1、演講者：李 制作者：楊,基于電子鼻的雞蛋新鮮度檢測,目錄,摘要,雞蛋新鮮度檢測十分重要，為實現無損檢測雞蛋新鮮度，該文利用電子鼻技術，通過揮發(fā)物的檢測來嘗試對20 、70%RH 貯藏條件下的雞蛋新鮮度進行預測。并測量雞蛋的理化指標（哈夫單位和蛋黃指數）作為新鮮度的衡量標準。利用多元線性回歸法建立電子鼻響應信號和雞蛋理化指標之間的關系模型，所建模型的相關系數達0.84以上，相對誤差在8.00%左右。說明電子鼻技術對雞蛋新鮮度具有一定的預測能力。,原理,雞蛋內部會產生一些揮發(fā)物，這些揮發(fā)物通過蛋膜蛋殼從內部逸出。隨著貯藏時間延長，揮發(fā)物將發(fā)生較大變化，因此，擬通過揮發(fā)物的檢測對雞蛋新鮮度進行評價，

2、而電子鼻技術是實現揮發(fā)物檢測的重要手段之一。雖然電子鼻檢測相對光學和動力學等方法耗時較長，但是電子鼻檢測不僅精度較高，而且能夠很好地實現無損檢測?；@樣一些特點，電子鼻檢測更加適用于抽樣檢測等場合。,1.1 實驗材料,本實驗所用材料為產于福清市鏡洋鎮(zhèn)紅星村的新鮮雞蛋100 枚，其中70 枚作為樣本，30 枚作為備用，用來替換檢測過程中人為破損的雞蛋。將所有雞蛋表面清洗干凈之后放入20 、70% RH 恒溫恒濕箱中儲藏。,1.2 PEN2 電子鼻系統,實驗采用德國Airsense 公司的PEN2 型便攜式電子鼻，它是一種由一組包含10 個金屬氧化物傳感器的陣列和識別軟件組成的分析儀器，PEN2

3、電子鼻各傳感器的名稱和性能見參考文獻8。系統主要包括以下幾個硬件部分：傳感器陣列，采樣及清洗通道，數據 采集系統及計算機系統。該系統的響應信號為傳感器接觸到樣品揮發(fā)物后的電導率G與傳感器在經過標準活性碳過濾氣體的電導率G0 的比值。,1.3.1 電子鼻檢測方法,將雞蛋分為7 組，每組10 枚，每周檢測一組雞蛋。采用靜態(tài)頂空采樣系統。經過預實驗確定，實驗條件為單枚雞蛋質量控制在603 g，放置在500 mL 燒杯內，用保鮮膜將其密封靜置頂空1 h。然后用針頭刺入保鮮膜，吸收頂空氣體進行反應。電子鼻軟件每秒鐘采樣1 次，自動記錄1 次數據。每采樣1 次都要進行樣品通道的沖洗。此外，對檢測過的雞蛋進

4、行破殼處理，用游標卡尺等測量工具測量雞蛋的蛋白高度、蛋黃高度等，作為新鮮度的理化指標。,1.3.2 雞蛋理化指標的檢測,哈夫單位是反映雞蛋品質優(yōu)劣的指標。哈夫單位愈高，表示蛋白黏稠度越好，蛋白品質愈高。哈夫單位的簡易測量方法：先精確稱取蛋重，然后將雞蛋輕輕地打在大的表面皿中，用游標卡尺測定多個蛋白高度，然后取平均值作為該枚雞蛋哈夫單位計算的依據。哈夫單位按式(1)計算： HU =100lg（Hw + 7.57 -1.7m0.37） (1) 式中：Hw 為蛋白高度；m 為整顆雞蛋質量。 蛋黃指數的測量：將雞蛋在中部輕輕打破，剝開蛋殼，將蛋液輕輕倒在潔凈的大的表面皿中，把游標卡尺架放在蛋液上，分別

5、測得蛋黃高度Hy 和蛋黃的直徑D。蛋黃指數按式（2）計算： YI =（Hy D）100% (2),1.4 數據處理方法,多元線性回歸分析（Multiple LinearRegression，MLR）廣泛用于定量分析領域。研究一組變量即自變量的變動對另變量的變動的影響程度，其目的在于根據已知自變量的變異來估計或預測因變量的變異情況。 線性判別函數分析(Linear Discriminant Analysis，LDA) BP 神經網絡,2.1 特征響應信號的確定,圖1 電子鼻信號響應曲線,圖1 為一個典型的電子鼻響應曲線，橫軸為時間，縱軸為傳感器的電導率G與基準氣體通過時傳感器的電導率G0 的比值

6、，即G/G0。從圖中看出，第35 s開始，電子鼻響應信號開始趨于穩(wěn)定。為了保證實驗準確度，本實驗提取第50 s 至69 s 之間的平均響應值作為特征值，進行后續(xù)分析。,2.2 電子鼻傳感器響應值隨雞蛋儲藏時間的變化,c. 第42 天,a. 第0 天,圖2 是傳感器響應值隨著雞蛋儲藏時間增加而相應變化的趨勢。可以看出，S 2 傳感器的響應信號在第0、21、42 d 之間先減小后增大，又根據該傳感器對氮氧化物最為敏感，可以推斷出隨著儲藏時間的增加，雞蛋內部所產生的氮氧化物含量會發(fā)生改變；此外，其他傳感器的變化均較為微弱，說明雞蛋內產生的諸如烴類、醇類氣體較少或者變化不明顯,b. 第21 天,2.3

7、 雞蛋理化指標的變化,圖3 顯示的是雞蛋的理化指標（哈夫單位與蛋黃指數）隨儲藏時間的變化趨勢，兩者均可以用來衡量雞蛋的新鮮度。另外，根據參考文獻，隨著哈夫單位或者蛋黃指數的數值下降，表明雞蛋新鮮度在下降。但是，由于所購買雞蛋的新鮮度不一致以及測量誤差等因素，兩個指標的曲線都不是完全單調下降的。同時，兩者的分級效果略有差別，可能是由人工測量的誤差而導致。,2.5.1 多元線性回歸模型（MLR）,在本實驗的分析中，將10 個傳感器對雞蛋揮發(fā)物在50 至69 s 間的平均響應信號作為自變量，雞蛋新鮮度（哈夫單位和蛋黃指數）分別作為因變量。根據雞蛋的編號，在每次檢測的雞蛋中選取前8 個編號的雞蛋作為訓

8、練集，因此，一共選取了56 個雞蛋的數據作為訓練集用于建立回歸模型，另外14 個雞蛋的數據作為預測驗證用于對所建模型進行預測。采用多元線性回歸對其進行回歸分析。,運用MLR 分析得到的哈夫單位回歸模型為： HU=-395.4-543.2S1-27.5S2+1031.7S3+42.1S4-135.1S5+732.4S6+41.4S7-393.2S8+372.7S9-676.3S10 其中，HU 表示哈夫單位，s1s10 表示傳感器的特征信號。 對回歸方程進行檢驗，方程顯著性檢驗F 值為10.78，顯著水平p0.01，相關系數為0.84，說明回歸模型有效。,運用MLR 分析得到的蛋黃指數回歸模型為

9、： YI=-0.68-3.3S1-0.3S2+1.5S3-0.7S4+2.7S5+4.7S6+0.4S7-3.8S8+1.7S9+2.0S10 其中，YI 表示蛋黃指數，s 1s 10 表示傳感器的特征信號。 對回歸方程進行檢驗，方程顯著性檢驗F 值為13.43，顯著水平p0.01，相關系數0.87，說明回歸模型有效。,圖5 雞蛋理化指標MLR 模型預測值與實測值的相關關系,圖5 中，可以定性看出，多元線性回歸模型中電子鼻響應信號和雞蛋新鮮度之間存在一定的線性關系，利用該模型對測試集進行測試，發(fā)現哈夫單位對應的測試效果要優(yōu)于蛋黃指數。,表1 所示的是理化指標中訓練集與預測集的實測-預測值的相關系數、估計標準誤差以及平均相對誤差。從表中看出，哈夫單位和蛋黃指數的相關性系數都達到了0.84 以上，說明顯著性較好；對比測試集和訓練集的相對誤差，可以看出，哈夫單位和蛋黃指數的測試集相對誤差分別降低了1.06%和0.28%，說明用此模型進行雞蛋新鮮度預測有效，且哈夫單位的預測效果更好。,結論,相對于機器視覺和光