基于電子鼻和非線性數(shù)據(jù)特征分析的雞肉鮮度檢測方法*

湯旭翔,劉 偉,韓圓圓,蔡艷萍,惠國華,*,陳裕泉

(1.浙江工商大學計算機與信息工程學院,杭州 310018;2.浙江工商大學食品與生物工程學院,杭州 310018;3.浙江大學生物醫(yī)學工程與儀器科學學院,杭州 310027)

?

基于電子鼻和非線性數(shù)據(jù)特征分析的雞肉鮮度檢測方法*

湯旭翔1,劉 偉2,韓圓圓2,蔡艷萍2,惠國華1,2*,陳裕泉3

(1.浙江工商大學計算機與信息工程學院,杭州 310018;2.浙江工商大學食品與生物工程學院,杭州 310018;3.浙江大學生物醫(yī)學工程與儀器科學學院,杭州 310027)

探討了一種基于電子鼻和非線性數(shù)據(jù)特征分析的雞肉鮮度檢測方法。以雞胸肉作為樣品,樣品在4 ℃溫度下連續(xù)存放6天,每天檢驗樣品的揮發(fā)性鹽基氮(TVB-N)指標,并且實驗檢測雞肉樣品的電子鼻響應數(shù)據(jù)。實驗結果表明儲存了3 d的雞肉樣品TVB-N指標超出了國家標準限定值而無法食用。采用主成分分析(PCA)方法和非線性隨機共振方法分析電子鼻檢測數(shù)據(jù),結果表明主成分分析方法僅能定性的區(qū)分不同儲存時間的雞肉樣品,隨機共振系統(tǒng)輸出相關系數(shù)曲線可以較好的區(qū)分不同雞肉樣品,并且依托互相關系數(shù)特征峰值構建了雞肉鮮度分析模型。該方法具有檢測快速、準確性好、成本低等優(yōu)勢。

雞肉;鮮度;電子鼻;揮發(fā)性鹽基氮;非線性分析

雞肉營養(yǎng)豐富深受人們喜愛,在貯存、加工和運輸過程中,雞肉易于腐敗[1-2]。常用的肉品品質(zhì)檢驗方法包括感官評估法、儀器分析方法、理化檢驗方法等。感官評估法是通過品評員個人的視覺、嗅覺等感官評價結合自身經(jīng)驗來判斷食品質(zhì)量,雖然可以較快的完成評估過程,但該方法易受人為因素的影響,評定結果的重復性、橫向參考性等相差也較大。儀器分析方法雖可精確的定量分析被測樣品的化學屬性,但該方法普遍存在過程繁瑣、耗時長、成本高、需專業(yè)操作人員等不足。而理化檢驗方法主要包括微生物法、揮發(fā)性鹽基氮、酶測量等方面,存在重復性差、耗時長、成本高等不足[3]。

基于仿生嗅覺機理的電子鼻近年來發(fā)展迅速,Arnold等通過電子鼻分析肉制品加工過程中微生物種類和數(shù)量的變化[4]。從而判斷肉制品的新鮮程度。Santos等用電子鼻技術分析了某火腿原料肉的種類和成熟的時間[5]。同年Rajamaki等用電子鼻對氣調(diào)包裝貯存的豬肉的品質(zhì)進行了分析和判斷[6]。電子鼻食品品質(zhì)分析中應用廣泛,如肉類,谷物,蘑菇,橄欖油,飲料,奶酪,魚[7-11],具有檢測便捷、準確度好、成本低等優(yōu)勢。

本文選用4 ℃下連續(xù)存放6天的雞胸肉為樣品,每天測量樣品的TVB-N指標和電子鼻響應。采用PCA方法和隨機共振方法分析電子鼻檢測數(shù)據(jù),結果表明主成分分析方法僅能定性的區(qū)分不同儲存時間的雞肉樣品,隨機共振信噪比譜可以較好的區(qū)分不同雞肉樣品,并且依托信噪比極大值構建了雞胸肉鮮度分析模型。

1 材料與方法

1.1 實驗材料

從杭州市某農(nóng)貿(mào)市場購買兩只新鮮的剛宰殺的活雞,并保存在冰盒內(nèi)(0 ℃)并迅速送回實驗室。制備實驗樣品(5 g),樣品貯存在4 ℃的冰箱內(nèi)。每天每個樣品采用電子鼻平行測5次。同時每天隨機選取3個樣品進行TVB-N檢驗實驗,每個樣品平行測3次。

1.2 實驗儀器與試劑

硼酸吸收液(20 g/L)。鹽酸[c(HCl)=0.010 mol/L]左右的標準滴定溶液。甲基紅一乙醇指示劑(2 g/L)。亞甲基藍指示劑(1 g/L)。KDN-08A(04A)定氮儀。

1.3 TVB-N檢驗方法

TVB-N指標按照國家標準進行檢驗[12]。

1.4 電子鼻系統(tǒng)

電子鼻系統(tǒng)由浙江工商大學食品安全傳感技術實驗室研制[13]。電子鼻實驗中,雞肉樣品被放置在50 mL玻璃氣密瓶,并用封口膜密封。電源接通后,打開電子鼻的洗滌閥門2并關閉采樣閥門1,活性炭過濾空氣得到零氣,并以零氣清晰傳感器陣列,待傳感器的相應曲線回到基線,關閉洗滌閥2并打開采樣閥1,電子鼻以400 mL/min的流速將雞肉樣品頂空氣體送入電子鼻傳感器陣列氣室中區(qū),電子鼻的采樣時間為45 s。一輪測量結束后,以零氣以1 L/min的流速清洗傳感器陣列600 s,待各傳感器響應值恢復至基線后再進行下一輪測量。

1.5 雞肉鮮度模型計算模型

隨機共振理論在許多領域得到迅猛發(fā)展[14-17],輸入的弱信號在外部噪聲的協(xié)助下被系統(tǒng)放大,系統(tǒng)輸出互相關系數(shù)在適合的噪聲強度下可達到特征值并轉換為互相關系數(shù)作為結果輸出,完整表達被測信號的特征信息。由非周期輸入信號引起的隨機共振稱為非周期隨機共振,該模型通常采用互相關系數(shù)來表征[17]。當輸入信號為非周期激勵時,此事輸入信號具有極大的不確定性,因此首先定義功率范數(shù)C0是互相關函數(shù)的極大值:

(1)

C0為時間τ的函數(shù),定義為信號幅度放大及相互之間匹配的情況。

歸一化功率范數(shù)

C1反映了歸一化系統(tǒng)輸入-輸出波形的匹配程度?；ハ嚓P信息可以定量描述信息關聯(lián)程度,互信息定義為信息熵H(x)與條件熵H(x|y)之間的差值,可以表示為:

I(x,y)=H(x)-H(x|y)=H(y)-H(y|x)

(2)

互信息也可以解釋為在響應y已知的條件下,激勵信號x不確定性由H(x)轉換為H(x|y),其過程中減少的熵就是互信息I(x,y)。當輸入非周期信號條件下,互相關系數(shù)曲線一般會出現(xiàn)明顯的單峰,即在某個特定噪聲強度下出現(xiàn)了極大值,這就是非周期隨機共振現(xiàn)象。

圖1 TVB-N指標檢驗結果

2 結果與討論

2.1 TVB-N檢驗結果

圖1為貯存于4 ℃溫度下的雞胸肉樣品的TVB-N檢驗結果。隨著儲存時間的增加,樣品的TVB-N值持續(xù)增加。根據(jù)國家標準[12],在第0天,雞胸肉的TVB-N初始值約為12 mgN/100 g,第3天的TVB-N值約為18 mgN/100 g,已經(jīng)超過國家標準15 mgN/100 g。所以對雞胸肉而言第0天至第2天是新鮮的,第3天及以后的雞肉樣品鮮度均超出了國家標準而無法食用。

2.2 電子鼻檢測結果

電子鼻傳感器陣列對雞肉的原始響應如圖2所示,隨著與樣品頂空氣體接觸時間的增加,多數(shù)傳感器的響應逐漸升高。各傳感器的最大響應數(shù)值有較大的差異,按最大響應值從大到小的順序依次為:傳感器4>傳感器1>傳感器5>傳感器6>傳感器7>傳感器8>傳感器3>傳感器2。電子鼻系統(tǒng)的原理是模仿動物嗅覺,記錄不同敏感類型的氣體傳感器對樣品的不同響應信號,經(jīng)過模式識別系統(tǒng),從而實現(xiàn)對樣品類型的判斷。本研究中電子鼻傳感器陣列對雞肉樣品呈現(xiàn)的不同響應,正是構成雞肉樣品區(qū)分的信號基礎。

圖2 雞胸肉的傳感器響應曲線圖

圖3 PCA分析結果

雞肉電子鼻檢測數(shù)據(jù)的主成分分析結果如圖3所示。圖3中第1主成分區(qū)分貢獻率為78.59%,第2主成分區(qū)分貢獻率為9.04%,前2個主成分區(qū)分貢獻率總和為87.63%,從第0天到第1天,樣品第1主成分沿橫軸正向移動。從第1天以后,隨著天數(shù)的增加,各個樣品第1主成分沿橫軸負向移動。第2主成分呈現(xiàn)總體上升的趨勢。但是在第3天第1主成分有向右移動的趨勢,在第2天第2主成分有下降的趨勢。其原因可能是因為雞胸肉的鮮度發(fā)生變化,其揮發(fā)出來的特征性氣體成分和含量也發(fā)生明顯變化,從而導致主成分產(chǎn)生相應的變化。利用PCA分析,相同儲存時間的雞肉樣品的平行重復樣本基本能夠聚在一起,同時不同儲存時間的雞肉樣本之間也有一定的區(qū)分。但總體來說,PCA方法無法區(qū)分所有的雞肉樣本。

圖4 非周期隨機共振分析結果

電子鼻檢測數(shù)據(jù)的非周期隨機共振輸出互相關系數(shù)曲線如圖4(a)所示,隨著激勵噪聲強度數(shù)值的增加,各雞肉樣品的互相關系數(shù)首先增加并在噪聲強度10左右形成一個特征峰,之后互相關系數(shù)逐漸下降,在噪聲強度14左右范圍內(nèi)形成谷底,之后又開始一次上升過程。該結果表明電子鼻檢測雞肉信號是具有非周期屬性的,講該信號輸入非周期隨機共振模型,并施加外部噪聲誘發(fā)整個系統(tǒng)產(chǎn)生共振,系統(tǒng)輸出的互相關系數(shù)與雞肉的屬性密切相關,隨著樣品儲存時間的增加,互相關系數(shù)曲線呈現(xiàn)上升的趨勢。由于各樣品的谷底出現(xiàn)的位置并不統(tǒng)一,因此我們選取特征峰作為雞肉樣品的鮮度表征指標,特征峰值如圖4(b)所示。隨著儲存時間的增加,特征峰值也隨之增加。我們采用特征峰值線性擬合的方法,構建雞肉儲存時間對于雞肉樣品電子鼻檢測數(shù)據(jù)互相關系數(shù)特征峰值的函數(shù),其結果如式(3)所示。

y=0.50041+0.01499x(R=0.98284)

(3)

而在實際檢測過程中,我們首先將雞肉樣品進行電子鼻檢測,然后得到系統(tǒng)輸出互相關系數(shù)特征峰值,因此我們將式(3)經(jīng)過變換,得到雞肉鮮度對于雞肉電子鼻檢測數(shù)據(jù)互相關系數(shù)特征峰值的函數(shù),如式(4)所示。這樣,我們直接將雞肉樣品電子鼻檢測數(shù)據(jù)互相關系數(shù)特征峰值代入式(4),就可以得到雞肉鮮度的預測值。我們另外選取了50個不同儲存時間的雞肉樣品,進行電子鼻檢測,得到輸出互相關系數(shù)特征峰值后,代入式(4)得到鮮度預測值,并與這些樣品的實際鮮度進行比較,準確預報的樣品數(shù)量為47個,預測準確度達到94%,證明該模型確實能夠較好的預測雞肉樣品的鮮度值。結合TVB-N檢驗結果,可進一步確定預測準確的47個樣品中,23個為不新鮮雞肉樣品,24個為新鮮雞肉樣品。

雞肉鮮度=(互相關系數(shù)特征峰值-0.50041)/0.01499

(4)

4 結論

[1] Tong Y,Chen D,Shi Z,et al. Study on the Application of Biological Tactile in Fast Meat Freshness Detection[J]. Advances in Natural Science,2010,3(2):170-176.

[2]Chen Q,Hui Z,Zhao J,et al. Evaluation of Chicken Freshness Using a Low-Cost Colorimetric Sensor Array with AdaBoost-OLDA Classification Algorithm[J]. LWT-Food Science and Technology,2014,57(2):502-507.

[3]Grau R,Sanchez A J,Giron J,et al. Nondestructive Assessment of Freshness in Packaged Sliced Chicken Breasts Using SW-NIR Spectroscopy[J]. Food Research International,2011,44(1):331-337.

[4]Arnold J W,Senter S D. Use of Digital Aroma Technology and SPME CC2MS to Compare Volatile Compounds Produced by Bacteria Isolated from Processed Poultry[J]. Journal of the Science of Food and Agriculture,1998,78(3):343-348.

[5]Santos J P,Garcia M,Aleixandre M,et al. Electronic Nose for the Identification of Pig Feeding and Ripening Time in Iberian Hams[J]. Meat Science,2004,66(3):727-732.

[6]Rajamaki T,Alakomi H L,Ritvanen T,et al. Application of an Elect Ronic Nose for Quality Assessment of Modified Atmosphere Packaged Poultry Meat[J]. Food Control,2006,17(1):5-13.

[7]Hansen T,Petersen M A,Byrne D V. Sensory Based Quality Control Utilising an Electronic Nose and GC-MS Analyses to Predict End-Product Quality from Raw Materials[J]. Meat Science,2005,69(4):621-634.

[8]Dutta R,Hines E L,Gardner J W,et al. Teaquality Prediction Using a Tin Oxide-Based Electronic Nose:An Artificial Intelligence Approach,Sens. Actuators B,2003,94:228-237.

[9]Stella R,Barisci J N,Serra G,et al. Characterizationof Olive Oil by An Electronic Nose Based on Conducting Polymersensors,Sens. Actuators B,2000,63:1-9.

[10]Schaller E,Bosset J O,Escher F. ‘Electronic Noses’and Their Applicationto Food[J]. Lebensm Wiss U Technol,1998,31:305-316.

[11]Jonsson A,Winquist F,Schnurer J,et al. Electronicnose for Microbial Quality Classification of Grains[J]. Int J Food Microbiol,1997,35:187-193.

[12]鮮、凍禽產(chǎn)品[S]. GB 16869—2005.

[13]尹芳緣,曾小燕,徐薇薇,等. 基于電子鼻的芒果儲存時間預測方法研究[J]. 傳感技術學報,2012,25(9):1199-1203.

[14]吳莉莉,惠國華,郭淼,等. 基于隨機共振的氣敏傳感器陣列信號的識別研究[J]. 傳感技術學報,2009,22(5):664-668.

[15]Gammaitoni L,Hanggi P,Jung P,et al. Stochastic Resonance[J]. Review of Modern Physics,1998,70:223-287.

[16]Dutta R,Das A,Stocks N G,et al. Stochastic Resonance-Based Electronic Nose:A Novel Way to Classify Bacteria[J]. Sensors and Actuators B:Chemical,2006,115:17-27.

[17]Collins J J,Carson C Chow,Thomas T Imhoff. Aperiodic Stochastic Resonance in Excitable Systems[J]. Physical Review E,1995,52(4):3321-3324.

湯旭翔(1981-),男,助理研究員,碩士,現(xiàn)于浙江工商大學工作。主要從事軟件工程、數(shù)據(jù)挖掘、算法分析等領域研究,已發(fā)表EI收錄論文多篇,txx@zjgsu.edu.cn;

惠國華(1980-),男,副教授,碩士生導師,2008年獲浙江大學工學博士學位,現(xiàn)于浙江工商大學工作,浙江大學農(nóng)業(yè)工程博士后,浙江省151資助人才。主要從事生物傳感器、氣敏傳感技術、儀器儀表等領域研究,先后主持國家自然科學基金、省自然科學基金等多項,已發(fā)表SCI、EI收錄論文三十余篇,ghui@zjgsu.edu.cn。

ChickenMeatFreshnessDetectingMethodBasedonElectronicNoseandNon-LinearDataFeatureAnalysis*

TANGXuxiang1,LIUWei2,HANYuanyuan2,CAIYanping2,HUIGuohua1,2*,CHENYuquan3

(1.College of Computer and Information Engineering,Zhejiang Gongshang University,Hangzhou 310018,China;2.College of Food Science and Biotechnology,Zhejiang Gongshang University,Hangzhou 310018,China3.College of Biomedical Engineering and Instrument Science,Zhejiang University,Hangzhou 310027,China)

Based on electronic nose and non-linear data feature analysis,chicken meat freshness detecting method has been investigated. Chicken chest meat is selected as samples,and stored at 4 ℃ for continuous 6 days. Each day,TVB-N index and electronic nose responses are measured. Results demonstrate that samples stored over 3 days are not fresh according to China standard protocols. Principal component analysis(PCA)and non-linear stochastic resonance(SR)are used to process electronic nose measurement data. Results indicate that PCA method only qualitatively discriminates samples stored under different storage time. SR outputs cross correlation coefficient(CCC)discriminates all meat samples. Chicken meat freshness detecting model is built based on CCC eigen peak values. The proposed method presents some advantages including rapid analysis,good accuracy,low cost,etc. It is promising in meat quality analysis.

chicken meat;freshness;electronic nose;total volatile basic nitrogen;non-linear analysis

項目來源:國家自然科學基金項目(81000645);國家級星火計劃項目(2013GA700187);浙江工商大學大學生創(chuàng)新項目(13-157,13-158,14-166,14-193)

2014-06-12修改日期:2014-08-22

10.3969/j.issn.1004-1699.2014.10.025

TP212.6

:A

:1004-1699(2014)10-1443-04