一种基于电子鼻预测多元组分香气强度的方法技术

本发明专利技术公开了一种基于电子鼻预测多元组分香气强度方法。本发明专利技术的方法包括：制备80组多元组分混合物样品，并由感官小组评价其香气强度；然后通过电子鼻分析，并记录样品响应传感器数值；将各组混合物样品的感官香气强度与电子鼻分析结果用于人工神经学网络的输出层与输入层，进行网络的训练验证与构建；另外制备浓度不同的30组混合物样品，用于检验预测香气强度结果，并与人工感官结果相比较确定其预测效果。本发明专利技术提供了一种能够快速、准确预测多元香气化合物香气强度的方法，该方法可根据实际应用场景，在人工感官受限情况下，实现连续监测，长期监测。结果准确可靠，适用性广泛，可为食品生产及监测提供香气质量调控提供理论依据。论依据。论依据。

【技术实现步骤摘要】
一种基于电子鼻预测多元组分香气强度的方法


[0001]本专利技术涉及一种基于电子鼻预测多元组分香气强度的方法，特别涉及一种通过人工神经学网络整合电子鼻传感器信号强度与人工感官香气强度预测多元组分青香类化合物香气强度的方法，属于食品风味化学


技术介绍

[0002]随着社会与科学技术的发展，人们对于食品不再保持只需满足果腹的态度，食品的品质需求在日益攀升，而尽管相对于不同的食品(农副产品，茶，酒等)，人们在选择时，往往会根据其风味的好感度进行选择，这导致风味品质成为食品质量中非常重要的评价指标。而食品的香气属性，香气强度通常是消费者在选购时最优先，最直观评价其好坏的风味因素。这使在食品生产加工时对其香气品质的提升与控制变得尤为重要。而目前预测多元组分香气强度一般采用数学模型方法，如累加模型，U模型，矢量模型等，但由于不同的香气化合物之间存在香气相互作用。这导致预测得到得香气强度与实际感官人员嗅闻得到的香气强度会有差异，且二元及多元组分得香气强度与浓度并非为简单的线性关系，这使准确预测香气强度变得十分困难。
[0003]电子鼻技术是一种通过阵列传感器模拟人体嗅觉传感器，并在不同的信号算法作用下达到模拟人体嗅觉机制的作用。电子鼻技术相较于人工感官其优势在于它可以在几小时、几天甚至数月的时间内连续地、实时地监测特定的气味状况。使得在感官人员受限的情况下可以实现连续的实施检测，极端检测。电子鼻技术已经在许多领域及学科实现了应用，如环境监测，农副产品快速质量检测，产地鉴定等。而对于嗅觉信号的识别在人体的情况下，识别系统是大脑，在电子鼻的情况下，识别系统是适当的数学算法，而不同的数学算法可以解决不同的实际问题。人工神经学网络从信息处理角度对人脑神经元网络进行抽象，建立某种简单模型，按不同的连接方式组成不同的网络。然而目前还没有关于通过人工神经学网络将电子鼻嗅觉传感器响应值与人工感官得到得香气强度联系起来对多元组分香气强度进行预测的相关报道。

技术实现思路

[0004]本专利技术的目的是：针对目前通过数学模型方法预测多元组分香气强度的方法存在的问题与缺陷，提出一种通过人工神经学网络整合电子鼻传感器信号强度与人工感官香气强度预测香气强度的方法。
[0005]为了实现上述目的，本专利技术提供了一种基于电子鼻与人工感官结果通过人工神经学网络预测青香类化合物香气强度的方法，包括以下步骤：
[0006]步骤一：制备80组二元、三元、四元组分混合物样品，并由感官小组评价其香气强度；
[0007]步骤二：将上述制备得混合物样品通过电子鼻分析，并记录响应传感器数值；
[0008]步骤三：将各组混合物样品的感官香气强度与电子鼻分析结果用于人工神经学网
络的输出层与输入层，从而进行网络的训练验证与构建；
[0009]步骤四：制备30组化合物浓度不同于用于训练网络的混合物样品，并由感官小组评价其香气强度，并同样通过电子鼻进行分析，传感器响应参数结果用于检验预测香气强度结果，并与人工感官结果相比较确定其预测效果。
[0010]优选地，所述步骤一和步骤四中的混合物样品分别选自己醛，反式
‑2‑
己烯醛，顺式
‑3‑
己烯醇和乙酸叶醇酯中的至少两种，所述混合物样品由20％的丙二醇溶液溶解。
[0011]优选地，所述步骤一和步骤四中感官小组评价香气强度的方法包括：感官小组由接受过专业训练的10人组成，根据气味强度参考标度制备正丁醇的标准水溶液，感官人员对各组混合物样品的香气强度进行匹配打分，样品的平均香气强度作为每组混合物杨平最终实际感官香气强度。
[0012]优选地，所述步骤二和步骤四中电子鼻分析的参数与条件为：
[0013]样品量0.1g；
[0014]孵化时间180s；
[0015]孵化温度40℃；
[0016]振荡速度500rpm；
[0017]振荡时长3s/30s；
[0018]进样量2000μL；
[0019]检测时间：5min；
[0020]检测温度：50℃；
[0021]载气流速：氢气150mL/min。
[0022]优选地，所述步骤二和步骤四种电子鼻选用金属氧化物传感器作为阵列传感器组。
[0023]优选地，所述步骤三中人工神经学网络为MATLAB中两层前馈神经网络。
[0024]与现有技术相比，本专利技术的有益效果在于：
[0025]本专利技术的预测方法结合人工感官与仪器分析结果，通过机器学习模拟，可实现在生产与监测中实现香气强度的实时与连续检测；基于人工神经学网络模型，香气化合物之间的相互作用得到充分考虑，从而能够实现准确预测多元组分的香气强度；且结果直观可靠，预测方法简单快速高效可行，适用性广泛。
附图说明
[0026]图1为人工神经网络组成结构；
[0027]图2为网络预测香气强度数据结果与人工感官香气强度结果散点图。
具体实施方式
[0028]为使本专利技术更明显易懂，兹以优选实施例，并配合附图作详细说明如下。
[0029]实施例1
[0030]基于电子鼻预测香气强度的方法的建立：
[0031]1.选取天然水果中常见的四种青香化合物(包括己醛，反式
‑2‑
己烯醛，顺式
‑3‑
己烯醇，乙酸叶醇酯)，作为各二元、三元、四元青香混合物组分，共制备80组多元混合物溶液，
这些混合物中特定化合物的浓度如下:己醛(1
‑
10mg/kg)，反式
‑2‑
己烯醛(10
‑
100mg/kg)，顺式
‑3‑
己烯醇(10
‑
100mg/kg)，乙酸叶醇酯(6
‑
60mg/kg)。经感官人员感官评价后确定其香气强度为0.5
‑
6.5。气味强度参考标度为制备的正丁醇的标准水溶液，感官人员对各组混合混合物样品的香气强度进行匹配打分，样品的平均香气强度作为最终实际感官香气强度。
[0032]表1正丁醇强度标尺
[0033][0034][0035]2.随后这些化合物经电子鼻分析后，得到各组别混合物在传感器上的响应参数，随后利用这两项实验所得的结果数据来对人工神经网络结构进行训练与验证。
[0036]3.在进一步实验中制备30组多元混合物溶液，这些样品中的化合物与用于训练神经网络样品中的化合物有着不同的特定浓度。且其人工感官评价确定香气强度范围为0.5
‑
5.5。表2给出了部分混合物的香气强度。这一部分的研究旨在利用已经选定的人工神经网络来预测样本的香气强度值并与人工感官结果相比较确定预测效果。
[0037]表2部分混合物平均香气强度
[0038][0039]4.如图1所示，人工神经网络组成结构选定为适用于回归任务的两层前馈性神经网络。80组样品中所有样品均用于训练，选取8个对于各组混合物均响应较高的金本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于电子鼻与人工感官结果通过人工神经学网络预测青香类化合物香气强度的方法，其特征在于，包括以下步骤：步骤一：制备80组二元、三元、四元组分混合物样品，并由感官小组评价其香气强度；步骤二：将上述制备得混合物样品通过电子鼻分析，并记录响应传感器数值；步骤三：将各组混合物样品的感官香气强度与电子鼻分析结果用于人工神经学网络的输出层与输入层，从而进行网络的训练验证与构建；步骤四：制备30组化合物浓度不同于用于训练网络的混合物样品，并由感官小组评价其香气强度，并同样通过电子鼻进行分析，传感器响应参数结果用于检验预测香气强度结果，并与人工感官结果相比较确定其预测效果。2.如权利要求1中所述的基于电子鼻与人工感官结果通过人工神经学网络预测青香类化合物香气强度的方法，其特征在于，所述步骤一和步骤四中的混合物样品分别选自己醛，反式
‑2‑
己烯醛，顺式
‑3‑
己烯醇和乙酸叶醇酯中的至少两种，所述混合物样品由20％的丙二醇溶液溶解。3.如权利要求1中所述的基于电子鼻与人工感官结果通过人工神经学网络预测青香类化合物香...

【专利技术属性】
技术研发人员：肖作兵，李柏霖，牛云蔚，张静，
申请(专利权)人：上海应用技术大学，
类型：发明
国别省市：