基于電子舌的牛奶品質(zhì)研究.pdf

1、電子舌技術(shù)是近年來迅速發(fā)展起來的無損檢測技術(shù)之一，它是模擬人類的味覺識別系統(tǒng)，利用味覺傳感器陣列獲取信息、，結(jié)合適當(dāng)?shù)哪Ｊ阶R別方法，能夠?qū)σ后w樣品的味覺特征進(jìn)行總體評價。電子舌是液體樣品味覺分析領(lǐng)域革命性的技術(shù)，目前，國內(nèi)外應(yīng)用電子舌評價牛奶品質(zhì)的研究還很少。本文采用法國阿爾法公司的Astree型電子舌對牛奶進(jìn)行檢測，考察了電子舌對純牛奶和還原奶品牌的識別能力，討論了電子舌響應(yīng)信號與牛奶理化指標(biāo)的相關(guān)性，比較了不同模式識別方法對摻假牛奶

2、的識別效果。本文主要研究內(nèi)容及結(jié)論如下：
　　 1.選取伊利、新希望、美麗健，蒙牛和光明純牛奶作為研究對象，采用電子舌系統(tǒng)對這5個品牌純牛奶進(jìn)行了檢測。方差分析結(jié)果表明純牛奶品牌對各個傳感器響應(yīng)信號具有極顯著的影響，通過剔除F值和決定系數(shù)R2較小的傳感器變量可優(yōu)化傳感器陣列。對原始數(shù)據(jù)和優(yōu)化數(shù)據(jù)(剔除BA傳感器、剔除BA、BB傳感器、剔除BA，BB、HA傳感器、剔除BA、BB、HA、GA傳感器)進(jìn)行了主成分分析，結(jié)果表明，剔除B

3、A、BB、HA、GA傳感器數(shù)據(jù)在區(qū)分純牛奶品牌方面比其他數(shù)據(jù)更有效。采用逐步判別分析進(jìn)行識別，校正集所有數(shù)據(jù)識別率均達(dá)到100％，剔除BA、BB、HA、GA傳感器數(shù)據(jù)和剔除BA傳感器數(shù)據(jù)的預(yù)測集識別率均達(dá)到90％，但剔除BA、BB、HA、GA傳感器數(shù)據(jù)僅包含三個傳感器變量，表明它對純牛奶品牌具有最佳識別效果。研究表明方差分析通過剔除不顯著的傳感器響應(yīng)信號能夠優(yōu)化電子舌傳感器陣列并且提高電子舌的識別性能。
　　 2.模糊C—均值聚

4、類算法(FCM)是目前聚類分析中最受歡迎的算法之一。執(zhí)行模糊C—均值聚類算法(FCM)之前，電子舌響應(yīng)信號先進(jìn)行主成分分析(PCA)處理，結(jié)果顯示主成分得分能夠正確區(qū)分三個品牌的還原奶。接著本文提出用模糊C均值聚類算法(FCM)作為還原奶品牌識別的方法，得到不同品牌還原奶的聚類中心以及隸屬度矩陣，校正集和預(yù)測集樣品的正確率均為100％，試驗證明模糊C—均值聚類算法(FCM)是一種科學(xué)而有效的聚類方法。
　　 3.為建立純牛奶的電

5、子舌響應(yīng)信號與其表觀粘度和濃度的關(guān)系，在單因素方差分析和主成分分析的基礎(chǔ)上，提出了比較多元線性回歸、逐步多元線性回歸和偏最小二乘回歸三種模型對純牛奶表觀粘度和濃度的預(yù)測效果的新方法，以期為純牛奶表觀粘度和濃度的科學(xué)研究提供參考。在預(yù)測純牛奶表觀粘度試驗中，結(jié)果顯示，單因素方差分析表明濃度對純牛奶的表觀粘度和各個傳感器響應(yīng)信號都具有極顯著性的影響；主成分分析(PCA)可以被用來區(qū)分純牛奶的五種不同濃度；偏最小二乘回歸模型預(yù)測效果最好，模型

6、預(yù)測值與實際值的相關(guān)系數(shù)R達(dá)到0.9659，平均相對誤差(MRE)和預(yù)測均方根誤差(RMSEP)分別為4.5499％和8.4645E—5，建模最佳主成分?jǐn)?shù)為3。研究結(jié)果表明，偏最小二乘回歸模型是電子舌預(yù)測純牛奶表觀粘度的有效方法。而在預(yù)測純牛奶濃度試驗中，對干預(yù)測集樣品，逐步多元線性回歸(SMLR)模型為最好的預(yù)測模型，逐步多元線性回歸(SMLR)模型的相關(guān)系數(shù)R達(dá)到0.9943，平均相對誤差(MRE)和預(yù)測均方根誤差(RMSEP)分別

7、為2.8262％和0.0219。
　　 4.選取伊利純牛奶作為研究對象并采用法國Alpha．MOS公司的α—ASTREE電子舌進(jìn)行檢測，在簡單相關(guān)分析的基礎(chǔ)上，采用多元統(tǒng)計分析中的典型相關(guān)分析法對牛奶電子舌響應(yīng)信號與其理化指標(biāo)的關(guān)系進(jìn)行了初步分析。試驗結(jié)果表明：第一典型相關(guān)系數(shù)和第二典型相關(guān)系數(shù)分別是0.8451和0.7843，前兩對典型變量共占總相關(guān)的91.37％；響應(yīng)信號組的第一典型變量(V1)對牛奶理化指標(biāo)具有一定的預(yù)測能

8、力，但預(yù)測能力較弱，起主要作用的是Zz傳感器響應(yīng)信號(X1)、CA傳感器響應(yīng)信號(X4)和JB傳感器響應(yīng)信號(X2)；與此同時，V和W的四個典型變量分別解釋另一組變量總方差的42.49％和43.25％。典型相關(guān)分析的研究結(jié)果表明電子舌基本能夠預(yù)測牛奶的理化指標(biāo)。
　　 5.試圖研究電子舌技術(shù)結(jié)合模式識別方法來識別不同類別牛奶。試驗以80ml純牛奶、60ml純牛奶和20ml還原奶、40ml純牛奶和40ml還原奶、20ml純牛奶和6

9、0ml還原奶、80ml還原奶這五個類別牛奶作為研究對象，對電子舌獲取的數(shù)據(jù)，主成分分析能區(qū)分五個類別牛奶。利用判別分析(DA)、K最近鄰域法(KNN)、廣義回歸神經(jīng)網(wǎng)絡(luò)(GRNN)和學(xué)習(xí)矢量量化(LVQ)建立不同類別牛奶的識別模型，比較四個模型的識別性能，試驗結(jié)果顯示學(xué)習(xí)矢量量化(LVQ)為最佳識別模型，當(dāng)隱含層神經(jīng)元數(shù)目為9時，校正集和預(yù)測集的識別率均為100％。試驗表明電子舌技術(shù)結(jié)合學(xué)習(xí)矢量量化(LVQ)模式識別方法可以成功地識別不

10、同類別牛奶。
　　 6.試圖研究電子舌技術(shù)結(jié)合模式識別方法來識別不同類別牛奶。試驗以80ml純牛奶、60ml純牛奶+20ml還原奶、70ml純牛奶+10ml水、70ml還原奶+10ml水、80ml還原奶這五個類別牛奶作為研究對象，對電子舌獲取的數(shù)據(jù)，主成分分析二維得分圖能夠正確區(qū)分純牛奶、還原奶和混合奶，但對三類混合奶(70ml純牛奶+10ml水、70ml還原奶+10ml水和60ml純牛奶+20ml還原奶)的區(qū)分能力較弱，而三維