基于电子鼻的休闲豆腐干快速判别分析技术

发布时间：2024-03-24 21:45

　　针对消费者在市场上购买到劣质休闲豆干产品后遇到维权困难等问题,建立了一种快速、准确的识别休闲豆干品牌真伪的方法。利用电子鼻对休闲豆干样品进行测量,获得198个样品的测量数据。随机选择140个作为训练集样品,剩余58个作为预测集样品。采用主成分分析(PCA)、偏最小二乘判别分析(PLS-DA)和误差反传人工神经网络(BP-ANN)等化学计量学方法处理样品的测量数据。结果显示:采用PCA方法,识别真伪品牌比较困难;采用PLS-DA方法,对真伪品牌进行建模,训练集的真品牌和伪品牌的识别率分别为100%和98.9%,预测集的真伪识别率分别为88.9%和100%;使用BP-ANN方法,真品牌和伪品牌的正确识别率均为100%。预测值与实际期望值高度吻合。采用电子鼻与BP-ANN方法相结合能够很好地识别休闲豆干真伪。该方法为休闲豆干的快速鉴别或厂家追溯提供了一定的参考和技术支持。

【文章页数】：6 页

【部分图文】：

图1各类品牌休闲豆干样品的雷达图

2.1样品与电子鼻测量全部198个豆干样品分为校正集样品和预测集样品两部分,校正集样品采用随机法选取140个样品,其中48个为真品牌,92个为伪品牌样品。剩余的58个样品作为预测集样品,其中18个为真品牌,40个为伪品牌样品。在相同条件下,对全部真伪品牌豆干样品进行电子鼻检测....

图3交互验证均方根误差与主成分数的关系

2.3偏最小二乘判别使用校正集样品建立模型,最佳主成分数确定采用留一交互验证法得出。RMSECV与所选主成分的关系如图3所示,选取RMSECV最小时即主成分数5作为模型的最佳主成分数,然后利用电子鼻结合PLS-DA方法对训练集豆干样品建立判别模型,并利用预测集对该模型进行检验....

图2所有豆干样品的二维主成分得分图

通过主成分分析得出各主成分的特征值、方差贡献率、累积方差贡献率,如表2所示。其中特征值在某种程度上可以看作是表示主成分影响力度大小的指标,表示了对应主成分能够描述原有信息的多少。表2为真伪两类品牌共198个样品的10项品质指标的主成分分析结果,主成分数的选择既要满足数据降维的目的....

图4训练集及预测集豆干样品PLS-DA方法预测结果

使用校正集样品作为BP-ANN的学习训练样本,建立预测模型。利用样品的预测集对该模型进行检验。预测结果见图5和表3。结果显示,BP-ANN方法对于分析样品的训练集和预测集,预测值都落于真假品牌判别区域,正确识别率均高达100%,结果显示BP-ANN方法在豆干品牌真伪判别中具有很高....

本文编号：3938060