一种基于电子鼻的不同新鲜度山核桃的快速无损区分方法

摘要

本发明公开了一种基于电子鼻的不同新鲜度山核桃的快速无损区分方法。步骤如下：使用电子鼻直接对新鲜度已知的山核桃样品的顶空气进行体检测；采用多种特征提取方法提取特征值，选择在线性判别分析中新鲜度区分效果最好的特征值作为最终使用的特征值；构建由至少3个子模型组成的新鲜度区分模型；新鲜度区分模型中的每个子模型单独对导入的未知样品的特征值进行运算，并输出未知样品的新鲜度；通过统计新鲜度区分模型中各个区分子模型输出的新鲜度数量，其中未知样品被判定为某一新鲜度次数最多时，该新鲜度即为未知样品的新鲜度。该方法避免了基于单一区分算法所建立的新鲜度区分模型，可能出现偶然误差的现象，区分准确率高，值得广泛推广。

主权项

一种基于电子鼻的不同新鲜度山核桃的快速无损区分方法，其特征在于，具体包括如下步骤：(1)电子鼻检测过程：将新鲜度已知、外壳无损伤的山核桃作为检测样品，按照新鲜度的不同分为若干批次，相同新鲜度的山核桃至少有3组不同检测样品；按照1颗/25ml顶空气体的比例将各组山核桃分别放入无味的密闭容器中，所述密闭容器的容积不小于500ml；放入山核桃后，密封，并在室温中静置45‑75分钟，使得山核桃散发的气味达到饱和；每次电子鼻检测开始前，使用干燥洁净空气对电子鼻系统进行清洗，设置清洗流速为500ml/min‑700ml/min，清洗时间为60‑80秒；清洗完成后，电子鼻抽取密闭容器中的顶空气体，设置抽取顶空气体的流速为150ml/min‑300ml/min，检测时间为70‑90秒；检测得到传感器阵列对不同新鲜度检测样品的响应值，进而得到传感器阵列对不同新鲜度检测样品的响应曲线；(2)特征值提取：提取步骤(1)获得的传感器阵列响应曲线上的至少三种特征值，所述特征值为：最大值、最小值、第10秒响应值、第75秒响应值、最大值与最小值的差值、所有响应值的平均值、响应曲线与X轴之间的面积值；分别对提取的特征值进行线性判别分析，通过二维得分图中不同新鲜度检测样本点的聚散程度来判断区分效果，选择相同新鲜度样本点间聚拢而不同新鲜度样本点间离散的特征值作为最终的特征值；(3)新鲜度区分模型构建过程：构建新鲜度区分模型，该新鲜度区分模型至少由3个不同区分子模型构成，所述区分子模型通过以下一种分类算法建立而成；所述分类算法包括随机森林算法、BP神经网络算法、支持向量机、学习向量量化算法、贝叶斯分类算法；将步骤(2)获得的新鲜度已知的检测样品响应曲线的特征值作为训练数据导入所构建的新鲜度区分模型中，分别对新鲜度区分模型中的每个区分子模型进行训练，从而获得新鲜度区分模型；(4)新鲜度区分过程：通过步骤(1)和步骤(2)获得新鲜度未知的检测样品响应曲线的特征值，将新鲜度未知的检测样品的特征值导入步骤(3)所构建的新鲜度区分模型中，新鲜度区分模型中的每个子模型单独对导入的特征值进行运算，各个区分子模型输出新鲜度未知检测样品的新鲜度；统计新鲜度区分模型中各个区分子模型输出的新鲜度未知检测样品的新鲜度数量，其中某一新鲜度被区分子模型输出的次数最多时，则该新鲜度即为新鲜度未知的检测样品的最终新鲜度。