Y轴的坐标系，得到多个坐标点，通过对多个坐标点进行线性拟合，得到函数关系。
可选地，食材样品为设定种类食材的混合物。
可选地，气体传感器组合包括：mq-4型气体传感器、mq-5型气体传感器、mg-2型气体传感器、TGS826型气体传感器以及TGS821型气体传感器。
根据本发明的另一个方面，还提供了一种异味强度的检测方法，其采用的检测模型根据上述任一种异味强度的检测模型生成方法生成，且异味强度的检测方法包括：利用气体传感器组合检测待检空间内的实际气体，得到实际气体的实际特征值；以及根据实际特征值和函数关系确定实际气体的实际异味强度。
根据本发明的再一个方面，还提供了一种冰箱，包括检测装置，检测装置包括处理器和存储器，其中存储器存储有检测程序，并且检测程序被处理器执行时用于实现上述异味强度的检测方法。
本发明的异味强度的检测模型生成方法、异味强度的检测方法与冰箱，根据样品异味强度和样品特征值拟合出异味强度与特征值的函数关系，并将函数关系作为用于检测异味强度的检测模型。在获取待检空间内的实际气体的实际特征值之后，根据上述检测模型可以快速、简便、低成本地确定出实际气体的实际异味强度。
进一步地，本发明的异味强度的检测模型生成方法、异味强度的检测方法与冰箱，在确定实际气体的实际异味强度时，无需感官嗅辨员进行测定，避免检测结果受到嗅辨员的身体状态影响；并且，也无需采用精密化学分析的方法测定异味气体的组成和浓度，检测过程智能化程度高，且适用于冰箱内部环境的异味检测。通过准确便捷地测定冰箱内的异味强度，用户可以了解冰箱内食物的新鲜程度，从而进行相应处理，有效提升用户的使用体验。
根据下文结合附图对本发明具体实施例的详细描述，本领域技术人员将会更加明了本发明的上述以及其他目的、优点和特征。
附图说明
后文将参照附图以示例性而非限制性的方式详细描述本发明的一些具体实施例。附图中相同的附图标记标示了相同或类似的部件或部分。本领域技术人员应该理解，这些附图未必是按比例绘制的。附图中：
图1是根据本发明一个实施例的异味强度的检测模型生成方法的示意图；
图2是根据本发明一个实施例的异味强度的检测模型生成方法的详细流程图；
图3是根据本发明一个实施例的异味强度的检测模型生成方法所生成的函数关系的示意图；
图4是根据本发明一个实施例的异味强度的检测方法的示意图；以及
图5是根据本发明一个实施例的冰箱的示意框图。
具体实施方式
本实施例首先提供了一种异味强度的检测模型生成方法，根据该检测模型可以快速、简便、低成本地确定出异味强度。图1是根据本发明一个实施例的异味强度的检测模型生成方法的示意图。如图1所示，该异味强度的检测模型生成方法可以执行以下步骤：
步骤S102，从预先制备的气体样品组中分别提取出第一检测样品组以及第二检测样品组；
步骤S104，利用三点比较式臭袋法检测第一检测样品组，得到第一检测样品组的样品异味强度；
步骤S106，利用预先选择的气体传感器组合检测第二检测样品组，得到第二检测样品组的样品特征值；
步骤S108，根据样品异味强度和样品特征值拟合出异味强度与特征值的函数关系，并将函数关系作为用于检测异味强度的检测模型。
在以上步骤中，步骤S102中的气体样品组的制备过程可以包括：取多个食材样品分别放置于预设环境内并持续放置不同的预设时间，从而得到多个食材处理物；以及将多个食材处理物分别放置于多个取样空间内相同时间，以在多个取样空间内形成气体样品，从而制备出气体样品组。提取出第一检测样品组以及第二检测样品组的步骤可以包括：从每个取样空间内分别提取等量的第一检测样品和第二检测样品，从而多个第一检测样品组成第一检测样品组，多个第二检测样品组成第二检测样品组。
在一种具体的实施例中，食材样品可以为设定种类食材的混合物，取样空间可以是冰箱。多个取样空间可以提前经过除味处理，例如经过活性炭处理1小时。以下对一个从预先制备的气体样品组中分别提取出第一检测样品组以及第二检测样品组的具体实施例进行介绍：
选取猪肉、鸡肉、海鱼、海虾、土豆、白菜、韭菜、香蕉、苹果等食材，混合后分成5份食材样品，分别在恒温恒湿箱中持续放置0小时、2小时、6小时、10小时、14小时，制成5个新鲜度的食材处理物，分别记为食材处理物A、食材处理物B、食材处理物C、食材处理物D和食材处理物E。
将食材处理物A、食材处理物B、食材处理物C、食材处理物D和食材处理物E分别放置于5个冰箱中1小时，以在5个冰箱内形成气体样品，从而5个冰箱内的气体样品形成了气体样品组。5个冰箱可以是冰箱A、冰箱B、冰箱C、冰箱D和冰箱E，则从冰箱A内提取等量的第一检测样品A1和第二检测样品A2；从冰箱B内提取等量的第一检测样品B1和第二检测样品B2；从冰箱C内提取等量的第一检测样品C1和第二检测样品C2；从冰箱D内提取等量的第一检测样品D1和第二检测样品D2；从冰箱E内提取等量的第一检测样品E1和第二检测样品E2。从而多个第一检测样品A1、B1、C1、D1、E1组成第一检测样品组，多个第二检测样品A2、B2、C2、D2、E2组成第二检测样品组。
需要说明的是，上述实施例中设置了多个取样空间，将多个食材处理物分别放置于多个取样空间内形成气体样品。在其他一些实施例中，还可以只设置一个取样空间，将多个食材处理物分次放入该取样空间内形成气体样品。只是这种取样方式需要在每次提取气体样品后对取样空间进行除味，避免影响后续取样的准确性。
步骤S104中的三点比较式臭袋法，就是通过感官嗅辨员按照标准方法对异味强度进行测定。例如，利用三点比较式臭袋法检测第一检测样品组A1、B1、C1、D1、E1，得到第一检测样品组A1、B1、C1、D1、E1的样品异味强度O1、O2、O3、O4、O5。采用三点比较式臭袋法对异味强度进行评测，并作为后续气体传感器组合检测的参考标准，帮助气体传感器组合实现了整体异味强度检测，解决了现有技术中只能分析个别化学成分，不一定能分析全面的局限性。三点比较式臭袋法作为一种标准方法，其检测结果体现了人体感官对异味气体的感受。
并且，本实施例的异味强度的检测模型生成方法，仅在该步骤中采用三点比较式臭袋法对异味强度进行感官评价测定。在得到检测模型之后，根据检测模型检测实际气体的实际异味强度时，不再需要专业人员进行测定，使得检测异味强度的方法具有普遍适用性。
步骤S106中的气体传感器组合可以包括设定类型的气体传感器。并且，每个气体传感器分别对第二检测样品组中的每个第二检测样品进行检测，每个第二检测样品得到与气体传感器的类型数量相同的信号值。得到第二检测样品组的样品特征值的具体步骤可以包括：将每个第二检测样品的信号值相加后除以气体传感器的类型数量，得到每个第二检测样品的样品特征值。
在一种优选的实施例中，气体传感器组合可以包括：mq-4型气体传感器、mq-5型气体传感器、mg-2型气体传感器、TGS826型气体传感器以及TGS821型气体传感器。上述气体传感器组合是发明人在大量传感器中确定得到的，可以实现最好的测量效果。具体地，上述5种气体传感器各自的特性参数适宜进行组合，且组成的气体传感器组合测量精度高、测量过程迅速便捷。
由于上述气体传感器组合包括5种类型的气体传感器，每个第二检测样品得到5个信号值。将第二检测样品A2得到的5个信号值相加后除以5，得到第二检测样品A2的样品特征值为S1。采用相同的数据处理方法，得到第二检测样品B2、C2、D2、E2的样品特征值分别为S2、S3、S4、S5。
步骤S108中根据样品异味强度和样品特征值拟合出异味强度与特征值的函数关系的具体步骤可以包括：将样品异味强度和样品特征值输入以异味强度为X轴、特征值为Y轴的坐标系，得到多个坐标点，通过对多个坐标点进行线性拟合，得到函数关系。例如，第一检测样品组A1、B1、C1、D1、E1的样品异味强度分别为O1、O2、O3、O4、O5；第二检测样品组A2、B2、C2、D2、E2的样品特征值分别为S1、S2、S3、S4、S5，将上述5个样品异味强度和5个样品特征值输入以异味强度为X轴、特征值为Y轴的坐标系，则可以得到如下5个坐标点：(O1，S1)、(O2，S2)、(O3，S3)、(O4，S4)、(O5，S5)。对上述5个坐标点进行线性拟合，可以得到异味强度与特征值的函数关系，并将该函数关系作为用于检测异味强度的检测模型。后续获取待检空间内的实际气体的实际特征值之后，根据上述检测模型可以快速、简便、低成本地确定出实际气体的实际异味强度。
在一些可选实施例中，可以通过对上述步骤的进一步优化和配置实现更高的技术效果，以下结合对本实施例的一个可选执行流程的介绍对本实施例的异味强度的检测模型生成方法进行详细说明，该实施例仅为对执行流程的举例说明，在具体实施时，可以根据具体实施需求，对部分步骤的执行顺序、运行条件进行修改。图2是根据本发明一个实施例的异味强度的检测模型生成方法的详细流程图，该异味强度的检测模型生成方法包括以下步骤：
步骤S202，取多个食材样品分别放置于预设环境内并持续放置不同的预设时间，从而得到多个食材处理物；
步骤S204，将多个食材处理物分别放置于多个取样空间内相同时间，以在多个取样空间内形成气体样品，从而制备出气体样品组；
步骤S206，从每个取样空间内分别提取等量的第一检测样品和第二检测样品，从而多个第一检测样品组成第一检测样品组，多个第二检测样品组成第二检测样品组；
步骤S208，利用三点比较式臭袋法检测第一检测样品组，得到第一检测样品组的样品异味强度；
步骤S210，每个气体传感器分别对第二检测样品组中的每个第二检测样品进行检测，每个第二检测样品得到与气体传感器的类型数量相同的信号值；
步骤S212，将每个第二检测样品的信号值相加后除以气体传感器的类型数量，得到每个第二检测样品的样品特征值；
步骤S214，将第一检测样品组的样品异味强度和第二检测样品组的样品特征值输入以异味强度为X轴、特征值为Y轴的坐标系，得到多个坐标点，通过对多个坐标点进行线性拟合，得到函数关系；
步骤S216，将函数关系作为用于检测异味强度的检测模型。
本实施例的异味强度的检测模型生成方法，采用气体传感器组合，并用合适的信号值处理方法，得到相应的特征值，与感官评价标准进行拟合匹配，建立传感器标准，从而可以实现异味强度的传感器检测，解决了现有技术中需要对感官嗅辨员进行专业培训，且受嗅辨员的身体状态影响较大，不适合短期内大量多次检测的缺陷。
图3是根据本发明一个实施例的异味强度的检测模型生成方法所生成的函数关系的示意图。本实施例中第一检测样品组A1、B1、C1、D1、E1的样品异味强度O1、O2、O3、O4、O5分别为2，8，29，51，82；第二检测样品组A2、B2、C2、D2、E2的样品特征值S1、S2、S3、S4、S5分别为3.5，38.6，147.8，219.1，300.4，将上述5个样品异味强度和5个样品特征值输入以异味强度为X轴、特征值为Y轴的坐标系，则可以得到如下5个坐标点：(2，3.5)、(8，38.6)、(29，147.8)、(51，219.1)、(82，300.4)。对上述5个坐标点进行线性拟合，可以得到异味强度X与特征值Y的函数关系：Y＝3.71X+14.35，R2＝0.965，得到的函数关系作为用于检测异味强度的检测模型。其中R2是拟合系数，反映回归直线对观测值的拟合程度。R2的值越接近1，说明回归直线对观测值的拟合程度越好；反之，R2的值越小，说明回归直线对观测值的拟合程度越差。
本实施例还提供了一种异味强度的检测方法，其采用的检测模型根据上述任一实施例的异味强度的检测模型生成方法生成。图4是根据本发明一个实施例的异味强度的检测方法的示意图，如图4所示，该异味强度的检测方法包括以下步骤：
步骤S402，利用气体传感器组合检测待检空间内的实际气体，得到实际气体的实际特征值；
步骤S404，根据实际特征值和函数关系确定实际气体的实际异味强度。
其中，步骤S402中得到实际气体的实际特征值的具体步骤与上文实施例中步骤S212类似。例如，若气体传感器组合包括：mq-4型气体传感器、mq-5型气体传感器、mg-2型气体传感器、TGS826型气体传感器以及TGS821型气体传感器，上述5个气体传感器分别对实际气体进行检测，得到5个实际气体的信号值，将上述5个信号值相加之后除以5，得到实际气体的实际特征值。
步骤S404中根据实际特征值和函数关系确定实际气体的实际异味强度，例如，将实际气体的实际特征值带入异味强度与特征值的函数关系，即可得到实际气体的实际异味强度。
例如，若异味强度X与特征值Y的函数关系为：Y＝3.71X+14.35，R2＝0.965。则当实际特征值Y为58.8时，得到实际异味强度X为12；当实际特征值Y为144.2时，得到实际异味强度X为35；当实际特征值Y为359.4时，得到实际异味强度X为93。而为了检验利用上述函数关系得到实际异味强度的值是否准确，可以采用三点比较式臭袋法进行验证。当实际特征值Y为58.8时，利用三点比较式臭袋法测得的异味强度为11，与得到的实际异味强度12的相对误差为8.3％；当实际特征值Y为144.2时，利用三点比较式臭袋法测得的异味强度为31，与得到的实际异味强度35的相对误差为11.4％；当实际特征值Y为359.4时，利用三点比较式臭袋法测得的异味强度为83，与得到的实际异味强度93的相对误差为10.8％。由此可见，上述相对误差均在10％左右，即本实施例的异味强度的检测方法根据检测模型确定实际异味强度的准确度较高。
本实施例的异味强度的检测方法，在确定实际气体的实际异味强度时，无需感官嗅辨员进行测定，避免检测结果受到嗅辨员的身体状态影响；并且，也无需采用精密化学分析的方法测定异味气体的组成和浓度，检测过程智能化程度高，且适用于冰箱内部环境的异味检测。通过准确便捷地测定冰箱内的异味强度，用户可以了解冰箱内食物的新鲜程度，从而进行相应处理，有效提升用户的使用体验。
图5是根据本发明一个实施例的冰箱400的示意框图。如图5所示，该冰箱400包括检测装置500，检测装置500包括处理器510和存储器520，其中存储器520存储有检测程序521，并且检测程序521被处理器510执行时用于实现上述异味强度的检测方法。
至此，本领域技术人员应认识到，虽然本文已详尽示出和描述了本发明的多个示例性实施例，但是，在不脱离本发明精神和范围的情况下，仍可根据本发明公开的内容直接确定或推导出符合本发明原理的许多其他变型或修改。因此，本发明的范围应被理解和认定为覆盖了所有这些其他变型或修改。
Claims (10)
1.一种异味强度的检测模型生成方法，包括：
从预先制备的气体样品组中分别提取出第一检测样品组以及第二检测样品组；
利用三点比较式臭袋法检测所述第一检测样品组，得到所述第一检测样品组的样品异味强度；
利用预先选择的气体传感器组合检测所述第二检测样品组，得到所述第二检测样品组的样品特征值；以及
根据所述样品异味强度和所述样品特征值拟合出异味强度与特征值的函数关系，并将所述函数关系作为用于检测异味强度的检测模型。
2.根据权利要求1所述的异味强度的检测模型生成方法，其中所述气体样品组的制备过程包括：
取多个食材样品分别放置于预设环境内并持续放置不同的预设时间，从而得到多个食材处理物；以及
将多个所述食材处理物分别放置于多个取样空间内相同时间，以在多个所述取样空间内形成气体样品，从而制备出所述气体样品组。
3.根据权利要求2所述的异味强度的检测模型生成方法，其中提取出第一检测样品组以及第二检测样品组的步骤包括：
从每个所述取样空间内分别提取等量的第一检测样品和第二检测样品，从而多个所述第一检测样品组成所述第一检测样品组，多个所述第二检测样品组成所述第二检测样品组。
4.根据权利要求3所述的异味强度的检测模型生成方法，其中，
所述气体传感器组合包括设定类型的气体传感器，且
每个所述气体传感器分别对所述第二检测样品组中的每个所述第二检测样品进行检测，每个所述第二检测样品得到与所述气体传感器的类型数量相同的信号值。
5.根据权利要求4所述的异味强度的检测模型生成方法，其中得到所述第二检测样品组的样品特征值的步骤包括：
将每个所述第二检测样品的信号值相加后除以所述气体传感器的类型数量，得到每个所述第二检测样品的样品特征值。
6.根据权利要求1所述的异味强度的检测模型生成方法，其中根据所述样品异味强度和所述样品特征值拟合出异味强度与特征值的函数关系的步骤包括：
将所述样品异味强度和所述样品特征值输入以异味强度为X轴、特征值为Y轴的坐标系，得到多个坐标点，通过对多个所述坐标点进行线性拟合，得到所述函数关系。
7.根据权利要求2所述的异味强度的检测模型生成方法，其中，
所述食材样品为设定种类食材的混合物。
8.根据权利要求4所述的异味强度的检测模型生成方法，其中所述气体传感器组合包括：
mq-4型气体传感器、mq-5型气体传感器、mg-2型气体传感器、TGS826型气体传感器以及TGS821型气体传感器。
9.一种异味强度的检测方法，其采用的检测模型根据权利要求1至8中任一项所述的异味强度的检测模型生成方法生成，且所述异味强度的检测方法包括：
利用所述气体传感器组合检测待检空间内的实际气体，得到所述实际气体的实际特征值；以及
根据所述实际特征值和所述函数关系确定所述实际气体的实际异味强度。
10.一种冰箱，包括检测装置，所述检测装置包括处理器和存储器，其中所述存储器存储有检测程序，并且检测程序被所述处理器执行时用于实现权利要求9所述的异味强度的检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911310785.1A CN112986493A (zh) | 2019-12-18 | 2019-12-18 | 异味强度的检测模型生成方法、异味强度的检测方法与冰箱 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911310785.1A CN112986493A (zh) | 2019-12-18 | 2019-12-18 | 异味强度的检测模型生成方法、异味强度的检测方法与冰箱 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112986493A true CN112986493A (zh) | 2021-06-18 |
Family
ID=76344007
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911310785.1A Pending CN112986493A (zh) | 2019-12-18 | 2019-12-18 | 异味强度的检测模型生成方法、异味强度的检测方法与冰箱 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112986493A (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101101299A (zh) * | 2007-06-25 | 2008-01-09 | 华东理工大学 | 一种并-串联模式识别方法及其在机器嗅觉中的应用 |
| CN103940970A (zh) * | 2013-01-23 | 2014-07-23 | 海尔集团公司 | 制冷设备气味检测方法、检测装置及制冷设备 |
| CN108645971A (zh) * | 2018-05-11 | 2018-10-12 | 浙江工商大学 | 一种基于电子鼻的空气异味强度等级检测方法 |
-
2019
- 2019-12-18 CN CN201911310785.1A patent/CN112986493A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101101299A (zh) * | 2007-06-25 | 2008-01-09 | 华东理工大学 | 一种并-串联模式识别方法及其在机器嗅觉中的应用 |
| CN103940970A (zh) * | 2013-01-23 | 2014-07-23 | 海尔集团公司 | 制冷设备气味检测方法、检测装置及制冷设备 |
| CN108645971A (zh) * | 2018-05-11 | 2018-10-12 | 浙江工商大学 | 一种基于电子鼻的空气异味强度等级检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wojnowski et al. | Electronic noses: Powerful tools in meat quality assessment | |
| Di Natale et al. | Comparison and integration of different electronic noses for freshness evaluation of cod-fish fillets | |
| Herrero | Raman spectroscopy a promising technique for quality assessment of meat and fish: A review | |
| O’Connell et al. | A practical approach for fish freshness determinations using a portable electronic nose | |
| Eklöv et al. | Monitoring sausage fermentation using an electronic nose | |
| Hong et al. | Discrimination and prediction of multiple beef freshness indexes based on electronic nose | |
| CN101382531B (zh) | 利用电子鼻检测虾新鲜度的方法 | |
| Górska-Horczyczak et al. | Applications of electronic noses in meat analysis | |
| Zhang et al. | Electronic nose with an air sensor matrix for detecting beef freshness | |
| Labrador et al. | Prediction of NaCl, nitrate and nitrite contents in minced meat by using a voltammetric electronic tongue and an impedimetric sensor | |
| CN106990213B (zh) | 一种冰箱内食品新鲜度检测方法 | |
| Zhu et al. | Meat quality and flavor evaluation of Nanjing water boiled salted duck (NWSD) produced by different Muscovy duck (Cairina moschata) ingredients | |
| Li et al. | Non-destructive evaluation of pork freshness using a portable electronic nose (E-nose) based on a colorimetric sensor array | |
| Raudienė et al. | Rapid evaluation of fresh chicken meat quality by electronic nose | |
| Macagnano et al. | A model to predict fish quality from instrumental features | |
| Urmila et al. | Quantifying of total volatile basic nitrogen (TVB-N) content in chicken using a colorimetric sensor array and nonlinear regression tool | |
| Zaragoza et al. | Monitorization of Atlantic salmon (Salmo salar) spoilage using an optoelectronic nose | |
| Bhattacharyya et al. | Electronic nose and electronic tongue | |
| Vestergaard et al. | Application of an electronic nose for measurements of boar taint in entire male pigs | |
| Ghasemi-Varnamkhasti et al. | Electronic nose as an innovative measurement system for the quality assurance and control of bakery products: A review | |
| Kent et al. | A new multivariate approach to the problem of fish quality estimation | |
| Neely et al. | Assessment of cooked alpaca and llama meats from the statistical analysis of data collected using an ‘electronic nose’ | |
| Tazi | Principal component analysis (PCA) method for classification of beef and pork aroma based on electronic nose | |
| CN112986493A (zh) | 异味强度的检测模型生成方法、异味强度的检测方法与冰箱 | |
| CN112986494A (zh) | 异味强度的检测模型生成系统、异味强度的检测装置与冰箱 |
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 |