一种确定调理水产品低温货架期的鲜度联合检测方法与流程

技术特征：

1.一种确定调理水产品低温货架期的鲜度联合检测方法，其特征在于步骤为：将调理水产品置于低场核磁共振工作腔内，对调理水产品的T₂₃位移进行检测，其次对样品风味进行电子鼻快速测定，并计算T₂₃曲线的峰加权值和电子鼻S1值，另外选择半微量凯氏定氮法测定调理水产品不同储藏时间的TVB-N值变化；以TVB-N值、T₂曲线的峰加权值和电子鼻S1值为输入层，通过Matlab编程软件，经反复计算后输出调理水产品低温储藏RBF神经网络货架期预测模型；最后将待测调理水产品进行TVB-N值、低场核磁共振和电子鼻检测，得出实验值，将RBF神经网络得出的预测值和实验值进行比较；具体如下：

（1）标准样品的挥发性盐基氮值的测定：按照SC/T 3032-2007规定的标准，用半微量凯氏定氮法检测调理水产品经过不同储藏时间后的TVB-N值，建立调理水产品的TVB-N值随储藏时间而变化的标准样品数据库；

（2）标准样品的低场核磁共振检测：利用低场核磁共振仪的CPMG脉冲序列测定调理水产品在低温储藏过程中的纵向弛豫时间T₂，通过数据分析获得其低场核磁共振检测数据，所述检测数据包括结合水的起始时间T₂₁、束缚水的起始时间T₂₂、自由水的起始时间T₂₃；选择T₂₃作为研究对象；

（3）标准样品的电子鼻检测：首先将调理水产品放入密封容器中，常温状态下静置40~60min； 随后电子鼻的进样针头吸取密封容器内的气体，电子鼻气室内的14组气体传感器阵列对样品所散发出的气体进行检测，检测时间为20~40s；

（4）低场核磁共振和电子鼻数据与TVB-N值建立RBF预测模型：RBF数据模型采用Matlab语言编程，并调用遗传算法工具箱建立三层RBF模型；遗传算法的参数设置：交叉概率为0.9，变异概率为0.09；并将选取的训练样本输入到网络中，对网络进行训练，将网络的输出值与实测值进行对比，直到网络训练的均方误差达到要求，确定网络各层的权值和阈值；对不同储藏时间的调理水产品的低场核磁弛豫时间、电子鼻数据和TVB-N值作为输入层进行分析；

（5）待测调理水产品的检测：将待测样品按照步骤（2）、步骤（3）进行低场核磁共振和电子鼻风味检测，将测得的数据代入步骤（4）建立的RBF预测模型中，计算该样品的预测TVB-N值；若预测值≥13mg/100g，判定待测样品为优质保质期，即一级鲜度；若预测值≥30mg/100g，判定待测样品为次优质保质期，即二级鲜度。

2.根据权利要求1所述确定调理水产品低温货架期的鲜度联合检测方法，其特征在于：调理水产品包括以水产品为主要原料，添加调味料后经半干燥、腌制和/或烤制加工处理后出厂，经简单烹饪后即可食用的调理水产半成品。

3.根据权利要求1所述确定调理水产品低温货架期的鲜度联合检测方法，其特征在于：所述低温储藏条件为温度0-4℃，RH 70％。

4.根据权利要求1所述确定调理水产品低温货架期的鲜度联合检测方法，其特征在于：所述的14组气体传感器阵列中S1，即胺类物质传感器，在不同储藏时间调理水产品呈有规律的变化，因此选择S1电子鼻输出值为研究对象。

5.根据权利要求1所述确定调理水产品低温货架期的鲜度联合检测方法，其特征在于：所述的T₂₃采用加权的办法计算，通过计算每个时间点T₂₃峰的加权平均值来绘制T₂不同储藏时间的变化曲线，T₂₃加权平均值的计算公式为：

T₂₃=∑（X_i*A_i/A_t）；

其中X_i及A_i分别代表T₂₃中每个点的横、纵坐标，A_t为曲线中各个点纵坐标的总和。