基于电子鼻的牛肉新鲜度检测

摘要

本研究的主要内容是利用电子鼻对牛肉新鲜度进行检测，同时对其他理化指标进行了检测，并通过多种模式识别方法对数据进行分析，探讨电子鼻用于牛肉新鲜度检测的可行性，并建立了效果最佳的检测及模式识别方法，对牛肉新鲜度及相关的理化指标进行定性与定量的分析。 首先通过预备实验进行实验参数优化的研究。在不同的样品温度、顶空空间、样品重量、密封时间及有无EDU的条件下，对不同新鲜度的样品进行电子鼻检测，并对数据进行PCA及方差分析，得出最优的实验参数：样品温度为8℃、顶空空间500ml、样品质量25g、密封时间5min并且不采用EDU处理。 正式实验分别对三批牛肉样品进行了电子鼻检测、色差计检测及酸度、挥发性盐基氮、细菌总数等理化指标的检测。第一批为新鲜样品并在2℃条件下贮藏；第二批为新鲜样品并在5℃条件下贮藏；第三批为冷冻的样品并在5℃条件下贮藏。 基于第一批样品，对色差计所测得的各颜色参数进行PCA及判别分析，效果较差。因样品的颜色参数与样品本身的部位、脂肪含量等因素有较大关系，造成数据十分离散，所以不能根据各颜色参数对样品进行分类。 同样基于第一批样品，对电子鼻所采集的数据进行了PCA、判别分析及多种神经网络分析。分析结果表明，电子鼻的传感器响应随样品新鲜度的不同而有明显的变化，尤其是传感器4、6、7、8、10与样品贮藏时间的相关性较好；不同新鲜度的样品在PCA分析图上，可以较好地聚类，说明电子鼻用于牛肉新鲜度检测是十分可行的；判别分析效果良好，电子鼻可以对不同新鲜度的牛肉样品进行定性分析；选用GRNN作为模式识别方法，以15s、30s、40s、50s的数据作为输入向量，电子鼻也可以对样品的贮藏时间、挥发性盐基氮的含量、细菌总数及感官评价得分做较好的预测，其中标准误差Se分别为：1.36(天)、4.64(mg/100g)、16.12(105个/g)、1.31。 与BPNN相比，GRNN不但具有方便，简单和运算速度快等优点，还具有性能稳定、预测精度高、泛化能力强等优点，在本次实验中，其效果明显优于BPNN，是电子鼻进行模式识别和定量预测的一种优良的神经网络模型。 采用第一批的样本建立了数据库和神经网络模型，对第二批的样品进行电子鼻检测并用建立好的模型对挥发性盐基氮、细菌总数感官评价得分进行了预测，效果较好，预测的标准误差分别为7.31(mg/100g)、26.59(105个/g)和1.69。然而对第三批的样品进行预测，效果较差，预测的标准误差分别为12.76(mg/100g)、60.35(105个/g)和1.93。这说明：不同的的贮藏条件对牛肉的气味及电子鼻的检测结果有较大的影响，所以对不同条件下贮藏的样品，其检测分析应建立特定的预测模型。

目录

文摘

英文文摘

第一章绪论

第二章实验材料、仪器与方法

第三章传感器响应分析与实验参数优化

第四章牛肉样品的理化及感官分析结果

第五章基于色差计牛肉新鲜度的检测结果与分析

第六章基于电子鼻牛肉新鲜度的检测结果与分析

第七章总结与展望

参考文献

致谢

研究生期间的主要成果