[發明專利]一種基于電子鼻的不同新鮮度山核桃的快速無損區分方法

有效

• 申請號: 201610071517.9
• 申請日: 2016-02-01
• 公開（公告）號: CN105699437B
• 公開（公告）日: 2018-12-04
• 發明（設計）人: 王俊;姜水
• 申請（專利權）人: 浙江大學
• 主分類號: G01N27/12
• 分類號: G01N27/12
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 邱啟旺

1.一種基于電子鼻的不同新鮮度山核桃的快速無損區分方法，其特征在于，具體包括如下步驟：

（1）電子鼻檢測過程：將新鮮度已知、外殼無損傷的山核桃作為檢測樣品，按照新鮮度的不同分為若干批次，相同新鮮度的山核桃至少有3組不同檢測樣品；按照1顆/25ml頂空氣體的比例將各組山核桃分別放入無味的密閉容器中，所述密閉容器的容積不小于500ml；放入山核桃后，密封，并在室溫中靜置45-75分鐘，使得山核桃散發的氣味達到飽和；每次電子鼻檢測開始前，使用干燥潔凈空氣對電子鼻系統進行清洗，設置清洗流速為500ml/min-700ml/min，清洗時間為60-80秒；清洗完成后，電子鼻抽取密閉容器中的頂空氣體，設置抽取頂空氣體的流速為150ml/min-300ml/min，檢測時間為70-90秒；檢測得到傳感器陣列對不同新鮮度檢測樣品的響應值，進而得到傳感器陣列對不同新鮮度檢測樣品的響應曲線；

（2）特征值提取：提取步驟（1）獲得的傳感器陣列響應曲線上的至少三種特征值，所述特征值選自最大值、最小值、第10秒響應值、第75秒響應值、最大值與最小值的差值、所有響應值的平均值、響應曲線與X軸之間的面積值；分別對提取的特征值進行線性判別分析，通過二維得分圖中不同新鮮度檢測樣本點的聚散程度來判斷區分效果，選擇相同新鮮度樣本點間聚攏而不同新鮮度樣本點間離散的特征值作為最終的特征值；

（3）新鮮度區分模型構建過程：構建新鮮度區分模型，該新鮮度區分模型至少由3個不同區分子模型構成，所述區分子模型通過以下一種分類算法建立而成；所述分類算法選自隨機森林算法、BP神經網絡算法、支持向量機、學習向量量化算法、貝葉斯分類算法中的一種；將步驟（2）獲得的新鮮度已知的檢測樣品響應曲線的特征值作為訓練數據導入所構建的新鮮度區分模型中，分別對新鮮度區分模型中的每個區分子模型進行訓練，從而獲得新鮮度區分模型；

（4）新鮮度區分過程：通過步驟（1）和步驟（2）獲得新鮮度未知的檢測樣品響應曲線的特征值，將新鮮度未知的檢測樣品的特征值導入步驟（3）所構建的新鮮度區分模型中，新鮮度區分模型中的每個子模型單獨對導入的特征值進行運算，各個區分子模型輸出新鮮度未知檢測樣品的新鮮度；統計新鮮度區分模型中各個區分子模型輸出的新鮮度未知檢測樣品的新鮮度數量，其中某一新鮮度被區分子模型輸出的次數最多時，則該新鮮度即為新鮮度未知的檢測樣品的最終新鮮度。