本發明專利技術公開了一種無損快速檢測花生新鮮度的方法。它包括如下步驟：選擇外殼完好無破損的干凈花生作為樣品，用電子鼻對其生成的頂空氣體進行檢測。選擇各傳感器響應值的最大值作為原始數據，將新鮮花生響應值的原始數據定義為新鮮花生模塊，陳年花生響應值的原始數據定義為陳年花生模塊，將待測花生響應值的原始數據定義為未知模塊。用數據處理軟件對新鮮花生模塊和陳年花生模塊進行分析，并結合分析結果對未知模塊中各待測花生的新鮮度進行判定。本發明專利技術通過直接在帶殼情況下對花生氣味進行檢測，首次實現了真正意義上的花生新鮮度的快速、便捷、無損檢測。
【技術實現步驟摘要】
本專利技術涉及一種定性無損快速檢測花生新鮮度的方法。
技術介紹
新鮮花生口感香甜且富含豐富的脂肪和蛋白質，隨著時間的推移，花生的口感和營養價值開始逐漸降低，新鮮程度較低的花生還會出現酸敗變質現象。新鮮程度不同的花生在帶殼條件下，幾乎無法用肉眼將其區分開來；而在脫殼條件下，雖然可以通過比較兩組花生衣的顏色深淺進行區分，但實際操作難度較大。目前，國內外學者在對花生新鮮度進行檢測時，普遍采用感官評定或綜合測定酸價和過氧化值的方法。然而使用以上這些方法進行新鮮度檢測時，都存在著一些問題感官評定結果受個人和環境因素影響較大，難以形成統一的標準；而酸價和過氧化值測定耗時長、操作要求高，且儀器不易清洗。
技術實現思路
本專利技術的目的是提供一種定性無損快速檢測花生新鮮度的方法。定性無損快速檢測花生新鮮度的方法，它的步驟如下I)選擇單個大小、重量接近的新鮮花生和陳年花生作為樣本，用潔凈水洗凈花生表面雜質，擦干后挑選外殼完好的新鮮花生和陳年花生分別放于不同密閉容器中，再用電子鼻對密閉容器中的頂空氣體進行檢測；2)電子鼻的多個傳感器在間隔一定時間的響應值組成數據矩陣，選擇數據矩陣中的響應值的最大值作為原始數據，將新鮮花生響應值的原始數據定義為新鮮花生模塊，陳年花生響應值的原始數據定義為陳年花生模塊，待測花生響應值的原始數據定義為待測花生模塊，用數據處理軟件對新鮮花生模塊、陳年花生模塊和待測花生模塊進行分析后，獲得待測花生的新鮮度。所述的步驟I)為將20_30g洗凈完好的新鮮花生和一年陳花生分別放于200ml燒杯中，用封口膜在常溫下密封，密封靜置30-45分鐘，抽取頂空氣體，電子鼻檢測時間為150-180 秒。所述的步驟2)為選擇數據矩陣中的響應值的最大值作為原始數據時，因為每根傳感器響應值達到最大值時的時間不相同，檢測所得的原始數據分別用K最鄰近算法分析、Fisher判別分析和Bayes判別分析進行分析,再用Wilks’ lambda選擇法對原始數據進行優化剔除數據矩陣中區分度不顯著的傳感器的響應值，進一步進行K最鄰近算法分析、Fisher判別分析和Bayes判別分析,最后結合Wilks’ lambda選擇法對原始數據進行優化前和后的共六種分析結果對待測花生模塊中的各待測花生新鮮度進行判定；Wilks’ lambda選擇法通過統計量Wilks X最小值來選擇變量；K最鄰近算法依據最鄰近的一個或幾個樣品類別來決定待測樣品所屬的類別，若一個樣品在特征空間中的K個最相似的樣品中的大多數屬于某一個類別，則該樣品也屬于這個類別，選用歐氏距離法計算實例間的距離；Fisher判別分析依據樣品到每一類總體重心的距離來決定待測樣品所屬的類別，若一個樣品在特征空間中到某一類總體重心的距離最短，則該樣品屬于這一類；BayeS判別分析依據樣品劃分到每一類的概率來決定待測樣品所屬的類別，若一個樣品劃分到某一類的概率最大，則該樣品屬于這一類；若上述六種分析結果中有五種分析法將待測花生判定為新鮮花生，則判定待測花生為新鮮花生；若分析結果中有五種分析法將待測花生判定為陳年花生，則判定待測花生為陳年花生，否則判定待測花生的新鮮程度在陳年花生與新鮮花生之間。本專利技術通過直接在帶 殼情況下對花生氣味進行檢測，首次實現了真正意義上的花生新鮮度的快速、便捷、無損檢測。附圖說明圖I是本專利技術實施例I中傳感器響應信號。具體實施例方式定性無損快速檢測花生新鮮度的方法，它的步驟如下I)選擇單個大小、重量接近的新鮮花生和陳年花生作為樣本，用潔凈水洗凈花生表面雜質，擦干后挑選外殼完好的新鮮花生和陳年花生分別放于不同密閉容器中，再用電子鼻對密閉容器中的頂空氣體進行檢測；2)電子鼻的多個傳感器在間隔一定時間的響應值組成數據矩陣，選擇數據矩陣中的響應值的最大值作為原始數據，將新鮮花生響應值的原始數據定義為新鮮花生模塊，陳年花生響應值的原始數據定義為陳年花生模塊，待測花生響應值的原始數據定義為待測花生模塊，用數據處理軟件對新鮮花生模塊、陳年花生模塊和待測花生模塊進行分析后，獲得待測花生的新鮮度。所述的步驟I)為將20_30g洗凈完好的新鮮花生和一年陳花生分別放于200ml燒杯中，用封口膜在常溫下密封，密封靜置30-45分鐘，抽取頂空氣體，電子鼻檢測時間為150-180 秒。所述的步驟2)為選擇數據矩陣中的響應值的最大值作為原始數據時，因為每根傳感器響應值達到最大值時的時間不相同，檢測所得的原始數據分別用K最鄰近算法分析、Fisher判別分析和Bayes判別分析進行分析,再用Wilks’ lambda選擇法對原始數據進行優化剔除數據矩陣中區分度不顯著的傳感器的響應值，進一步進行K最鄰近算法分析、Fisher判別分析和Bayes判別分析,最后結合Wilks’ lambda選擇法對原始數據進行優化前和后的共六種分析結果對待測花生模塊中的各待測花生新鮮度進行判定；Wilks’ lambda選擇法通過統計量Wilks X最小值來選擇變量；K最鄰近算法依據最鄰近的一個或幾個樣品類別來決定待測樣品所屬的類別，若一個樣品在特征空間中的K個最相似的樣品中的大多數屬于某一個類別，則該樣品也屬于這個類別，選用歐氏距離法計算實例間的距離；Fisher判別分析依據樣品到每一類總體重心的距離來決定待測樣品所屬的類別，若一個樣品在特征空間中到某一類總體重心的距離最短，則該樣品屬于這一類；BayeS判別分析依據樣品劃分到每一類的概率來決定待測樣品所屬的類別，若一個樣品劃分到某一類的概率最大，則該樣品屬于這一類；若上述六種分析結果中有五種分析法將待測花生判定為新鮮花生，則判定待測花生為新鮮花生；若分析結果中有五種分析法將待測花生判定為陳年花生，則判定待測花生為陳年花生，否則判定待測花生的新鮮程度在陳年花生與新鮮花生之間。上述步驟中的新鮮花生和陳年花生均可替換為新鮮程度較高的花生和新鮮程度較低的花生。 實施例I本專利技術適用于花生新鮮度的檢測。本專利技術實例以處理后的剛出產的新鮮花生、未處理的剛出產的新鮮花生和上一年的陳年花生為檢測樣品，以法國AlphaMOS公司的F0X4000型電子鼻為檢測儀器做詳細說明。本電子鼻系統由18個金屬氧化物傳感器組成，其型號與響應特性如表I所示表1F0X4000各傳感器的響應特性矩陣室序號名稱_性能描述_參考物質_ ILY/LG 對氧化能力較強的氣體靈敏 1C、氟、氮氧化合物^2 LY/G_對有毒氣體靈敏_SI、胺類化合物、碳氧化合物SetlSOT 3 LY/AA對有機化合物靈敏乙醇14 LY/Gh_對有毒氣體靈敏_氣、胺類化合物5LY/gCTL_對有毒氣體靈敏_硫化M1__6 LY/gCT_對易燃氣體靈敏_丙烷、丁說_7T30/1_對有機化合物靈敏_有機化合物_8P10/1對可燃氣體靈敏碳氫化合物Spnc^or,. 9 P10/2 對易燃氣體靈敏甲烷chanibcr-210 P40/1 對氧化能力較強的氣體靈敏_i_IIT70/2_對芳香族化合物靈敏_甲苯、:—:甲苯__12 PA/2 對有機化合物、有毒氣體靈敏乙醇、氨水、胺類化合物 13P30/1 對可燃氣體、有機化合物靈敏碳氫化合物、燃燒產物14P40/2 對氧化能力較強的氣體靈敏_M_Sensor 15 P3Q/2對有機化合物靈敏乙醇本文檔來自技高網...
【技術保護點】
一種定性無損快速檢測花生新鮮度的方法，其特征在于它的步驟如下：1）選擇單個大小、重量接近的新鮮花生和陳年花生作為樣本，用潔凈水洗凈花生表面雜質，擦干后挑選外殼完好的新鮮花生和陳年花生分別放于不同密閉容器中，再用電子鼻對密閉容器中的頂空氣體進行檢測；2）電子鼻的多個傳感器在間隔一定時間的響應值組成數據矩陣，選擇數據矩陣中的響應值的最大值作為原始數據，將新鮮花生響應值的原始數據定義為新鮮花生模塊，陳年花生響應值的原始數據定義為陳年花生模塊，待測花生響應值的原始數據定義為待測花生模塊，用數據處理軟件對新鮮花生模塊、陳年花生模塊和待測花生模塊進行分析后，獲得待測花生的新鮮度。
【技術特征摘要】
【專利技術屬性】
技術研發人員：王俊，葉藺霜，
申請(專利權)人：浙江大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。