一种基于电子鼻和BP神经网络快速预测发酵水产品总生物胺的方法技术

本发明专利技术公开了一种基于电子鼻和BP神经网络对发酵水产品的总生物胺进行快速预测，电子鼻的单次测量时间为60秒，运用主成分分析、线性判别分析、载荷分析结合建模标准样品的总生物胺含量，并通过BP神经网络建立总生物胺的预测模型，采用BP神经网络对样品的总生物胺进行估计。本方法与高效液相色谱法，分光光度法以及液相色谱

【技术实现步骤摘要】
一种基于电子鼻和BP神经网络快速预测发酵水产品总生物胺的方法


[0001]本专利技术涉及水产品加工与安全领域，是一种基于电子鼻和BP神经网络快速预测发酵水产品总生物胺的方法。

技术介绍

[0002]生物胺是一类低分子量含氮有机化合物的总称，水产品中富含蛋白质，微生物可降解蛋白质生成氨基酸，氨基酸进一步降解转化会生成酮酸及胺类等一些小分子化合物。发酵水产品中大部分的生物胺是由微生物产生的脱羧酶在适合的条件下促使氨基酸脱羧生成的。生物胺与发酵水产品中腐败微生物密切相关，因此对发酵水产品中生物胺的研究十分必要。
[0003]电子鼻是一种“绿色”的，模仿人体嗅觉并对待测样品无危害的仿生嗅觉系统。电子鼻主要由气敏传感器阵列、信号预处理系统和模式识别系统三部分组成。某种气味呈现在电子鼻系统中一种活性材料的传感器面前,传感器将化学信号输入转换成电信号,由多个传感器对一种气味的响应便构成了传感器阵列对该气味的响应谱。
[0004]目前在我国基于电子鼻和BP神经网络对发酵水产品中总生物胺的快速预测存在空缺，利用电子鼻和BP神经网络对发酵水产品中的总生物胺进行快速预测比常规检测方法更加方便快捷，避免了实验操作过程中人力物力的浪费。

技术实现思路

[0005]现阶段水产品中的总生物胺的测定通常采用高效液相色谱法、分光光度法以及液相色谱
‑
紫外检测法等方法进行测定，为更好的解决传统方法中总生物胺前处理的繁琐，耗费人力物力以及时间较长等问题，本专利技术提供一种基于电子鼻和BP神经网络快速高效预测发酵水产品中的总生物胺含量的方法。
[0006]一种基于电子鼻和BP神经网络快速预测发酵水产品总生物胺的方法，包括以下步骤：
[0007](1)发酵水产品的取样
[0008]具体的，发酵水产品于不同时间段取出样品，水产品取样时应在无菌环境中操作，取样时的环境温度严格控制在20～25℃，防止取样后因为温度变化导致样品中的挥发性成分发生改变。取样量5
‑
10g，放置于体积为50ml灭菌后的离心管中，将取出的样品以20℃～25℃条件下静置10min，同时需用无菌保鲜膜进行封口处理。
[0009](2)总生物胺预测模型的建立
[0010]电子鼻传感器阵列主要由对化学成分灵敏的传感器组成，不同挥发性气体成分进入传感器中会改变传感器的电阻率，进样结束后记录不同传感器的响应特征值。利用电子鼻传感器阵列记录建模标准样品在57～59s时传感器的响应特征值，同时采用主成分分析(PCA)、线性判别分析(LDA)和载荷分析(Loadings Analysis)对电子鼻传感器阵列获取的
数据(传感器的响应特征值)进行处理分析，用BP神经网络模型将电子鼻获取的传感器响应特征值与建模标准样品的总生物胺值联系，建立发酵水产品中总生物胺值的预测模型；所述BP神经网络模型中输出值为总生物胺预测值，输入值为传感器的响应特征值。
[0011]优选的，步骤(2)中，所述电子鼻传感器阵列包括10种传感器，分别为W1C、W5S、W3C、W6S、W5C、W1S、W1W、W2S、W2W、W3S。
[0012]优选的，步骤(2)中，所述传感器的响应特征值采用电导率比值G/G0或者G0/G表示，其中G0表示初始电阻，G表示测试实时电阻，选取电导率比值大于1的值。
[0013]优选的，步骤(2)中，采用顶空进样的方式向电子鼻内进样，所述电子鼻的测试条件为：进样时间为60～70s，传感器阵列间隔测定间隔为1s，样品产生的挥发性气体的进样速率为400～500ml/min，气体最终由电子鼻的后部排气口排出。
[0014]优选的，步骤(2)中，采用主成分分析时(PCA)要保证第一主成分和第二主成分的贡献率之和大于90％。
[0015]优选的，步骤(2)中，同时采用高效液相色谱法测定建模样品理化指标总生物胺，作为实际值，并与水产品中总生物胺值的预测模型中的预测值进行验证多元线性回归是利用数理统计中回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。
[0016]优选的，步骤(2)中，所述BP神经网络模型的构建方法如下：
[0017]使用电子鼻传感器阵列，采集水产品中在57～59s时传感器的响应特征值，经归一化预处理后得到训练样本集，通过设计输入层、隐含层和输出层构建BP神经网络模型，并选择传递函数、训练函数和学习函数；
[0018]使用训练样本集对BP神经网络模型进行迭代训练得到最佳BP神经网络预测模型，用验证数据对最佳BP神经网络预测模型进行验证。
[0019]优选的，步骤(2)中，隐含层的神经元个数估计值的公式如下:
[0020]①
M＝log2n；
[0021]②
[0022]③
[0023]其中，M为隐含层神经元个数；n为输入层的神经元个数，m为输出层神经元个数；a是[1,10]之间的常数，k为样本数。式(3)中如果i＞M，规定
[0024]优选的，BP神经网络模型相关系数R越接近于1，MSE越接近0，表明模型越良好，RMSE越小、这说明模型拟合效果就越好，拟合的函数具有更良好的统计意义。
[0025](3)未知样品传感器阵列响应值的测定
[0026]将待测样品置于恒温箱20℃～25℃条件下恒温静置10min，可最大程度避免取样后样品的挥发性气体随着环境温度的变化而发生改变。用电子鼻传感器阵列记录在57～59s时传感器的响应特征值，再代入到步骤(2)中得到的总生物胺值预测模型中，获得待测样品的总生物胺值。
[0027]优选的，步骤(3)中，当所述待测样品为固体样品时，所述固体样品的取样量为5～10g；当所述待测样品为液体样品时，所述液体样品的取样量为5～10ml。
[0028]优选的，步骤(3)中，电子鼻传感器阵列包括10种传感器，分别为W1C、W5S、W3C、
W6S、W5C、W1S、W1W、W2S、W2W、W3S。
[0029]优选的，步骤(3)中，传感器的响应特征值采用电导率比值G/G0或者G0/G表示，其中G0表示初始电阻，G表示测试实时电阻，选取电导率比值大于1的值。
[0030]优选的，步骤(3)中，采用顶空进样的方式向电子鼻内进样，所述电子鼻的测试条件为：进样时间为60～70s，传感器阵列间隔测定间隔为1s，样品产生的挥发性气体的进样速率为400～500ml/min，气体最终由电子鼻的后部排气口排出。
[0031]优选的，步骤(3)中，所述电子鼻的测试的清洗时间60～80s。
[0032]优选的，步骤(3)中，当所述待测样品为固体样品时，所述固体样品的取样量为5～10g；当所述待测样品为液体样品时，所述液体样品的取样量为5～10ml；
[0033]具体的，用50ml的离心管中盛装待测样品，再用无菌保鲜膜将离心管封口，室温下静置90s，待离心管内的挥发性气体趋于稳定之后，采用顶空进样的方式向电子鼻内进样，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于电子鼻和BP神经网络预测发酵水产品总生物胺的方法，其特征在于，包括以下步骤：(1)总生物胺值预测模型的建立利用电子鼻传感器阵列记录发酵水产品在57～59s时传感器的响应特征值，同时采用主成分分析、线性判别分析、载荷分析对电子鼻传感器阵列获取的传感器的响应特征值进行处理分析，用BP神经网络模型将电子鼻获取的传感器响应特征值与发酵水产品的总生物胺值联系，建立总生物胺值预测模型；所述BP神经网络模型中输入值为传感器的响应特征值，输出值为总生物胺预测值；(2)未知样品传感器阵列响应值的测定用电子鼻传感器阵列记录待测样品在57～59s时传感器的响应特征值，再代入到步骤(1)中得到的总生物胺预测模型中，获得待测样品总生物胺。2.根据权利要求1所述的基于电子鼻和BP神经网络预测发酵水产品总生物胺的方法，其特征在于，所述BP神经网络模型的构建方法如下：使用电子鼻传感器阵列采集水产品在57～59s时传感器的响应特征值，经归一化预处理后得到训练样本集，通过设计输入层、隐含层和输出层构建BP神经网络模型，并选择传递函数、训练函数和学习函数；使用训练样本集对BP神经网络模型进行迭代训练得到最佳BP神经网络预测模型，用验证集对最佳BP神经网络预测模型进行验证。3.根据权利要求1所述的基于电子鼻和BP神经网络预测发酵水产品总生物胺的方法，其特征在于，隐含层的神经元个数估计值的公式如下：(1)M＝log2n；(2)(3)其中，M为隐含层神经元个数；n为输入层的神经元个数，m为输出层神经元个数；a是[1，10]之...

【专利技术属性】
技术研发人员：侯红漫，杨悦，张公亮，毕景然，郝洪顺，
申请(专利权)人：大连工业大学，
类型：发明
国别省市：