一种基于电子舌与电镜多模态技术快速鉴别百合粉的方法

本发明涉及食品检测，具体涉及一种基于电子舌与电镜多模态技术快速鉴别百合粉的方法。

背景技术：

1、百合作为多年生草本植物，属于药食同源的食物，具有极高经济价值与广阔开发前景。富含淀粉、蛋白质、多种维生素与矿物质等，同时含有生物活性成分比如皂苷，具有清心安神，清热润肺之功效。珠芽百合、鳞茎百合、药百合性状高度相似，特别是前两者，由于植物珠芽与鳞茎的发育周期时成分的动态变化，通过理化检测考察各种指标，极为困难。目前检测此类产品的标准方法尚属空白。

2、目前，关于百合粉种类鉴别方法，总结如下：采用xrd衍射法、红外光谱，考察内部晶体结构和表层有序性；采用理化检测法，考察直链与支链淀粉含量，糊化温度、淀粉糊冻融稳定性、膨胀势与溶解度等；采用差示扫描量热法，考察淀粉糊化的特性参数，比如糊化峰值温度与吸热峰差异、热力学焓值等热力学特征。这些已报道的方法存在如下缺陷：

3、(1)误差较大

4、高度性状相似的品种，特别是制成粉末后，用显微鉴别和性状鉴别的方法，结构上几乎难以鉴别。

5、(2)无法整体评价其品质

6、理化检验与仪器检验，针对其中某些特定成分的特征响应，鉴于成分与功效的复杂性，有时亦难以评价其质量标准的整体性。特别是来自我国不同地区、不同采收时间的样品，因其植物代谢与环境的不同，其功效性的化学成分会有差异，容易造成误差。

7、(3)各种成分因植株发育过程会发生动态变化

8、随着百合植物的生长发育过程，各种成分会发生动态变化，单纯从上述理化检验的各种指标中鉴定百合种类较为困难。因为要考虑到百合植物特征以及自然周期的划分，比如鳞茎发育过程可作为“源”与“库”，前者时期为百合提供营养，供给整个植株生长，后者时期积累成分，为下一个周期做准备。珠芽形成与地上茎叶叶柄基部，也遵循其自然发育规律。因此，采用各种理化指标判别百合种类，受到植株发育周期的限制，理化检测有局限性。

9、(4)操作繁琐，难以实现快速检测

10、理化检测需要使用大量试剂，前处理过程费时繁琐，配备大型分析仪器且要求操作人员具有扎实的分析经验。特别是面对大批量下的样品，无法对其品质进行快速检测与在线监测识别，不易于向广大中小企业推广。

技术实现思路

1、本发明的目的在于克服现有技术存在的不足，提供一种在百合粉生产、加工、流通、消费等过程中，能够实现百合品质监测与评价的，绿色环保、操作简便、重现性好、结果稳定准确的方法。

2、为实现本发明的上述目的，采用以下技术方案：

3、一种基于电子舌及电镜多模态技术快速鉴别百合粉的方法，包括如下步骤：

4、s1.电子舌样品准备：将不同品种的百合粉样本去除杂质后，粉碎成粉末，过三号筛，溶解并静置，过滤，取滤液放入电子舌专用检测杯中；

5、s2.电子舌操作：使用活化液活化电子舌，对味觉传感器进行校准和预平衡，配置参比液，活化后的传感器在参比液中平衡后，依次浸没在参比液和步骤s1待测样品溶液中，根据膜电势值，结合电子舌自带信号采集软件，将先味信号与回味信号转化为味觉信息采集数据；

6、s3.扫描电镜处理：采用扫描电子显微镜对百合粉样本分别放大1500倍、1800倍、2000倍进行电镜图像分析，得到样品表面形貌与结构的电镜图片；

7、s4.电镜图像数据集处理：采集百合粉在扫描电镜下的图片，按7:3的比例划分为训练集和测试集,对训练集图像进行旋转、翻转、滤波等处理，图片旋转在[0°，135°]之间随机选取,旋转后边缘空白处采用邻近背景充填；图像翻转采用水平翻转的方式；图像滤波采用高斯滤波方式；经三种方式增强处理后,训练集图像数据集得到扩大；

8、s5.电子舌数据预处理与主成分pca提取：将电子舌测得样品的味觉值为分析变量，经过矢量归一、nd滤波平滑法等数学预处理方法，采用pca法，根据特征值大小抽取主成分因子进行数据降维；应用simca软件对样品进行pca分析，标度化方式选为中心化处理，根据样品信息，结合pca法得到的累计贡献率的大小，选择其代表主成分的信息，能够体现出不同种类的百合粉的基本特征和主要信息；以提取出的不同主成分为坐标轴，构建主成分平面图，将样本的多元变量通过降维的方式投影在二维平面上，便于观察样本的整体分布情况和各变量对样本分布的贡献大小；

9、s6.建立不同种类百合粉的快速识别模型：根据不同种类百合粉的图片特征信息与电子舌味觉特征信息，采用深度学习卷积神经网络，以resnet算法建模，建立快速识别百合粉的预测模型。

10、进一步地，步骤s2所述活化液为3.33mol/l的kcl和0.07mmol/l的agcl以1:1的比例配置而成，所述参比液为0.3mmol/l酒石酸和30mmol/l的kcl以1:1的比例配置而成。

11、进一步地，步骤s4所述的电镜图像数据集处理，还包括对电镜图像进行预处理：设置颜色空间，在饱和度通道上设置阈值，实现目标物与背景的分割，将电镜下的图像灰度化、融合为完整图像；采用灰度共生矩阵法，将图像定义为灰度图像，采用graycomatrix函数与graycoprops函数计算图像的灰度共生矩阵，以及相应的对比度、相关度、同质性等参数。

12、进一步地，步骤s4所述的电镜图像数据集处理，还包括：将图片以长宽的较大值为边截取出矩形出来，然后等比例放大或缩小到相同的分辨率(224×224)，之后将图片像素值从[0，255]映射到[0，1]或[－1，1]区间上完成归一化操作。

13、进一步地，步骤s2所述的将先味信号与回味信号转化为味觉信息采集数据，包括：活化后的传感器在参比溶液中平衡后依次浸没在参比溶液和待测样品溶液中，分别测得膜电势值vr和vs，经参比溶液短暂清洗后，再次浸入新的参比溶液中，测得vr’，根据所测电势值，得到样品的先味信号值(r)和回味信号值(cpa)，计算公式如下：

14、r＝vs-vr

15、cpa＝vr’-vr

16、基于韦伯-费希纳定律，电子舌自带的分析软件将测得的先味信号值和回味信号值转化为一定的味觉特征信息。

17、更进一步地，步骤s6所述的建立快速识别百合粉的预测模型，包括：

18、(1)卷积神经网络结构：卷积神经网络需要通过卷积运算完成特征提取的功能，网络结构包括vggnet、resnet、densenet等；卷积神经网络建模时，为降低每个特征映射的维度，减少卷积运算次数和保留住重要的特征信息，引入池化层处理；在连接层利用得到的大量特征映射，使用归一化函数softmax，用分类器进行分类；

19、(2)resnet残差学习单元：网络模型引进resnet残差单元，前一个残差块的信息直接传送到下一个残差块，利于加深网络层数，提取更多的图像高级特征来完成对同品种不同类别百合粉的分类；

20、(3)基于resnet算法的深度学习的卷积神经网络建模：resnet深度卷积网络结构共18层，包含五个部分，各层输出尺寸各不同，结构分别是[7*7，64](conv1)；[3*3](最大池化层)；[3*3，64]×2、[3*3，64]×2(conv2)；[3*3，128]×2、[3*3，128]×2(conv3)；[3*3，256]×2、[3*3，256]×2(conv4)；[3*3，512]×2、[3*3，512]×2(conv5)，再是全连接层以及softmax分类器；

21、(4)模型验证：采用五折交叉验证的方法，每类数据集随机平均分为训练集与测试集，交叉验证；网络训练的学习率初值设为0.001，使用adam优化算法动态调整每个参数的学习率,使用softmax分类器进行分类，采用交叉熵损失函数评估真实值与预测值之间的差距,确定训练迭代步数；

22、池化层后采用l2范数正则化和丢弃函数对网络模型进行优化，l2正则化参数取值为0.0008，丢弃函数参数设置为0.05；将预测集特征信息输入模型，得到百合粉分类结果，模型识别准确度为95.24％，预测稳定且精密度良好，均能保持在95％以上。

23、电子舌是在仿生学基础上发展出来的涵盖分析、识别味道成分的检测仪器，其组成包括进样、传感器与数据处理三个系统，能够对待测物质整体风味进行客观分析，由传感器响应值分析样品之间整体风味的差异。通过传感器对信号响应值的分析，在一定区间内定量预测风味的相对强度，有助于考察组分之间的差异，以及结合感官评价小组得到的数据进行比较。

24、扫描电镜原理是利用聚焦的很窄的高能电子束来扫描样品,通过光束与物质间的相互作用,来激发各种物理信息,对这些信息收集、放大、再成像以达到对物质微观形貌表征的目的。

25、将电子舌传感器响应数据与图像数据进行多融合数据建模，模型检测精密度取决于(1)数据预处理方式(2)化学计量学方法提取样品信息(3)确定聚类算法并优化建模参数，进行建模。

26、模式识别方法，是化学计量学中的一种常用定性方法，即对物质的复杂成分进行特征成分识别、无效成分排除和同类统一，最后达到预测分类、定性的目的。

27、本发明使用的主成分分析(pca)与聚类算法是属于无监督的模式识别方法之一，pca法可从复杂现象中解析出主要影响因素，减少评价指标，简化评价过程，适用于对多指标的综合分析。

28、与现有技术相比，本发明具有以下有益效果：

29、1、本发明能够用于百合粉种类的定性判别。本发明基于电子舌与电镜扫描技术，采用化学计量学的主成分分析法，挖掘样品信息并提取主成分，以神经网络建立了百合粉的预测模型，该方法能够以强大的机器学习能力，对掺伪种类进行快速预测。模型稳定，预测精确，方法重现性好。特别面对相似度极高的百合粉样品，无需通过生物、化学实验设计，通过科学建模能够实现百合粉品质评价的快速分析与实时监测。

30、2、本发明无需对样品进行物化前处理。本发明无需使用理化检测法，避免大量的化学试剂浪费与耗时长的弊端。通过电子舌传感器数据处理以及电镜图像扫描，与化学计量学、神经网络等方法科学建模，实现了操作简便、重现性好、绿色环保等优势。

31、2、本发明检测结果良好、检测成本低。本方法以化学传感器、电镜图像数据为基础，通过建模以算法优化化学量测过程，构建模型时须采用标准方法提供的数据以及通过化学计量学建立起来的数学模型，数据需采用一定的预处理方法，优化算法建模过程，最终得到建模参数所建立的模型能够实现学习训练稳定，预测准确、精密度可信等特点。预测集样品经由模型校验证，即可迅速进行自适应学习，完成种类模式识别。