基于可视化嗅觉技术的鲢鱼K值快速无损检测研究

合集下载

可视传感器阵列特性研究及其在鱼新鲜度检测中的应用的开题报告

可视传感器阵列特性研究及其在鱼新鲜度检测中的应用的开题报告

可视传感器阵列特性研究及其在鱼新鲜度检测中的应用的开题报告1. 研究背景随着人们生活水平不断提高,鱼类已成为人们日常饮食中不可或缺的食品之一。

然而,由于鱼的易腐性,新鲜度是购买和食用鱼类时必须考虑的主要因素之一。

因此,快速有效地检测鱼类的新鲜度对于保证食品安全和提高消费者信心至关重要。

传统的鱼类新鲜度检测方法通常是通过观察视觉,嗅觉和触觉等方式感知鱼的新鲜度。

然而,这些方法是主观的,需要特定的专业知识和经验,而且容易受到环境的影响。

另外,手动检测鱼类新鲜度需要时间和劳动力,不适用于大规模生产和销售。

因此,开发一种快速准确的新鲜度检测方法对于鱼类行业至关重要。

可视传感器阵列作为一种可靠的非接触式检测技术,对于鱼类新鲜度的检测具有潜在的应用价值。

因此,研究可视传感器阵列在鱼类新鲜度检测中的应用,将有助于推动鱼类新鲜度检测技术的发展和进步。

2. 研究内容本文拟研究可视传感器阵列特性及其在鱼类新鲜度检测中的应用。

具体内容如下:(1)可视传感器阵列特性研究通过对可视传感器阵列的特性进行研究,包括分辨率、灵敏度、噪声等参数的测定,探究可视传感器阵列在应用于鱼类新鲜度检测中的可行性。

(2)鱼类新鲜度检测方法研究结合已有的文献和实验,探讨鱼类新鲜度检测方法的设计和优化,包括对关键特征的提取和分类算法的选择。

(3)可视传感器阵列在鱼类新鲜度检测中的应用研究基于已有研究结果,将可视传感器阵列应用于鱼类新鲜度检测中,考察其检测准确性和稳定性,并与传统的检测方法进行比较和分析。

3. 研究意义本研究旨在探索可视传感器阵列在鱼类新鲜度检测中的应用,为发展鱼类新鲜度检测技术提供有益的参考和借鉴。

本研究的主要意义如下:(1)填补鱼类新鲜度检测技术研究的空白,提高鱼类行业的品质和安全水平。

(2)通过研究和开发新的非接触式检测技术,提高鱼类新鲜度检测的精度和效率,降低生产成本。

(3)拓展可视传感器阵列在食品行业中的应用,为食品安全监管提供新的技术手段和支持。

基于可视嗅觉指纹技术的水产品新鲜度快速表征

基于可视嗅觉指纹技术的水产品新鲜度快速表征

基于可视嗅觉指纹技术的水产品新鲜度快速表征管彬彬;陈彬【摘要】通过自制的可视嗅觉指纹技术系统跟踪了不同储藏时间下的对虾、梭子蟹和小黄鱼的挥发性气体成分变化.通过色敏传感器阵列对不同水产品的挥发性气体进行了整体表征,并通过主成分分析(principal component analysis,PCA)呈现水产品储藏过程的气味变化趋势;然后通过线性判别分析(linear discriminant analysis,LDA)定性识别了对虾、梭子蟹和小黄鱼的新鲜度.结果表明,新鲜对虾的识别率为94.44%,腐败对虾的识别率为93.75%,新鲜小黄鱼的识别率为95%,腐败小黄鱼的识别率为100%,新鲜梭子蟹的识别率为100%,腐败梭子蟹的识别率为92.31%;利用该技术结合误差反向传播人工神经网络(back propagation artificial neural network,BP-ANN)模型来定量预测水产品中的挥发性盐基氮(total volatile basic nitrogen,TVBN)含量,该模型与半微量定氮法测定对虾、梭子蟹和小黄鱼中TVBN含量的相关系数分别为0.988 4、0.995 4、0.983 8,结果表明,该技术可用于水产品新鲜度的快速表征.【期刊名称】《食品与发酵工业》【年(卷),期】2019(045)009【总页数】5页(P171-175)【关键词】水产品;可视嗅觉指纹技术;新鲜度;表征;误差反向传播人工神经网络【作者】管彬彬;陈彬【作者单位】南通市食品药品监督检验中心,江苏南通,226006;南通市食品药品监督检验中心,江苏南通,226006【正文语种】中文我国是水产生产和贸易大国,水产品味道鲜美,因其具有丰富的蛋白质和维生素和较低的脂肪含量而深受广大消费者喜爱[1-2]。

然而,也正是由于水产品水分含量高、肌肉组织脆弱、内源蛋白酶活跃,其在贮藏过程中极易导致腐败、变质,影响其实用品质及安全性[3-4]。

基于深度学习的鱼类特征点检测与体征识别方法

基于深度学习的鱼类特征点检测与体征识别方法

基于深度学习的鱼类特征点检测与体征识别方法目录一、内容描述 (2)1.1 背景介绍 (2)1.2 研究目的与意义 (4)1.3 文献综述 (4)二、相关工作 (5)2.1 深度学习在鱼类特征点检测中的应用 (6)2.2 鱼类体征识别方法的研究进展 (8)三、基于深度学习的鱼类特征点检测方法 (9)3.1 特征点提取网络设计 (10)3.2 特征点匹配与识别 (12)四、基于深度学习的鱼类体征识别方法 (13)4.1 体征提取与分类 (14)4.2 实时性与鲁棒性分析 (15)五、实验设计与结果分析 (16)5.1 实验环境与参数设置 (17)5.2 实验结果展示 (18)5.3 结果分析与讨论 (19)六、总结与展望 (20)6.1 主要工作与创新点 (21)6.2 研究局限与未来工作展望 (23)一、内容描述本文提出了一种基于深度学习的鱼类特征点检测与体征识别方法,旨在通过计算机视觉技术对鱼类进行自动、准确和快速的识别。

随着人工智能和机器学习技术的不断发展,鱼类特征点检测与体征识别在渔业养殖、海洋生物研究以及水生野生动物保护等领域具有广泛的应用前景。

为实现高效、准确的鱼类特征点检测与体征识别,本文首先对鱼类图像进行了预处理,包括去噪、增强和归一化等操作,以提高后续算法的稳定性和准确性。

利用深度学习技术,如卷积神经网络(CNN)和循环神经网络(RNN),对预处理后的鱼类图像进行特征提取和分类识别。

本文所提出的方法在多个数据集上进行了实验验证,取得了较高的识别准确率和召回率。

我们还对方法的可解释性进行了分析,以便更好地理解模型的工作原理和识别过程。

本研究为鱼类特征点检测与体征识别领域提供了一种新的、有效的解决方案,有望为相关领域的研究和应用提供有益的参考。

1.1 背景介绍随着科技的不断发展,人工智能已经在许多领域展现出了强大的应用潜力,其中深度学习更是成为了推动科技进步的重要力量。

在海洋生物研究与保护、渔业资源管理和水生生态监测等领域,鱼类特征点检测与体征识别具有十分重要的作用。

基于计算机视觉的鱼体新鲜度快速无损检测方法及其装置[发明专利]

基于计算机视觉的鱼体新鲜度快速无损检测方法及其装置[发明专利]

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201910777923.0(22)申请日 2019.08.22(71)申请人 上海海洋大学地址 201306 上海市浦东新区临港新城沪城环路999号(72)发明人 卢瑛 杨明远 (74)专利代理机构 上海唯智赢专利代理事务所(普通合伙) 31293代理人 刘朵朵 吴瑾瑜(51)Int.Cl.G06K 9/46(2006.01)G06K 9/62(2006.01)(54)发明名称基于计算机视觉的鱼体新鲜度快速无损检测方法及其装置(57)摘要本发明公开了一种基于计算机视觉的鱼体新鲜度快速无损检测方法及其装置,方法为:采集鱼体的特征信息后确认该鱼体的新鲜度等级;特征信息是通过采集鱼眼的图像后对图像进行处理后得到的,处理是指提取图像中的RGB、HIS 和L*a*b*颜色空间的颜色特征值;新鲜度等级是通过分别对应将新鲜度等级、新鲜度等级已知的鱼体的特征信息和新鲜度等级待确认的当前鱼体的特征信息作为类别、训练样本和测试样本采用SVM的“一对一”分类方法确定的。

装置包括运行以上方法的计算机。

本发明的鱼体新鲜度检测方法,样品无需预处理且检测精度高;无需使用化学试剂,环境友好性好,检测成本低廉。

本发明的装置,结构简单,检测速度快,应用前景好。

权利要求书2页 说明书14页 附图1页CN 110443262 A 2019.11.12C N 110443262A1.基于计算机视觉的鱼体新鲜度快速无损检测方法,其特征在于,采集鱼体的特征信息后确认该鱼体的新鲜度等级;所述特征信息是通过采集鱼眼的图像后对图像进行处理后得到的,所述处理是指提取图像中的RGB、HIS和L*a*b*颜色空间的颜色特征值;所述新鲜度等级是通过分别对应将新鲜度等级、新鲜度等级已知的鱼体的特征信息和新鲜度等级待确认的当前鱼体的特征信息作为类别、训练样本和测试样本采用SVM的“一对一”分类方法确定的。

基于电子鼻和LabVIEW的鱼类新鲜度检测系统开发

基于电子鼻和LabVIEW的鱼类新鲜度检测系统开发
智能仪器、 无线传感器网络及应用技术 。E— a : 3 @1 .o 。 m i n 3 6 cr ln 3 n

3 6一 1
江苏农业科学
21 0 2年第 4 0卷第 2期
2 2 数 据预 处理 模 块 设计 .
含氮产物 、 醇类 和含硫产物 , 因此需要 采用 传感 器阵列进行信 息融合和模式 识别 才能判 别鱼 体新 鲜度 。选 用 T S6 0乙 G 23 醇类及有 机 溶剂 气 体 型传 感 器 、 G 8 5硫化 氢 型传 感 器 、 T S2 T S2 G 86氨气 及胺类 型传感 器和 T S 3 G 82卤烃型气体传感器 。
4 1 实 时数 据 采 集 模 块 设 计 .
数据 采集模块采用 V S IA实现 Lb IW 与硬件装置之 间 aV E 的通信 。在程序框 图设 计时 , 设置 与下 位机一 样 的数 据通讯
格式 , l位起始位 、 即t 8位数据位、 无奇偶校验位 、 位停 止位 。 1
为了将采集 的数 据保存 在 P C机 中以便进 一步 分析 , 据采 数 集模块 首先利 用 O e/ raeR paeFl pn Cet elc i / e函数 创建 一 个文 本文件 , 如果 这 个 文件 存 在就 替 换 它 , 后再 利 用 Wret 然 i t o
稳 定性 、 选择性直接关系到 整个人工 嗅觉系统 的性 能。国 内
外研究 者使用 的气体传感 器可分为 半导体气体 传感器 、 固体 电解质气体传感器 、 接触燃烧式气体传感器 、 光学式气体传感 器、 石英谐振式气体传感器 以及 表面声 波气体传感 器等。本 试验采用金属氧 化物半 导体气 体传感 器 , 即主要 采用 Fgr iao 公 司生产 的 T S气 体传感器 。鱼体在腐 败过 程 中主要 产 生 G

采用GC-MS结合嗅闻分析鉴定白鲢鱼风味活性物质

采用GC-MS结合嗅闻分析鉴定白鲢鱼风味活性物质

c mbn d wi l c mer . P o ie t of t t S ME- h a o y GC- o i e t S ee mi e a o c ie c mp u d , MS c mb n d wi O ME d t r n d 1 r ma a t o o n s h 3 v
F i gj D N al, US iy g WA GZ ag, I hn - a , UY - i UX a -i一 A GY -i X h i n n, - n , N h n2 og h i H e b LZ
( . c ol f odS in e C nrl o t ies yo F rs ya dT c n lg , h n sa4 0 0 ,H n n C ia 1 S h o F o ce c , e t uhUnv ri f oet n e h oo y C a gh 1 0 0 u a , hn ; o aS t r
1 辛烯一 一 1 otn 3 o)它们分别具有青草味 、 一 3 醇(-ce一 一 1, 鱼腥味和蘑菇味。
关键词 : 白鲢 鱼 ; 气相 一 谱 ; 闻 ; 味 活性 物 质 质 嗅 风
Dee mi a o t eAr m aAc i eCo o nd n Sl e r i g GC-M S Co b n d wih Ola t me r t r n t n h o tv mp u si i rCa p Usn i v m i e t f c o ty
whl S i e DE -GC — S o i e wi AEDA d t r i e 1 ao a t e o o n s M c mb n d t h ee m n d r ma ci c mp u d .Th a o a tv 6 v e r ma cie c mp u d n sle a p mi c r i l lo o s le y e ,a d k tn ,a n h m h s cie o o n s i i r c r n e we e many a c h l,ad h d s n eo s mo g t e t e mo ta tv v c mp u d r e a a,E, - , o o n s we e h x n l E 24-h p a in l n 1- ee 3一 l h y wee d s rb d a r sy i h , e td e a ,a d o t n一 o ,t e r e ci e s ga s ,f y s

基于电子鼻的鱼肉新鲜度评价方法的研究

基于电子鼻的鱼肉新鲜度评价方法的研究

基于电子鼻的鱼肉新鲜度评价方法的研究近年来,随着国民经济的发展和生活水平的提高,我国鱼肉的产出与消费量越来越大,无论是政府还是消费者,对鱼肉的卫生品质及新鲜度的检测也越来越重视。

由于鱼肉的常规理化检测方法操作繁琐,耗时耗力,难以满足日常生活中对肉类新鲜度进行及时检测的需求,故此需要寻找一种快速简便而又科学客观的方法。

电子鼻检测是新兴的无损检测方法,随着材料科学与计算机技术的不断发展,电子鼻研究迅速发展,它将传感器技术、电子技术、信号处理和计算机技术融合在一起,克服了传统的单一气体传感器在检测中存在的交叉敏感等缺点,能够对混合气体中各气体成分进行定性或定量分析,在食品加工和检验、医学诊断、毒气检测和控制领域有着广阔的应用前景。

本研究主要利用电子鼻技术来评价鱼肉的品质,拟获得电子鼻信号与鱼肉品质之间的相关性。

为今后进一步进行肉类无损害检测技术探索了一条新的途径。

在课题的实验中,采用了美国加州Cyrano科学公司生产的Cyranose320电子鼻系统,该系统具有较好的客观性、可靠性、重现性等方面的优点。

同时,它测量快速,操作方便,是目前国内外研究检测手段中较先进的电子鼻系统。

实验中采用的鱼肉是市场上比较受欢迎的带鱼。

设计了实验方法:将鱼肉冷藏,分别在第一天、第三天、第五天、第七天和第九天在相同的条件下,对鱼肉进行气味取样,以获得气味数据样本。

具体的是,首先,通过主成分分析对Cyranose320的顶空条件进行了合理选择;然后对传感器阵列进行了必要的筛选;最后通过对不同天数的样本数据进行了主成分分析(PCA)和偏最小二乘法分析(PLS),结果表明,电子鼻的传感器响应随样本新鲜度的不同有明显变化,不同新鲜度样本在PCA分析图上和PLS分析图上,可以较好地聚类,而且可以建立相关的数学模型,说明电子鼻用于鱼肉新鲜度检测是可行的。

在电子鼻模式识别的算法上,创新性地引入了一种称为Gabor原子神经网络的识别算法。

可视传感器技术快速测定淡水鱼细菌总数

可视传感器技术快速测定淡水鱼细菌总数

可视传感器技术快速测定淡水鱼细菌总数
黄星奕;穆丽君;姚丽娅
【期刊名称】《食品科学》
【年(卷),期】2013(034)024
【摘要】以鳊鱼为对象,采用可视传感器检测技术建立一种淡水鱼细菌总数快速测定的方法.首先,利用可视传感器技术采集鳊鱼的气味,用图像处理技术提取传感器阵列与样品气味反应前后的图像颜色差值作为鱼的气味特征信息;同时,采用平板计数法测定细菌总数来评定鱼的新鲜等级;最后,采用最小二乘法(PLS)和联合区间偏最小二乘法(siPLS)建立基于气味信息与细菌总数间高效、精确的鱼类新鲜度判别模型.结果显示,siPLS模型较优,其校正集和预测集相关系数分别达到88.96%和83.29%.结果表明,可视传感器技术能够用于预测鱼的细菌总数,具有方便、快速、无损、成本低等优越性.
【总页数】5页(P83-87)
【作者】黄星奕;穆丽君;姚丽娅
【作者单位】江苏大学食品与生物工程学院,江苏镇江 212013;江苏大学食品与生物工程学院,江苏镇江 212013;江苏大学食品与生物工程学院,江苏镇江 212013【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.Soleris检测技术在生乳细菌总数快速测定中的应用 [J], 何瑛;林木娣;吴腾;邢益俊
2.涂片显微计数法快速测定发酵饲料中细菌总数 [J], 张伟;王巍杰;张小乐;
3.快速测定特定水体中细菌总数的微波破壁水解-荧光衍生法 [J], 刘锡尧;袁东星
4.涂片显微计数法快速测定发酵饲料中细菌总数 [J], 张伟;王巍杰;张小乐
5.快速测定特定水体中细菌总数的微波破壁水解-荧光衍生法 [J], 刘锡尧;袁东星因版权原因,仅展示原文概要,查看原文内容请购买。

鱼类鲜度K值的简易测定方法

鱼类鲜度K值的简易测定方法

鱼类鲜度K值的简易测定方法
刘海燕;王海青
【期刊名称】《青岛大学学报:自然科学版》
【年(卷),期】1998(011)002
【摘要】本文采用阴离子交换树脂柱对于肉中ATP系列化合物进行吸附和分离,然后分别测定不同洗脱液的吸光度来计算K值,从而建立了鱼类鲜度K值和简易测定法,法简便、快速、回收率为94.3-104.8%,相对标准偏差为2.72-3.46%.
【总页数】4页(P50-53)
【作者】刘海燕;王海青
【作者单位】青岛大学化学系;青岛大学化学系
【正文语种】中文
【中图分类】S985.11
【相关文献】
1.鱼类鲜度评价指标及测定方法的研究进展 [J], 赵永强;李娜;李来好;杨贤庆;郝淑贤;魏涯;岑剑伟
2.鱼类鲜度评价指标及测定方法的研究进展 [J], 赵永强;李娜;李来好;杨贤庆;郝淑贤;魏涯;岑剑伟;
3.K值作为鱼类鲜度指标的初步研究 [J], 姚果琴;赵玉慧
4.K值作为鱼类鲜度指标的初步研究 [J], 毕雨
5.利用K值作为鸡肉新鲜度的指标及其测定方法 [J], 乔垒;杨晓芳
因版权原因,仅展示原文概要,查看原文内容请购买。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

基于可视化嗅觉技术的鲢鱼K值快速无损检测研究黄星奕,姚丽娅,韩方凯,管超(江苏大学食品与生物工程学院,江苏镇江 212013)摘要:尝试采用可视化嗅觉技术对鲢鱼K值进行快速定量预测。

利用可视化嗅觉技术对4 ℃恒温条件下不同冷藏天数的鲢鱼进行无损检测,获取可视化传感器阵列对样品顶空挥发性气体的响应信号;同时,利用高效液相色谱法检测鲢鱼体内三磷酸腺苷关联物的含量,算出K值;然后,采用偏最小二乘法(Partial least squares,PLS)和遗传算法偏最小二乘法(Genetic algorithm-partial least squares,GA-PLS)建立基于鲢鱼气味特征信息与K值的定量预测模型。

结果显示,经遗传算法(GA)优化后原变量可从48个减少到18个,传感器可减少至11种;利用筛选出的变量建立的GA-PLS模型对鲢鱼K值的预测效果更好,预测均方根误差RMSEP=0.04,预测集相关系数R te=0.93。

研究结果表明,鲢鱼K值的实测值与预测值的相关性很高,可视化嗅觉技术能够用于定量预测鲢鱼K值。

本研究为鱼类鲜度检测提供了一种准确、快捷、低成本的无损检测方法。

关键词:鲢鱼;K值;可视化嗅觉技术;鲜度;偏最小二乘法;遗传偏最小二乘法文章篇号:1673-9078(2014)6-233-237Rapid Non-destructive T esting for K Values of Silver Carps based on theOlfactory Visualization T echniqueHUANG Xing-yi, YAO Li-ya, HAN Fang-kai, GUAN Chao(School of Food and Biological Engineering, Jiangsu University, Zhenjiang 212013, China) Abstract: In this study, the olfactory visualization technique was used to predict the K values of silver carps quantitatively. The samples stored at 4 ℃ for several days were detected by the olfactory visualization technique non-destructively. The signals of the colorimetric sensor array respond to the volatile compounds were obtained. Meanwhile, the content of adenosine triphosphate related compounds in the samples was measured by HPLC and K values were calculated. Finally, the partial least squares (PLS) and genetic algorithm-partial least squares (GA-PLS) quantitative prediction models were established based on the odor characteristic information and K values. The results showed that the original variables reduced from 48 to 18 and the sensors reduced to 11 after the GA optimization. The performance of GA-PLS model was better than that of PLS. The root mean square error of prediction was 0.04 and the correlation coefficient of prediction was 0.93. The correlation between the measured and predicted K values of the silver carps was very high, therefore, the olfactory visualization technique could be used to predict the silver carp freshness quantitatively. This study provided an accurate, fast, low-cost and non-destructive testing method for fish freshness detection.Key words: silver carp; K value; the olfactory visualization technique; freshness; p artial least squares; genetic algorithm-partial least squares淡水鱼是我国重要的水产资源,2012年我国淡水鱼产量达到了2497.71万t,占鱼类总产量的2/3以上[1]。

淡水鱼富含营养物质和水分,肌肉组织脆弱。

在贮藏过程中,酶和微生物的作用会使鱼体鲜度不断降低。

鲜度对鱼肉品质及原料的加工适性有着巨大影响,对鱼鲜度的准确检测在淡水鱼的运输、仓储、加工以收稿日期:2013-12-25基金项目:国家自然科学基金项目(31071549);公益性行业(农业)科研专项(201003008);江苏省高校优势学科建设工程资助项目作者简介:黄星奕(1963-),女,教授,博士生导师,主要研究方向:农产品检测技术及销售过程中有着重要的意义[2]。

鱼鲜度的检测方法一般包括感官评价、微生物检测、化学检测以及物理检测等,其中K值的测定是一项重要的检测方法[2~4]。

鱼刚死至僵硬这段时间,三磷酸腺苷关联物(Adenosine triphosphate,A TP)分解迅速,K值增加很快。

随着贮藏时间的延长,鱼肉品质不断下降,K值会不断增加。

K值能准确反映鱼体的鲜度,尤其是鱼死后早期的鲜度[2~3]。

然而K值的常规检测方法成本高,操作繁琐且耗时,不适合快速检测鱼类的鲜度。

鱼死后由于酶的作用,鱼体挥发性气体中的短C链醇及羰基化合物等会发生变化,到贮藏233后期,鱼体微生物大量繁殖,会产生含氮含硫化合物等[5],这些挥发性气体与鱼类的鲜度密切相关。

可依据不同阶段鱼体挥发性气体的变化,建立基于K值的一种准确、快速、低成本的无损检测方法。

自Suslick课题组正式提出可视化嗅觉技术的概念后,该技术在食品农产品检测领域的应用研究越来越广泛[5~11]。

该技术与传统化学检测和微生物检测相比,具有无损、快速、简便等优点,与传统感官仿生技术相比,具有不受环境温、湿度影响,成本较低等优点[12]。

鉴于可视化嗅觉技术的诸多优点,本课题组曾采用该技术对鲳鱼和鳊鱼的鲜度进行无损检测,基于挥发性盐基氮和细菌总数所建立模型的预测集相关系数都在0.85左右,预测能力尚有较大提升空间。

本研究尝试基于K值的鱼鲜度无损检测方法。

以产量和销量较大的鲢鱼为检测对象[1],运用可视化嗅觉技术结合偏最小二乘法(Partial least squares,PLS)、遗传偏最小二乘法(Genetic algorithm -partial least squares,GA-PLS)建立基于K值的定量模型来预测鲢鱼的鲜度,从而建立一种适合在生产加工过程中快速、无损评定鲢鱼鲜度的方法。

1 材料与方法1.1 试验样本从镇江水产市场购得鲜活鲢鱼,鱼体质量约950 g。

用清水洗净后置于保鲜袋内,贴上标签放于冰箱中4 ℃恒温贮藏,待测。

每天随机取18条鲢鱼用于可视化嗅觉技术的无损检测,之后,将其宰杀用于K值的测定。

连续测定12 d以后,样本明显腐败,试验不再继续。

1.2 可视化传感器响应信号采集a b图1 (a)可视化传感器阵列;(b)GA筛选出的变量对应的传感器位点Fig.1 (a) Colorimetric sensor array; (b) Locations of sensors corresponding to the variables that selected by GA针对淡水鱼在贮藏过程中挥发性气体的特点[5],本研究共选取16种化学显色剂,配成溶液后制成可视化传感器阵列,如图1a所示,其中前6个对应的是pH指示剂,后10个对应的是卟啉类化合物。

样品检测采用自由扩散法。

先将完整样品置于样本室内,然后将已制备好的传感器阵列芯片贴在密封盖上,有显色剂的一面朝下,最后将密封盖盖在样品室上。

样品室中鲢鱼的顶空挥发性气体开始与可视化传感器阵列上的显色剂反应,反应时间为2 min。

用平板扫描仪获取传感器阵列与样品挥发性气体反应前后的图像。

由扫描仪获得的图像首先采用中值滤波去噪,用阈值分割法将传感器图像从背景中分割出来。

再找出阵列中每个传感器的中心点,以该中心点为圆心,10个像素为半径画圆,获取圆内R、G、B均值作为传感器的表征值,最后将反应前后图像每个传感器的R、G、B均值作差,所得的差值(即∆R X,∆G X,∆B X)作为传感器X的响应信号。

每个样本的响应信号为由16个传感器位点的R、G、B差值共48个特征值组成的向量[13]。

整个处理过程在OPENCV环境下进行。

1.3 K值的测定鱼肉中A TP的降解产物经高氯酸提取后,利用高效液相色谱仪进行分离并定量[3]。

液相色谱检测条件:高效液相色谱仪(Ultimate 3000德国DIONEX公司),C18反相色谱柱(岛津inertsustain C18 4.6×150 mm,5 μm),流动相:0.05 M 的磷酸氢二钠-磷酸二氢钠缓冲液(pH 6.8),检测时间30 min,检测波长:254 nm,流速:0.8 mL/min,柱温:26 ℃。

1.4 化学计量学方法首先采用PLS建立针对原变量的鲜度模型,然后利用遗传算法(Genetic algorithm,GA)对原变量进行优化,以筛选出的变量重新建立PLS模型,比较筛选变量前后模型的效果[14]。

数据处理在MA TLAB 2010.b的环境下完成。

2 结果与分析2.1 K值的变化鱼类死亡后其肌肉中所含的A TP会按A TP→ADP→AMP→IMP→HxR→Hx途径降解[4]。

相关文档
最新文档