CN104849321B - 一种基于嗅觉指纹图谱快速检测柑橘品质的方法 - Google Patents
一种基于嗅觉指纹图谱快速检测柑橘品质的方法 Download PDFInfo
- Publication number
- CN104849321B CN104849321B CN201510226657.4A CN201510226657A CN104849321B CN 104849321 B CN104849321 B CN 104849321B CN 201510226657 A CN201510226657 A CN 201510226657A CN 104849321 B CN104849321 B CN 104849321B
- Authority
- CN
- China
- Prior art keywords
- mrow
- citrus
- electronic nose
- msub
- sensor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000001514 detection method Methods 0.000 title claims description 30
- 235000020971 citrus fruits Nutrition 0.000 claims abstract description 68
- 241000207199 Citrus Species 0.000 claims abstract description 64
- 235000011389 fruit/vegetable juice Nutrition 0.000 claims abstract description 45
- CIWBSHSKHKDKBQ-JLAZNSOCSA-N Ascorbic acid Chemical compound OC[C@H](O)[C@H]1OC(=O)C(O)=C1O CIWBSHSKHKDKBQ-JLAZNSOCSA-N 0.000 claims abstract description 40
- 238000007637 random forest analysis Methods 0.000 claims abstract description 30
- 239000002253 acid Substances 0.000 claims abstract description 21
- ZZZCUOFIHGPKAK-UHFFFAOYSA-N D-erythro-ascorbic acid Natural products OCC1OC(=O)C(O)=C1O ZZZCUOFIHGPKAK-UHFFFAOYSA-N 0.000 claims abstract description 20
- 229930003268 Vitamin C Natural products 0.000 claims abstract description 20
- 235000019154 vitamin C Nutrition 0.000 claims abstract description 20
- 239000011718 vitamin C Substances 0.000 claims abstract description 20
- 235000000346 sugar Nutrition 0.000 claims abstract description 19
- 239000000126 substance Substances 0.000 claims abstract description 12
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 7
- 238000007781 pre-processing Methods 0.000 claims abstract description 5
- 238000012360 testing method Methods 0.000 claims description 23
- 239000000523 sample Substances 0.000 claims description 19
- 238000003066 decision tree Methods 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 11
- 238000012952 Resampling Methods 0.000 claims description 6
- 239000012488 sample solution Substances 0.000 claims description 5
- 239000007787 solid Substances 0.000 claims description 5
- CCBICDLNWJRFPO-UHFFFAOYSA-N 2,6-dichloroindophenol Chemical compound C1=CC(O)=CC=C1N=C1C=C(Cl)C(=O)C(Cl)=C1 CCBICDLNWJRFPO-UHFFFAOYSA-N 0.000 claims description 4
- 238000004140 cleaning Methods 0.000 claims description 4
- 238000006386 neutralization reaction Methods 0.000 claims description 4
- 230000003993 interaction Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims description 3
- 238000011002 quantification Methods 0.000 claims 1
- 238000004458 analytical method Methods 0.000 abstract description 3
- 238000002474 experimental method Methods 0.000 abstract description 3
- 238000001035 drying Methods 0.000 abstract 1
- 239000000284 extract Substances 0.000 abstract 1
- 238000001914 filtration Methods 0.000 abstract 1
- 229920006395 saturated elastomer Polymers 0.000 abstract 1
- 238000005406 washing Methods 0.000 abstract 1
- 239000007789 gas Substances 0.000 description 18
- 125000003118 aryl group Chemical group 0.000 description 3
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 2
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 2
- 102100028260 Gamma-secretase subunit PEN-2 Human genes 0.000 description 2
- 101000579663 Homo sapiens Gamma-secretase subunit PEN-2 Proteins 0.000 description 2
- 150000001335 aliphatic alkanes Chemical class 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 235000005979 Citrus limon Nutrition 0.000 description 1
- 244000131522 Citrus pyriformis Species 0.000 description 1
- 240000000560 Citrus x paradisi Species 0.000 description 1
- 235000016623 Fragaria vesca Nutrition 0.000 description 1
- 240000009088 Fragaria x ananassa Species 0.000 description 1
- 235000011363 Fragaria x ananassa Nutrition 0.000 description 1
- 241000220225 Malus Species 0.000 description 1
- 235000011430 Malus pumila Nutrition 0.000 description 1
- 235000015103 Malus silvestris Nutrition 0.000 description 1
- UCKMPCXJQFINFW-UHFFFAOYSA-N Sulphide Chemical compound [S-2] UCKMPCXJQFINFW-UHFFFAOYSA-N 0.000 description 1
- 235000009754 Vitis X bourquina Nutrition 0.000 description 1
- 235000012333 Vitis X labruscana Nutrition 0.000 description 1
- 240000006365 Vitis vinifera Species 0.000 description 1
- 235000014787 Vitis vinifera Nutrition 0.000 description 1
- 150000007513 acids Chemical class 0.000 description 1
- 229910021529 ammonia Inorganic materials 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000002290 gas chromatography-mass spectrometry Methods 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 238000004128 high performance liquid chromatography Methods 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 125000004435 hydrogen atom Chemical class [H]* 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000013421 nuclear magnetic resonance imaging Methods 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 150000002898 organic sulfur compounds Chemical class 0.000 description 1
- GSWAOPJLTADLTN-UHFFFAOYSA-N oxidanimine Chemical class [O-][NH3+] GSWAOPJLTADLTN-UHFFFAOYSA-N 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000013138 pruning Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 150000008163 sugars Chemical class 0.000 description 1
Landscapes
- Investigating Or Analyzing Materials By The Use Of Fluid Adsorption Or Reactions (AREA)
Abstract
本发明公开了一种基于嗅觉指纹图谱快速检测柑橘品质的方法，具体为：将刚采收的柑橘洗净、擦干，进行去皮、榨汁，取纯果汁；进行电子鼻实验：将过滤后的柑橘汁放于密封容器中，静置，使顶空气体达到饱和后，电子鼻对顶空气体进行检测，从嗅觉指纹图谱中提取特征数据作为电子鼻部分的原始数据；然后对柑橘汁进行维生素C、pH、总酸、总糖、糖酸比理化指标检测；采用随机森林建立电子鼻信号与理化指标之间的回归模型。本发明方法只需利用电子鼻和随机森林算法就能快速检测柑橘的内部品质状况，无需复杂前处理，分析结果客观可靠，操作简单，成本低廉，具有较高的推广及应用价值。
Description
技术领域
本发明属于食品领域，涉及一种利基于嗅觉指纹图谱快速检测柑橘品质的方法。
背景技术
中国是柑橘的重要原产地之一，柑橘资源丰富，品种繁多，有悠久的栽培历史。柑橘果实具有很高的营养价值以及药用价值，深受人们喜爱。近些年来，对成熟果实的品质尝试用客观的仪器检测例如气相色谱-质谱联用技术(GC-MS)、核磁共振成像、高效液相色谱(HPLC)等。但是这些方法存在费用昂贵、检测周期长、对检测环境和实验人员的素质要求高等问题。
电子鼻又称气味扫描仪，以特定的传感器和模式识别系统快速提供被测样品的整体信息，具有高灵敏度、可靠性、重复性，可以对样品进行量化分析，对一些成分含量进行快速定性定量。电子鼻采用了人工智能技术，实现了由仪器“嗅觉”对产品进行客观分析。电子鼻作为一种便捷、客观的品质检测方法，在食品领域有着广阔的应用前景。
发明内容
本发明的目的在于针对现有技术的不足，提供一种基于嗅觉指纹图谱快速检测柑橘品质的方法。
本发明的目的是通过以下技术方案来实现的：一种基于嗅觉指纹图谱快速检测柑橘品质的方法，包括以下步骤：
(1)将柑橘表面处理干净，去皮、榨汁、过滤，取纯柑橘汁；将柑橘汁放于密封容器中，在室温下静置，使密封容器中的顶空气体达到饱和；
(2)电子鼻检测：电子鼻内置泵将密封容器中的顶空气体吸入传感器阵列通道内，传感器与顶空气体发生反应产生相应传感器信号；电子鼻检测过程中，检测时间、清洗时间、气体流速分别为80s、80s、200ml/min；所述传感器信号是传感器接触顶空气体的电导率G与传感器在经过校准气体时的电导率G0的比值，即G/G0；
(3)理化指标检测：对柑橘汁进行维生素C、pH、总酸、总糖的检测；所述维生素C采用2，6-二氯靛酚法进行测定，方法步骤参考国家标准GB/T 6195-1986；pH直接用pH测试仪在样品溶液中进行测定；总酸采用酸碱中和法进行测定，方法步骤参考国家标准GB/T12456-2008；总糖在室温下用折射仪测定柑橘汁溶液中的折射率，从仪器的刻度尺上直接读出可溶性固形物的含量；所有理化指标检测与电子鼻检测需在同一天完成；
(4)在Matlab中，将步骤2中电子鼻传感器稳定的信号值作为特征值，通过自助法(boot-strap)重采样技术，不断生成训练样本和测试样本，由训练样本生成若干决策树，从而建立随机森林模型；通过随机森林建立电子鼻传感器的嗅觉指纹信息与柑橘汁中的维生素C、pH、总酸、总糖的定量预测模型；
(5)将待测柑橘汁通过步骤2得到其电子鼻传感器信号，再将传感器信号输入步骤4得到的预测模型中，预测待测柑橘汁的维生素C、pH、总酸、总糖，从而达到仅利用电子鼻就能有效预测柑橘汁品质的目的。
进一步地，所述步骤1具体为：将10ml柑橘汁放于500ml的烧杯中，用保鲜膜进行密封，在室温下静置30min，使烧杯的顶空气体达到饱和。
进一步地，所述步骤4中，所述特征值为电子鼻的10个传感器第60s的信号值，该10个响应信号值无需任何数据前处理，无需考虑传感器之间的相互交互作用，直接进行随机森林建立预测模型。
进一步地，所述步骤4中，通过相关系数r、均方根误差RMSE值对基于随机森林算法的定量预测模型进行评价，具体为：
其中，N表示采样点数；
Xi为第i个样品的测试值；
为所有样品测试值的平均值；
Yi为第i个样品的预测值；
为所有样品预测值的平均值。
本发明的有益效果是，本发明方法只需利用电子鼻和随机森林算法就能快速检测柑橘的内部品质状况，无需复杂前处理，分析结果客观可靠，操作简单，成本低廉，具有较高的推广及应用价值。
附图说明
图1本发明实例中电子鼻传感器响应信号；
图2本发明实例中基于电子鼻响应信号随机森林对柑橘果汁中pH预测；
图3本发明实例中基于电子鼻响应信号随机森林对柑橘果汁中总酸预测；
图4本发明实例中基于电子鼻响应信号随机森林对柑橘果汁中可溶性固形物预测；
图5本发明实例中基于电子鼻响应信号随机森林对柑橘果汁中维生素C预测。
具体实施方式
本发明一种基于嗅觉指纹图谱快速检测柑橘品质的方法，具体步骤如下：
(1)将柑橘表面处理干净，去皮、榨汁、过滤，取纯柑橘汁；将柑橘汁放于密封容器中，在室温下静置，使密封容器中的顶空气体达到饱和；
(2)电子鼻检测：电子鼻内置泵将密封容器中的顶空气体吸入传感器阵列通道内，传感器与顶空气体发生反应产生相应传感器信号；电子鼻检测过程中，检测时间、清洗时间、气体流速分别为80s、80s、200ml/min；所述传感器信号是传感器接触顶空气体的电导率G与传感器在经过校准气体时的电导率G0的比值，即G/G0；
(3)理化指标检测：对柑橘汁进行维生素C、pH、总酸、总糖的检测；所述维生素C采用2，6-二氯靛酚法进行测定，方法步骤参考国家标准GB/T 6195-1986；pH直接用pH测试仪在样品溶液中进行测定；总酸采用酸碱中和法进行测定，方法步骤参考国家标准GB/T12456-2008；总糖在室温下用折射仪测定柑橘汁溶液中的折射率，从仪器的刻度尺上直接读出可溶性固形物的含量；所有理化指标检测与电子鼻检测需在同一天完成；
(4)在Matlab中，将步骤2中电子鼻传感器稳定的信号值作为特征值，通过自助法(boot-strap)重采样技术，不断生成训练样本和测试样本，由训练样本生成若干决策树，从而建立随机森林模型；通过随机森林建立电子鼻传感器的嗅觉指纹信息与柑橘汁中的维生素C、pH、总酸、总糖的定量预测模型；
(5)将待测柑橘汁通过步骤2得到其电子鼻传感器信号，再将传感器信号输入步骤4得到的预测模型中，预测待测柑橘汁的维生素C、pH、总酸、总糖，从而达到仅利用电子鼻就能有效预测柑橘汁品质的目的。
所述步骤1具体为：将10ml柑橘汁放于500ml的烧杯中，用保鲜膜进行密封，在室温下静置30min，使烧杯的顶空气体达到饱和。
所述步骤4中，所述特征值为电子鼻的10个传感器第60s的信号值，该10个响应信号值无需任何数据前处理，无需考虑传感器之间的相互交互作用，直接进行随机森林建立预测模型。
所述步骤4中，通过相关系数r、均方根误差RMSE值对基于随机森林算法的定量预测模型进行评价，具体为：
其中，N表示采样点数；
Xi为第i个样品的测试值；
为所有样品测试值的平均值；
Yi为第i个样品的预测值；
为所有样品预测值的平均值。
由于不同品种的柑橘气体成分会有差别，实际应用本发明是，针对不同种类的柑橘，首先要建立每种柑橘的回归模型，模型一旦建立以后，无需理化试验，只需通过电子鼻检测，便可以得到柑橘内部的理化指标：维生素C、pH、总酸、总糖，从而实现在线、快速柑橘品质的监控。
实施例
本发明适用于柑橘、柚、柠檬、葡萄、苹果、草莓等水果品质的检测。以下的实施例便于更好地理解本发明，但并不限定本发明。
本发明主要适用于电子鼻数据处理和回归建模方法。本发明一种基于嗅觉指纹图谱快速检测柑橘品质的方法，它的步骤如下：
1、分别采收4个不同日期的同种柑橘，将刚采收的柑橘表面处理干净，剔除病变的，选取颜色、大小、形状一致的样品，将柑橘去皮、榨汁、过滤。将10～15g柑橘汁放于一定容积的烧杯中，在室温下密封一段时间后，使建模样品的顶空气体达到饱和。
2、将顶空气体抽取到到电子鼻系统中，检测时间为80s，清洗时间为80s，气体流速为200ml/min。当电子鼻内置泵将气体吸入传感器阵列通道内，传感器与样品气体发生反应产生相应信号：传感器信号是传感器接触样品气体的电导率G与传感器在经过校准气体时电导率G0的比值，即G/G0。电子鼻检测器每隔1s产生1个信号，得到传感器阵列响应值，取稳定值作为原始数据。每组样品做24个平行实验。检测观察发现多次实验的传感器响应信号图相似，均在30秒左右开始趋于稳定，取第60s信号值作为电子鼻系统的原始数据，如图1所示。将采集的数据送入电脑中作后期的回归预测建模。
本案例中应用的是德国AIRSENSE公司的PEN2型电子鼻为检测仪器，改电子鼻系统由10个金属氧化物传感器，其型号与相应特性如表1所示：
表1 PEN2型电子鼻各传感器的响应特征
| 序号 | 名称 | 性能特点 |
| 1 | S1 | 对芳香成分敏感 |
| 2 | S2 | 对氨氧化合物很敏感 |
| 3 | S3 | 对氨水、芳香成分敏感 |
| 4 | S4 | 对氢气有选择性 |
| 5 | S5 | 对烷烃、芳香成分敏感 |
| 6 | S6 | 对甲烷敏感 |
| 7 | S7 | 对硫化物敏感 |
| 8 | S8 | 对乙醇敏感 |
| 9 | S9 | 对芳香成分、有机硫化物敏感 |
| 10 | S10 | 对烷烃敏感 |
3、对柑橘汁样品进行理化指标检测：维生素C、pH、总酸和总糖。
维生素C采用2，6-二氯靛酚法，方法步骤参考国家标准GB/T 6195-1986；pH直接用pH测试仪在样品溶液中进行测定；总酸采用酸碱中和法，方法步骤参考国家标准GB/T12456-2008；总糖测定在20℃用折射仪测定试样溶液的折射率，从仪器的刻度尺上直接读出可溶性固形物的含量。所有理化指标检测与电子鼻检测需在同一天完成。
4、在Matlab中，将步骤2中电子鼻传感器稳定的信号值作为特征值，通过自助法(boot-strap)重采样技术，不断生成训练样本和测试样本，由训练样本生成若干决策树，从而建立随机森林模型；通过随机森林建立电子鼻传感器的嗅觉指纹信息与柑橘汁中的维生素C、pH、总酸、总糖的定量预测模型；
随机森林算法的大致步骤如下：
(1)利用自助法(boot-strap)重采样技术，随机产生T个训练集S1,S2,...,ST；所述自助法(boot-strap)重采样具体为：设集合中有n个不同的样本{x1,x2,...,xn}，若每次有放回地从集合S中抽取一个样本，一共抽取n次，形成新的集合S*，则集合S*中包含某个样本xi(i＝1,2,...,n)的概率为当n→∞时，有因此，新集合的样本总数与原集合相同，但是包含了重复样本(有放回抽取)，新集合中仅包含了原集合S集合约1-0.368*100％＝63.2％的样本；
(2)利用每个训练集，生成对应的决策树C1,C2,...CT；在每个非叶子节点上在基于前节点的分裂属性集m中的最好的分裂方式对该节点进行分裂(一般而言，在这个随机森林的生长过程中，m的值是保持不变的)；
(3)每棵树完整成长，而不进行修剪；
(4)对于测试集样本X，利用每个决策树进行测试，得到对应的类别C1(X),C2(X),...,CT(X)；
(5)采用投票的方式，随机森林模型的最终结果由T个决策树输出值的平均值而定。
在随机森林模型中，对决策树的树节点的变量个数以及随机森林中决策树的个数进行优化，测试结果由决策树投票结果的平均值而定，最后优化的结果得到树节点的变量为3，决策树的个数为40。
5、将待测柑橘汁通过步骤2得到其电子鼻传感器信号，再将传感器信号输入步骤4得到的预测模型中，预测待测柑橘汁的维生素C、pH、总酸、总糖，从而达到仅利用电子鼻就能有效预测柑橘汁品质的目的。
通过相关系数r、均方根误差RMSE值对优化后的随机森林模型进行评价，具体为：
其中，N表示在建模过程中的样本个数；
Xi为建模过程中的第i个测试值；
为建模过程中的样本响应值的平均值；
Yi为建模过程中第i个样本的预测值；
为建模过程中的样本预测值的平均值。
表2总结了本发明实例测试中随机森林对维生素C、pH、总酸和总糖的预测模型的评价。图2，图3，图4，图5分别是预测结果和实际理化值之间回归曲线。从训练集(已知维生素C、总酸、可溶性固形物、pH值含量的样品)和预测集(未知维生素C、总酸、可溶性固形物、pH值含量的的样品)的相关系数R2和均方根误差RMSE可以得出训练建立了一个良好的预测。本发明在仅2分钟时间，基于随机森林算法的电子鼻系统实现了刚采收的柑橘进行了内部品质的快速检测。
表2：基于随机森林模型对建模集样品和预测集样品的预测结果
Claims (4)
1.一种基于嗅觉指纹图谱快速检测柑橘品质的方法，其特征在于，该方法包括如下步骤：
(1)将柑橘表面处理干净，去皮、榨汁、过滤，取纯柑橘汁；将柑橘汁放于密封容器中，在室温下静置，使密封容器中的顶空气体达到饱和；
(2)电子鼻检测：电子鼻内置泵将密封容器中的顶空气体吸入传感器阵列通道内，传感器与顶空气体发生反应产生相应传感器信号；电子鼻检测过程中，检测时间、清洗时间、气体流速分别为80s、80s、200ml/min；所述传感器信号是传感器接触顶空气体的电导率G与传感器在经过校准气体时的电导率G0的比值，即G/G0；
(3)理化指标检测：对柑橘汁进行维生素C、pH、总酸、总糖的检测；所述维生素C采用2，6-二氯靛酚法进行测定；pH直接用pH测试仪在样品溶液中进行测定；总酸采用酸碱中和法进行测定；总糖在室温下用折射仪测定柑橘汁溶液中的折射率，从仪器的刻度尺上直接读出可溶性固形物的含量；所有理化指标检测与电子鼻检测需在同一天完成；
(4)在Matlab中，将步骤2中电子鼻传感器稳定的信号值作为特征值，通过自助法(boot-strap)重采样技术，不断生成训练样本和测试样本，由训练样本生成若干决策树，从而建立随机森林模型；通过随机森林建立电子鼻传感器的嗅觉指纹信息与柑橘汁中的维生素C、pH、总酸、总糖的定量预测模型；
(5)将待测柑橘汁通过步骤2得到其电子鼻传感器信号，再将传感器信号输入步骤4得到的预测模型中，预测待测柑橘汁的维生素C、pH、总酸、总糖，从而达到仅利用电子鼻就能有效预测柑橘汁品质的目的。
2.根据权利要求1所述的一种基于嗅觉指纹图谱快速检测柑橘品质的方法，其特征在于，所述步骤1具体为：将10ml柑橘汁放于500ml的烧杯中，用保鲜膜进行密封，在室温下静置30min，使烧杯的顶空气体达到饱和。
3.根据权利要求1所述的一种基于嗅觉指纹图谱快速检测柑橘品质的方法，其特征在于，所述步骤4中，所述特征值为电子鼻的10个传感器第60s的信号值，在随机森林模型预测时，无需进行信号值前处理，无需考虑传感器之间的相互交互作用。
4.根据权利要求1所述的一种基于嗅觉指纹图谱快速检测柑橘品质的方法，其特征在于，所述步骤4中，通过相关系数r、均方根误差RMSE值对基于随机森林算法的定量预测模型进行评价，具体为：
<mrow>
<mi>r</mi>
<mo>=</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<mrow>
<mo>(</mo>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mover>
<mi>X</mi>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<msub>
<mi>Y</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mover>
<mi>Y</mi>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msqrt>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mover>
<mi>X</mi>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<msqrt>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>Y</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mover>
<mi>Y</mi>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mrow>
</mfrac>
</mrow>
<mrow>
<mi>R</mi>
<mi>M</mi>
<mi>S</mi>
<mi>E</mi>
<mo>=</mo>
<msqrt>
<mrow>
<mfrac>
<mn>1</mn>
<mi>N</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>Y</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mrow>
其中，N表示采样点数；
Xi为第i个样品的测试值；
为所有样品测试值的平均值；
Yi为第i个样品的预测值；
为所有样品预测值的平均值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510226657.4A CN104849321B (zh) | 2015-05-06 | 2015-05-06 | 一种基于嗅觉指纹图谱快速检测柑橘品质的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510226657.4A CN104849321B (zh) | 2015-05-06 | 2015-05-06 | 一种基于嗅觉指纹图谱快速检测柑橘品质的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104849321A CN104849321A (zh) | 2015-08-19 |
| CN104849321B true CN104849321B (zh) | 2017-10-20 |
Family
ID=53849124
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510226657.4A Expired - Fee Related CN104849321B (zh) | 2015-05-06 | 2015-05-06 | 一种基于嗅觉指纹图谱快速检测柑橘品质的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104849321B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105738422A (zh) * | 2016-02-01 | 2016-07-06 | 浙江大学 | 一种基于电子鼻检测山核桃储藏时间的方法 |
| CN106918626B (zh) * | 2017-04-14 | 2019-06-25 | 中国石油化工股份有限公司 | 危险气氛综合状态指纹识别方法 |
| CN110133050B (zh) * | 2019-04-10 | 2020-08-14 | 浙江大学 | 一种基于多传感器指纹图谱定性定量检测茶叶品质的方法 |
| CN112268993A (zh) * | 2020-09-14 | 2021-01-26 | 杭州电子科技大学 | 一种基于电子鼻技术对河道水质参数快速监测的方法 |
| CN112268994A (zh) * | 2020-09-14 | 2021-01-26 | 杭州电子科技大学 | 一种基于电子鼻技术的黑臭水体快速识别的方法 |
| CN113340943B (zh) * | 2021-06-02 | 2022-06-14 | 舟山市自来水有限公司 | 基于指纹图谱的水体中嗅味类型和嗅味强度的分析方法 |
| CN113432654A (zh) * | 2021-07-29 | 2021-09-24 | 江苏大学 | 一种基于物联网技术的柑橘仓储品质气体监测系统 |
| CN114577854A (zh) * | 2022-02-25 | 2022-06-03 | 江苏大学 | 一种基于电子鼻的柑橘黄龙病检测方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE19958014A1 (de) * | 1999-12-02 | 2001-06-07 | Andreas Kraus | Invertierter Betriebsmodus für elektronische Nasen |
| WO2002003047A2 (en) * | 2000-07-03 | 2002-01-10 | Michigan State University | Method and apparatus for the detection of volatile products in a sample |
| CN101382531A (zh) * | 2008-10-08 | 2009-03-11 | 天津商业大学 | 利用电子鼻检测虾新鲜度的方法 |
| CN101493431A (zh) * | 2009-03-06 | 2009-07-29 | 天津商业大学 | 利用电子鼻检测鸡肉新鲜度的方法 |
| CN101587510A (zh) * | 2008-05-23 | 2009-11-25 | 中国科学院上海药物研究所 | 基于复杂抽样和改进决策森林算法的化合物致癌毒性预测方法 |
| CN101806764A (zh) * | 2010-04-23 | 2010-08-18 | 北京市农林科学院蔬菜研究中心 | 非破坏准确鉴定西瓜成熟度的方法 |
-
2015
- 2015-05-06 CN CN201510226657.4A patent/CN104849321B/zh not_active Expired - Fee Related
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE19958014A1 (de) * | 1999-12-02 | 2001-06-07 | Andreas Kraus | Invertierter Betriebsmodus für elektronische Nasen |
| WO2002003047A2 (en) * | 2000-07-03 | 2002-01-10 | Michigan State University | Method and apparatus for the detection of volatile products in a sample |
| CN101587510A (zh) * | 2008-05-23 | 2009-11-25 | 中国科学院上海药物研究所 | 基于复杂抽样和改进决策森林算法的化合物致癌毒性预测方法 |
| CN101382531A (zh) * | 2008-10-08 | 2009-03-11 | 天津商业大学 | 利用电子鼻检测虾新鲜度的方法 |
| CN101493431A (zh) * | 2009-03-06 | 2009-07-29 | 天津商业大学 | 利用电子鼻检测鸡肉新鲜度的方法 |
| CN101806764A (zh) * | 2010-04-23 | 2010-08-18 | 北京市农林科学院蔬菜研究中心 | 非破坏准确鉴定西瓜成熟度的方法 |
Non-Patent Citations (1)
| Title |
|---|
| 不同成熟度草莓鲜榨果汁的电子鼻和电子舌检测;高丽萍;《浙江大学学报》;20121114;第38卷(第6期);第717页，第1栏第1段，第2栏第2段；第718页，第1栏第2段；第722页，第2栏第1段； * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104849321A (zh) | 2015-08-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104849321B (zh) | 一种基于嗅觉指纹图谱快速检测柑橘品质的方法 | |
| CN104849318B (zh) | 基于味觉嗅觉指纹图谱检测不同成熟度柑橘品质的方法 | |
| CN106501470B (zh) | 利用味觉系统与电子鼻联合评价芥辣酱风味等级的方法 | |
| CN104849323B (zh) | 一种基于电子鼻快速检测果汁中澄清剂的方法 | |
| CN102297930A (zh) | 一种识别与预测肉新鲜度的方法 | |
| Jiang et al. | A novel framework for analyzing MOS E-nose data based on voting theory: Application to evaluate the internal quality of Chinese pecans | |
| CN103499609B (zh) | 一种对蜂蜜香气智能嗅觉动态响应特征及差异化信息动态表征研究的方法 | |
| CN103134850A (zh) | 一种基于特征香气的茶叶品质快速检测装置及检测方法 | |
| CN103575690B (zh) | 基于红外气体传感器的水果成熟度检测系统 | |
| CN102937575B (zh) | 一种基于二次光谱重组的西瓜糖度快速建模方法 | |
| CN1987456A (zh) | 一种水果成熟度预测方法 | |
| CN103389323B (zh) | 一种快速无损评定名贵药材年限的方法 | |
| CN106568907A (zh) | 一种基于半监督鉴别投影的大闸蟹新鲜度无损检测方法 | |
| CN104914225B (zh) | 一种基于嗅觉指纹信息预测果汁中澄清剂含量的方法 | |
| CN105527391A (zh) | 一种基于电子鼻分析的金枪鱼油储藏过程中腐败程度的测定方法 | |
| CN104897738B (zh) | 一种基于嗅觉指纹信息快速检测超高压果汁品质的方法 | |
| CN106295801A (zh) | 一种基于果蝇算法优化广义回归神经网络算法的茶叶储存时间分类方法 | |
| CN104111274A (zh) | 一种利用气体传感器阵列型电子鼻指纹分析系统鉴别杨梅汁产地的方法 | |
| CN103499646A (zh) | 一种蜂蜜特征香气分析及蜂蜜香气体系模拟的方法 | |
| CN110887944A (zh) | 一种茶油品质快速检测装置 | |
| CN110084420B (zh) | 浓香型白酒发酵中黄水的总糖、总酸和酒精度的检测方法 | |
| CN104330441A (zh) | 一种判定鱼肉品质变化的方法与系统 | |
| CN105738422A (zh) | 一种基于电子鼻检测山核桃储藏时间的方法 | |
| CN104849327B (zh) | 一种基于味觉指纹信息预测果汁中苯甲酸含量的方法 | |
| Guo et al. | Characterization of different processes lemon slice using electronic tongue |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| EXSB | Decision made by sipo to initiate substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20171020 |