一种基于电子鼻快速预测山核桃加工时间的方法
【技术领域】
[0001] 本发明涉及农产品品质检测领域，尤其涉及一种基于电子鼻快速预测山核桃加工 时间的方法。
【背景技术】
[0002] 山核桃是我国特有的坚果类产品，由于含有丰富的油脂和蛋白质等营养物质，并 且具有特殊的坚果香味和口感，越来越受到消费者的喜爱。山核桃的特殊香气和口感是在 烘烤过程中产生的，不同的烘烤时间对山核桃整体品质有很大的影响，烘烤时间不足导致 山核桃无法产生其特有的香气成分;烘烤时间过长导致出现焦糊味和涩味，山核桃产品整 体品质下降。现在，山核桃加工企业往往依靠操作者的个人的感官评定来评判烘烤时间是 否充足。但是，感官评定具有主观性强、重复性差等缺点，使得判断结果缺少准确性和可靠 性，因此，急需一种能够快速而准确地鉴别山核桃加工品质和快速预测山核桃烘烤时间的 方法。
[0003] 电子鼻是一种模拟动物嗅觉系统的仪器，包含传感器阵列和模式识别两部分，其 工作原理为:样品挥发出的气味作用于传感器阵列，产生响应信号，这种信号称为样品气味 的模式或"气味指纹图谱"，利用多元统计分析和神经网络等方法建立分类和预测模型，从 而快速区分不同烘烤时间的山核桃样品和预测准确的烘烤时间。
【发明内容】
[0004] 针对现有技术的不足，本发明提供一种基于电子鼻快速预测山核桃加工时间的方 法，该方法能够快速区分不同烘烤时间的山核桃样品同时准确预测烘烤时间，具有较高的 实际应用价值，值得广泛推广。
[0005] 为了达到上述目的，本发明所采用的技术方案如下：一种基于电子鼻快速预测山 核桃加工时间的方法，具体包括如下步骤：
[0006] (1)山核桃检测样品加工过程:选取新鲜山核桃，在沸水中煮3-4小时去除涩味;取 出煮好的山核桃，在35°C、30 %相对湿度的恒温恒湿箱内干燥3.5-4.5小时；将干燥过的山 核桃置于热风烘箱内分成若干批次进行烘烤，各批次烘烤时间不同，从而获得加工时间不 同的山核桃检测样品；
[0007] (2)电子鼻检测过程：由步骤（1)中获得加工时间不同的山核桃检测样品中，相同 加工时间的山核桃至少有3组不同检测样品，按照1颗/50ml顶空气体的比例将各组检测样 品分别放入无味密闭容器中，所述密闭容器的容积不小于500ml;在室温中静置45-75分钟， 使得山核桃散发的气味达到饱和;每次电子鼻检测开始前，使用干燥洁净空气对电子鼻系 统进行清洗，设置清洗流速为500ml/min-700ml/min，清洗时间为60-80秒;清洗完成后，抽 取密闭容器中的顶空气体，设置抽取顶空气体的流速为150ml/min-300ml/min，检测时间为 70-90秒;检测记录传感器阵列对不同加工时间的山核桃检测样品的响应信号，进而得到传 感器阵列对不同加工时间的山核桃检测样品的响应曲线；
[0008] (3)特征值提取过程:采用稳定值法提取步骤(2)获得的传感器阵列响应曲线上的 特征值，所述稳定值法具体为:提取传感器阵列响应曲线上稳定阶段的响应信号；
[0009] (4)预测模型建立过程:将步骤(3)中提取出的特征值作为自变量，加工时间已知 的检测样本的加工时间作为因变量，建立加工时间预测模型，选择其中确定系数大而均方 根误差小的预测模型作为最终的加工时间预测模型；
[0010] (5)加工时间预测过程:通过步骤(2)和步骤(3)获得加工时间未知的检测样品响 应曲线的特征值，将获得的特征值导入步骤(4)中所建立的加工时间预测模型，从而获得加 工时间未知的山核桃的加工时间。
[0011] 进一步的，所述步骤（1)中热风烘箱的烘烤温度为150°C，各批次烘烤时间均不得 超过35分钟，各批次烘烤时间差不得小于1分钟。
[0012] 进一步的，所述的步骤(4)中的确定系数和均方根误差的计算公式如下： (Σ?Χ,-Χ^-Υ))2
[0013] -v- X(z,.-xrX(K-Fr /=1 j=1
[0014] ?-Ιχ(Χ-Γ)-
[0015] 其中，R2为确定系数;RMSE为均方根误差;N为预测模型建立过程中使用的加工时 间已知的样本个数;Xi为预测模型建立过程中第i个样本加工时间的实际值;！为预测模型 建立过程中所有样本加工时间的实际值的平均值;Yi为预测模型建立过程中第i个样本加 工时间的预测值;？为预测模型建立过程中所有样本加工时间预测值的平均值。
[0016] 进一步的，所述的步骤(4)中加工时间预测模型建立方法是数据统计分析方法或 神经网络算法。
[0017] 本发明的有益结果是，通过采用电子鼻直接对山核桃产品进行检测，操作简单、不 需要复杂的前样品处理和昂贵的仪器;方法中采用确定系数和均方根误差评估所构建的山 核桃加工时间预测模型的性能，选择其中确定系数大而均方根误差小的模型作为最终的预 测模型;所构建的加工时间预测模型能够快速预测山核桃准确的加工时间，从而精确控制 山核桃在加工过程中的品质，具有较高的实际应用价值，值得广泛推广。
【附图说明】
[0018] 图1是本发明实施例中电子鼻响应信号；
[0019] 图2是本发明实施例中不同烘烤时间山核桃样品的LDA分类效果图；
[0020] 图3是本发明实施例中基于偏最小二乘法预测模型的性能效果图；
[0021 ]图4是本发明实施例中基于BP神经网络的预测模型；
[0022]图5是本发明实施例中基于BP神经网络预测模型的性能效果图。
【具体实施方式】
[0023]下面结合实施例对本发明作进一步的说明。
[0024] -种基于电子鼻快速预测山核桃加工时间的方法，其步骤如下：
[0025] (1)山核桃检测样品加工过程:选取新鲜山核桃，在沸水中煮3-4小时去除涩味;取 出煮好的山核桃，在35°C、30 %相对湿度的恒温恒湿箱内干燥3.5-4.5小时；将干燥过的山 核桃置于150°C的热风烘箱内分成五批次进行烘烤，各批次烘烤时间不同，分别为18分钟， 22分钟，25分钟，28分钟和32分钟，从而获得不同加工时间的山核桃检测样品；
[0026] (2)电子鼻检测过程:将步骤（1)中获得不同加工时间的山核桃检测样品中，相同 加工时间的山核桃至少有3组不同检测样品，按照1颗/50ml顶空气体的比例将各检测样品 分别放入无味密闭容器中，所述密闭容器的容积不小于500ml;放入山核桃后，使用无味保 鲜膜进行密封，并在室温中静置45-75分钟，山核桃散发的气味充满整个密闭容器并达到饱 和，从而获得顶空气体;每次电子鼻检测开始前，使用干燥洁净空气对电子鼻系统进行清 洗，设置清洗流速为500ml/min-700ml/min，清洗时间为60-80秒;清洗完成后，电子鼻抽取 密闭容器中的顶空气体，设置抽取顶空气体的流速为150ml/min-300ml/min，检测时间为 70-90秒;检测过程中按照1次/秒的速率记录传感器响应信号，响应信号为传感器阵列检测 样品气体时的电导率G与检测洁净空气时的电导率G0的比值，从而得到传感器阵列对不同 加工时间山核桃检测样品的响应曲线；
[0027] (3)特征提取过程:气敏传感器稳定阶段的响应值最能代表被检测样品的气味特 征，因此采用稳定值法提取步骤(2)获得的传感器阵列响应曲线上的特征值，其中稳定值法 具体为:提取传感器阵列响应曲线上稳定阶段的响应信号；
[0028] (4)预测模型建立过程:将步骤(3)中提取出的特征值作为自变量，加工时间已知 的检测样本的加工时间作为因变量，建立加工时间预测模型，选择其中确定系数大而均方 根误差小的预测模型作为最终的加工时间预测模型；
[0029] (5)加工时间预测过程:通过步骤(2)和步骤(3)获得加工时间未知的检测样品响 应曲线的特征值，将获得的特征值导入步骤(4)中所建立的加工时间预测模型，从而获得加 工时间未知的检测样品的加工时间；根据预测的加工时间未知的检测样品的加工时间，可 以知道检测样品的加工品质。具体实施过程中，定义烘烤时间在23-27分钟内的山核桃产品 为品质优，烘烤时间在19-23分钟或27-31分钟内的山核桃产品为品质良，大于31分钟或小 于19分钟的山核桃产品为品质差;通过加工品质的鉴别正确率(W)来辅助说明预测模型的 预测性能；
[0030] 进一步地，所述的步骤(4)中的确定系数和均方根误差及步骤(5)中的鉴别正确率 的计算公式如下： (￡(x,-x)(f-F))2
[0031] R2 ^ ~---~-- Σ(^-^)2Σ(?：-/)2 ;·=1 I
[0032] 縣颂(羌-?2
[0033] W = #正确 Ν
[0034] 其中，R2为确定系数;RMSE为均方根误差;W为鉴别正确率;Ν为预测模型建立过程 中使用的加工时间已知的样本个数;Xi为预测模型建立过程中第i个样本加工时间的实际 值;X为预测模型建立过程中所有样本加工时间的实际值的平均值;Yi为预测模型建立过程 中第i个样本加工时间的预测值；？为预测模型建立过程中所有样本加工时间预测值的平 均值;Nias为分类正确的样本个数。
[0035] 实施例：
[0036]本实施例中，选用浙江省临安市山核桃作为检测对象;挑选大小一致、外标无损伤 的新鲜山核桃，在沸水中煮4小时，去除涩味;将煮好的山核桃放于35°C，30 %相对湿度的恒 温恒湿箱内干燥4小时，去除山核桃内多余水分;最后将干燥过的山核桃置于150°C的热风 烘箱内分成五批次进行烘烤，各批次烘烤时间不同，烘烤时间分别为18分钟，22分钟，25分 钟，28分钟和32分钟；烘烤完毕后，山核桃在室温下放置1小时，使其冷却到室温，然后进行 电子鼻检测。
[0037]本实施例中，采用德国Ai