[發(fā)明專利]基于嗅覺可視化芯片的牛肉新鮮度快速檢測方法

在審

• 申請?zhí)枺?/td>: 202210509941.2
• 申請日: 2022-05-11
• 公開（公告）號: CN114994025A
• 公開（公告）日: 2022-09-02
• 發(fā)明（設(shè)計）人: 劉東紅;許唯棟;王文駿;呂瑞玲;徐恩波;周建偉;馮勁松;丁甜;程煥
• 申請（專利權(quán)）人: 浙江大學(xué)
• 主分類號: G01N21/78
• 分類號: G01N21/78;G01N33/00;G01N33/12
• 代理公司: 杭州中成專利事務(wù)所有限公司 33212
• 代理人: 金祺

1.基于嗅覺可視化芯片的牛肉新鮮度快速檢測方法，其特征在于包括以下步驟：

1)、制備嗅覺可視化芯片：

選用四甲氧基苯基卟啉鐵(III)氯化物和酚紅作為氣敏材料，制備獲得具有兩個傳感器的嗅覺可視化芯片；

2)、設(shè)定不同存儲時間下的代表牛肉樣本，將每個存儲時間對應(yīng)的代表牛肉樣本分別進(jìn)行如下處理：

一分為二形成2個代表牛肉小樣本，一個代表牛肉小樣本用于下述步驟2.1)，另一個代表牛肉小樣本用于下述步驟2.2)：

2.1)、將含有氣敏材料的嗅覺可視化芯片與一個代表牛肉小樣本置于密閉的容器內(nèi)進(jìn)行反應(yīng)，獲取反應(yīng)前后芯片的RGB差值，生成嗅覺可視化芯片的響應(yīng)特征矩陣；

2.2)、測量另一個代表牛肉小樣本的新鮮度指標(biāo)，所述新鮮度指標(biāo)為TVB-N和TVC含量；

2.3)、將步驟2.2)所得的新鮮度指標(biāo)數(shù)據(jù)與步驟2.1)對應(yīng)貯藏時間獲取的響應(yīng)特征矩陣相結(jié)合，從而建立牛肉新鮮度的后向傳播神經(jīng)網(wǎng)絡(luò)定量模型。

2.根據(jù)權(quán)利要求1所述的基于嗅覺可視化芯片的牛肉新鮮度快速檢測方法，其特征在于還包括如下的步驟：

將待測牛肉樣本按照上述2.1)進(jìn)行操作，獲取待測牛肉樣本的嗅覺可視化芯片的響應(yīng)特征矩陣；

將待測牛肉樣本的嗅覺可視化芯片響應(yīng)特征矩陣輸入步驟2.3)中建立的牛肉中定量模型中，從而獲得待測牛肉樣本的TVB-N含量的預(yù)測值以及TVC含量的預(yù)測值

3.根據(jù)權(quán)利要求2所述的基于嗅覺可視化芯片的牛肉新鮮度快速檢測方法，其特征在于還包括：將用于驗證的牛肉樣本重復(fù)進(jìn)行上述步驟2)，從而驗證BPNN的精度和魯棒性。

4.根據(jù)權(quán)利要求1～3任一所述的基于嗅覺可視化芯片的牛肉新鮮度快速檢測方法，其特征在于所述步驟1)為：

將8mg四甲氧基苯基卟啉鐵(III)氯化物溶于4mL氯仿，配制成四甲氧基苯基卟啉鐵(III)氯化物溶液；

將8mg酚紅溶于4mL無水乙醇，配制成酚紅溶液；

將四甲氧基苯基卟啉鐵(III)氯化物溶液和酚紅溶液分別滴加至聚偏二氟乙烯膜同一面的不同位置處，從而制成具有兩個傳感器的嗅覺可視化芯片。

5.根據(jù)權(quán)利要求4所述的基于嗅覺可視化芯片的牛肉新鮮度快速檢測方法，其特征在于所述步驟2.1)為：

于密閉容器中放置代表牛肉小樣本，使得嗅覺可視化芯片的兩個傳感器正對代表牛肉小樣本，室溫下靜置反應(yīng)4～8分鐘后取出嗅覺可視化芯片；讀取嗅覺可視化芯片中兩個傳感器反應(yīng)前后RGB差值的絕對值，選擇四甲氧基苯基卟啉鐵(III)氯化物的R值和酚紅的R值作為嗅覺可視化芯片的響應(yīng)特征矩陣。

6.根據(jù)權(quán)利要求5所述的基于嗅覺可視化芯片的牛肉新鮮度快速檢測方法，其特征在于所述步驟2.3)為：

將步驟2.2)所得的TVB-N值(y_tra-TVBN)與對應(yīng)貯藏時間獲取的響應(yīng)特征矩陣相結(jié)合，采用Matlab語言編程，將BPNN模型的網(wǎng)絡(luò)結(jié)構(gòu)設(shè)為2-7-1，建立牛肉中TVB-N含量的預(yù)測模型；

將步驟2.2)所得的TVC值(y_tra-TVC)與對應(yīng)貯藏時間獲取的響應(yīng)特征矩陣相結(jié)合，采用Matlab語言編程，將BPNN模型的網(wǎng)絡(luò)結(jié)構(gòu)設(shè)為2-3-1，建立牛肉中TVC含量的預(yù)測模型。

7.根據(jù)權(quán)利要求6所述的基于嗅覺可視化芯片的牛肉新鮮度快速檢測方法，其特征在于：

將用于驗證的牛肉樣本分別采集其在貯藏期間的嗅覺可視化芯片的響應(yīng)特征矩陣、TVB-N和TVC含量，分別將響應(yīng)特征矩陣和TVB-N，響應(yīng)特征矩陣和TVC導(dǎo)入對應(yīng)的BPNN模型中，用于驗證預(yù)先建立的BPNN定量模型的精度和魯棒性；

上述BPNN定量模型的評價指標(biāo)分別為訓(xùn)練均方根誤差(RMSEC)、訓(xùn)練集的決定系數(shù)(R_c)預(yù)測均方根誤差(RMSEP)、預(yù)測決定系數(shù)(R_p)和相對分析誤差(RPD)，具體為：

其中y_pre和分別代表預(yù)測集中第j個樣本的真實值和預(yù)測值；表示預(yù)測集中所有真實值含量的平均值；N_pre表示預(yù)測集中的樣本個數(shù)；訓(xùn)練集中RMSEC、R_c的計算公式與預(yù)測集中RMSEP、R_p的計算公式類似；SD代表預(yù)測集中所有真實值的標(biāo)準(zhǔn)偏差。