汤旭翔,刘 伟,韩圆圆,蔡艳萍,惠国华,*,陈裕泉

(1.浙江工商大学计算机与信息工程学院,杭州 310018;2.浙江工商大学食品与生物工程学院,杭州 310018;3.浙江大学生物医学工程与仪器科学学院,杭州 310027)



基于电子鼻和非线性数据特征分析的鸡肉鲜度检测方法*

汤旭翔1,刘 伟2,韩圆圆2,蔡艳萍2,惠国华1,2*,陈裕泉3

(1.浙江工商大学计算机与信息工程学院,杭州 310018;2.浙江工商大学食品与生物工程学院,杭州 310018;3.浙江大学生物医学工程与仪器科学学院,杭州 310027)

探讨了一种基于电子鼻和非线性数据特征分析的鸡肉鲜度检测方法。以鸡胸肉作为样品,样品在4 ℃温度下连续存放6天,每天检验样品的挥发性盐基氮(TVB-N)指标,并且实验检测鸡肉样品的电子鼻响应数据。实验结果表明储存了3 d的鸡肉样品TVB-N指标超出了国家标准限定值而无法食用。采用主成分分析(PCA)方法和非线性随机共振方法分析电子鼻检测数据,结果表明主成分分析方法仅能定性的区分不同储存时间的鸡肉样品,随机共振系统输出相关系数曲线可以较好的区分不同鸡肉样品,并且依托互相关系数特征峰值构建了鸡肉鲜度分析模型。该方法具有检测快速、准确性好、成本低等优势。

鸡肉;鲜度;电子鼻;挥发性盐基氮;非线性分析

鸡肉营养丰富深受人们喜爱,在贮存、加工和运输过程中,鸡肉易于腐败[1-2]。常用的肉品品质检验方法包括感官评估法、仪器分析方法、理化检验方法等。感官评估法是通过品评员个人的视觉、嗅觉等感官评价结合自身经验来判断食品质量,虽然可以较快的完成评估过程,但该方法易受人为因素的影响,评定结果的重复性、横向参考性等相差也较大。仪器分析方法虽可精确的定量分析被测样品的化学属性,但该方法普遍存在过程繁琐、耗时长、成本高、需专业操作人员等不足。而理化检验方法主要包括微生物法、挥发性盐基氮、酶测量等方面,存在重复性差、耗时长、成本高等不足[3]。

基于仿生嗅觉机理的电子鼻近年来发展迅速,Arnold等通过电子鼻分析肉制品加工过程中微生物种类和数量的变化[4]。从而判断肉制品的新鲜程度。Santos等用电子鼻技术分析了某火腿原料肉的种类和成熟的时间[5]。同年Rajamaki等用电子鼻对气调包装贮存的猪肉的品质进行了分析和判断[6]。电子鼻食品品质分析中应用广泛,如肉类,谷物,蘑菇,橄榄油,饮料,奶酪,鱼[7-11],具有检测便捷、准确度好、成本低等优势。

本文选用4 ℃下连续存放6天的鸡胸肉为样品,每天测量样品的TVB-N指标和电子鼻响应。采用PCA方法和随机共振方法分析电子鼻检测数据,结果表明主成分分析方法仅能定性的区分不同储存时间的鸡肉样品,随机共振信噪比谱可以较好的区分不同鸡肉样品,并且依托信噪比极大值构建了鸡胸肉鲜度分析模型。

1 材料与方法

1.1 实验材料

从杭州市某农贸市场购买两只新鲜的刚宰杀的活鸡,并保存在冰盒内(0 ℃)并迅速送回实验室。制备实验样品(5 g),样品贮存在4 ℃的冰箱内。每天每个样品采用电子鼻平行测5次。同时每天随机选取3个样品进行TVB-N检验实验,每个样品平行测3次。

1.2 实验仪器与试剂

硼酸吸收液(20 g/L)。盐酸[c(HCl)=0.010 mol/L]左右的标准滴定溶液。甲基红一乙醇指示剂(2 g/L)。亚甲基蓝指示剂(1 g/L)。KDN-08A(04A)定氮仪。

1.3 TVB-N检验方法

TVB-N指标按照国家标准进行检验[12]。

1.4 电子鼻系统

电子鼻系统由浙江工商大学食品安全传感技术实验室研制[13]。电子鼻实验中,鸡肉样品被放置在50 mL玻璃气密瓶,并用封口膜密封。电源接通后,打开电子鼻的洗涤阀门2并关闭采样阀门1,活性炭过滤空气得到零气,并以零气清晰传感器阵列,待传感器的相应曲线回到基线,关闭洗涤阀2并打开采样阀1,电子鼻以400 mL/min的流速将鸡肉样品顶空气体送入电子鼻传感器阵列气室中区,电子鼻的采样时间为45 s。一轮测量结束后,以零气以1 L/min的流速清洗传感器阵列600 s,待各传感器响应值恢复至基线后再进行下一轮测量。

1.5 鸡肉鲜度模型计算模型

随机共振理论在许多领域得到迅猛发展[14-17],输入的弱信号在外部噪声的协助下被系统放大,系统输出互相关系数在适合的噪声强度下可达到特征值并转换为互相关系数作为结果输出,完整表达被测信号的特征信息。由非周期输入信号引起的随机共振称为非周期随机共振,该模型通常采用互相关系数来表征[17]。当输入信号为非周期激励时,此事输入信号具有极大的不确定性,因此首先定义功率范数C0是互相关函数的极大值:

(1)

C0为时间τ的函数,定义为信号幅度放大及相互之间匹配的情况。

归一化功率范数

C1反映了归一化系统输入-输出波形的匹配程度。互相关信息可以定量描述信息关联程度,互信息定义为信息熵H(x)与条件熵H(x|y)之间的差值,可以表示为:

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

(2)

互信息也可以解释为在响应y已知的条件下,激励信号x不确定性由H(x)转换为H(x|y),其过程中减少的熵就是互信息I(x,y)。当输入非周期信号条件下,互相关系数曲线一般会出现明显的单峰,即在某个特定噪声强度下出现了极大值,这就是非周期随机共振现象。

图1 TVB-N指标检验结果

2 结果与讨论

2.1 TVB-N检验结果

图1为贮存于4 ℃温度下的鸡胸肉样品的TVB-N检验结果。随着储存时间的增加,样品的TVB-N值持续增加。根据国家标准[12],在第0天,鸡胸肉的TVB-N初始值约为12 mgN/100 g,第3天的TVB-N值约为18 mgN/100 g,已经超过国家标准15 mgN/100 g。所以对鸡胸肉而言第0天至第2天是新鲜的,第3天及以后的鸡肉样品鲜度均超出了国家标准而无法食用。

2.2 电子鼻检测结果

电子鼻传感器阵列对鸡肉的原始响应如图2所示,随着与样品顶空气体接触时间的增加,多数传感器的响应逐渐升高。各传感器的最大响应数值有较大的差异,按最大响应值从大到小的顺序依次为:传感器4>传感器1>传感器5>传感器6>传感器7>传感器8>传感器3>传感器2。电子鼻系统的原理是模仿动物嗅觉,记录不同敏感类型的气体传感器对样品的不同响应信号,经过模式识别系统,从而实现对样品类型的判断。本研究中电子鼻传感器阵列对鸡肉样品呈现的不同响应,正是构成鸡肉样品区分的信号基础。

图2 鸡胸肉的传感器响应曲线图

图3 PCA分析结果

鸡肉电子鼻检测数据的主成分分析结果如图3所示。图3中第1主成分区分贡献率为78.59%,第2主成分区分贡献率为9.04%,前2个主成分区分贡献率总和为87.63%,从第0天到第1天,样品第1主成分沿横轴正向移动。从第1天以后,随着天数的增加,各个样品第1主成分沿横轴负向移动。第2主成分呈现总体上升的趋势。但是在第3天第1主成分有向右移动的趋势,在第2天第2主成分有下降的趋势。其原因可能是因为鸡胸肉的鲜度发生变化,其挥发出来的特征性气体成分和含量也发生明显变化,从而导致主成分产生相应的变化。利用PCA分析,相同储存时间的鸡肉样品的平行重复样本基本能够聚在一起,同时不同储存时间的鸡肉样本之间也有一定的区分。但总体来说,PCA方法无法区分所有的鸡肉样本。

图4 非周期随机共振分析结果

电子鼻检测数据的非周期随机共振输出互相关系数曲线如图4(a)所示,随着激励噪声强度数值的增加,各鸡肉样品的互相关系数首先增加并在噪声强度10左右形成一个特征峰,之后互相关系数逐渐下降,在噪声强度14左右范围内形成谷底,之后又开始一次上升过程。该结果表明电子鼻检测鸡肉信号是具有非周期属性的,讲该信号输入非周期随机共振模型,并施加外部噪声诱发整个系统产生共振,系统输出的互相关系数与鸡肉的属性密切相关,随着样品储存时间的增加,互相关系数曲线呈现上升的趋势。由于各样品的谷底出现的位置并不统一,因此我们选取特征峰作为鸡肉样品的鲜度表征指标,特征峰值如图4(b)所示。随着储存时间的增加,特征峰值也随之增加。我们采用特征峰值线性拟合的方法,构建鸡肉储存时间对于鸡肉样品电子鼻检测数据互相关系数特征峰值的函数,其结果如式(3)所示。

y=0.50041+0.01499x(R=0.98284)

(3)

而在实际检测过程中,我们首先将鸡肉样品进行电子鼻检测,然后得到系统输出互相关系数特征峰值,因此我们将式(3)经过变换,得到鸡肉鲜度对于鸡肉电子鼻检测数据互相关系数特征峰值的函数,如式(4)所示。这样,我们直接将鸡肉样品电子鼻检测数据互相关系数特征峰值代入式(4),就可以得到鸡肉鲜度的预测值。我们另外选取了50个不同储存时间的鸡肉样品,进行电子鼻检测,得到输出互相关系数特征峰值后,代入式(4)得到鲜度预测值,并与这些样品的实际鲜度进行比较,准确预报的样品数量为47个,预测准确度达到94%,证明该模型确实能够较好的预测鸡肉样品的鲜度值。结合TVB-N检验结果,可进一步确定预测准确的47个样品中,23个为不新鲜鸡肉样品,24个为新鲜鸡肉样品。

鸡肉鲜度=(互相关系数特征峰值-0.50041)/0.01499

(4)

4 结论

[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]鲜、冻禽产品[S]. GB 16869—2005.

[13]尹芳缘,曾小燕,徐薇薇,等. 基于电子鼻的芒果储存时间预测方法研究[J]. 传感技术学报,2012,25(9):1199-1203.

[14]吴莉莉,惠国华,郭淼,等. 基于随机共振的气敏传感器阵列信号的识别研究[J]. 传感技术学报,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.

汤旭翔(1981-),男,助理研究员,硕士,现于浙江工商大学工作。主要从事软件工程、数据挖掘、算法分析等领域研究,已发表EI收录论文多篇,txx@zjgsu.edu.cn;

惠国华(1980-),男,副教授,硕士生导师,2008年获浙江大学工学博士学位,现于浙江工商大学工作,浙江大学农业工程博士后,浙江省151资助人才。主要从事生物传感器、气敏传感技术、仪器仪表等领域研究,先后主持国家自然科学基金、省自然科学基金等多项,已发表SCI、EI收录论文三十余篇,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

项目来源:国家自然科学基金项目(81000645);国家级星火计划项目(2013GA700187);浙江工商大学大学生创新项目(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