基于電子鼻技術(shù)的山核桃內(nèi)部品質(zhì)快速無損檢測方法的研究.pdf

1、堅果產(chǎn)品富含多種營養(yǎng)成分，如不飽和脂肪酸、蛋白質(zhì)、膳食纖維和多種微量元素，是重要的膳食補充食品。經(jīng)過烘烤或炒制后堅果產(chǎn)品會產(chǎn)生獨特的堅果香氣，為眾多消費者喜愛。在食品檢測領(lǐng)域，堅果產(chǎn)品內(nèi)部品質(zhì)的快速無損檢測成為了日益重要的研究內(nèi)容。本研究以山核桃為主要研究對象，利用電子鼻技術(shù)和化學(xué)計量學(xué)定性與定量分析方法，開展山核桃內(nèi)部品質(zhì)快速無損檢測方法的研究。論文的主要研究內(nèi)容和研究結(jié)論如下:
　　(1)通過研究采后儲藏過程中未加工山核桃的脂

2、肪酸（油酸、亞油酸、棕櫚油酸、亞麻酸、棕櫚酸和硬脂酸）含量變化，探明了采后儲藏時間對山核桃內(nèi)部品質(zhì)影響的規(guī)律;通過對電子鼻響應(yīng)信號和揮發(fā)性成分的相關(guān)性分析，揭示了電子鼻區(qū)分不同采后儲藏時間山核桃樣品的檢測機理;論文提出的新型分類方法（投票法）綜合了多種特征值的優(yōu)勢，分類效果優(yōu)于基于單一特征值的分類模型（BPNN、LVQ和RF）;通過對山核桃品質(zhì)指標(biāo)的預(yù)測模型的橫向?qū)Ρ龋l(fā)現(xiàn)PLSR適于構(gòu)建理化指標(biāo)的預(yù)測模型，BP神經(jīng)網(wǎng)絡(luò)適于構(gòu)建脂肪酸和

3、采后儲藏時間的預(yù)測模型;所構(gòu)建模型實現(xiàn)了對酸價（R2＞0.89）、過氧化值(R2＞0.90)、6種脂肪酸（校驗集R2＞0.95，驗證集R2＞0.88）和采后儲藏時間(R2＞0.98)的快速無損預(yù)測。
　　(2)通過對烘烤后山核桃加工成品的香氣特征進行分析，發(fā)現(xiàn)了烘烤時間對山核桃加工成品品質(zhì)影響的規(guī)律;通過橫向?qū)Ρ炔煌诸惡皖A(yù)測模型的效果發(fā)現(xiàn)，基于穩(wěn)定階段響應(yīng)值的BPNN模型其分類性能較好(最高分類準(zhǔn)確率和平均分類準(zhǔn)確率分別為92.

4、00％和84.67％);基于多特征值的投票法分類準(zhǔn)確率(92.00％)高于基于單一特征值的分類模型;采用遺傳算法優(yōu)化后的GA-BPNN模型，預(yù)測主要揮發(fā)性成分含量時其性能（R2＞0.93）優(yōu)于未優(yōu)化的BPNN預(yù)測模型。
　　(3)通過研究儲藏后加工的山核桃成品其揮發(fā)性成分變化規(guī)律，發(fā)現(xiàn)揮發(fā)性成分變化顯著(總含量從1080.94ng/g增加到4514.57ng/g)，揭示了電子鼻對儲藏后加工的山核桃成品的檢測機理;通過對所構(gòu)建區(qū)分模

5、型性能的評價，發(fā)現(xiàn)RoF-BPNN模型的分類性能（最高分類準(zhǔn)確率和平均分類準(zhǔn)確率分別為94.0％和90.4％）較好;構(gòu)建的BPNN和RoF-BPNN預(yù)測模型，均能實現(xiàn)對10種揮發(fā)性成分含量的預(yù)測，但基于多特征值的RoF-BPNN模型性能（校驗集R2＞0.949，驗證集R2＞0.890）優(yōu)于基于單一特征值的BPNN模型性能。
　　(4)明確了新鮮山核桃加工成品貨架期內(nèi)品質(zhì)變化規(guī)律;通過對新鮮山核桃加工成品在貨架期內(nèi)揮發(fā)性成分含量變化

6、的研究，發(fā)現(xiàn)核桃成品在貨架期超過90天后開始快速變質(zhì);對山核桃貨架期內(nèi)脂肪酸含量變化的研究，發(fā)現(xiàn)6種脂肪酸含量均呈現(xiàn)下降趨勢，亞麻酸下降程度最大(30.46％);對于不同山核桃樣品定性分類，基于多特征值的RoF-BPNN模型其分類性能（最高分類準(zhǔn)確率和平均分類準(zhǔn)確率分別為97.14％和92.49％）優(yōu)于基于單一特征值的分類模型;對于品質(zhì)指標(biāo)預(yù)測，RoF-BPNN模型在預(yù)測揮發(fā)性成分含量時(校驗集R2＞0.934，驗證集R2＞0.916)