一种基于嗅觉可视化技术的海鲜新鲜度快速检测方法

1.本发明涉及食品品质检测技术领域，具体涉及一种基于嗅觉可视化技术的海鲜新鲜度快速检测方法。


背景技术：

2.贝类等水生食品含有大量的必需氨基酸、生物活性肽、长链多不饱和脂肪酸、类胡萝卜素、维生素b12和矿物质(包括铜、锌、无机磷酸盐、钠、钾、硒和碘)，这些与降低高血压、中风、心脏病、糖尿病、结肠直肠癌和癌症的风险有关。牡蛎是世界上收获最多的贝类，由于其营养价值和风味，受到人们的高度欢迎。
3.与其他畜禽肉制品相比，牡蛎更容易变质，因为它们的含水量高，内源性蛋白酶活性高，肌肉组织更脆弱。作为新鲜海鲜，牡蛎极易受到质量恶化的影响，这会给其消费带来严重的消费者健康问题。总挥发性碱性氮(tvb-n)是评估海鲜产品质量的一个重要特征，也是海洋食品腐败最常见的化学指标。
4.当前,海鲜的新鲜度检测主要包括感官检测、理化检测、微生物检测等。感官检测具备快速、无损的特点,但是检测结果易受检测人个人因素的影响,稳定性差。理化检测与微生物检测准确性较高,凯氏定氮法是测定tvb-n的常用标准方法，该方法涉及使用水蒸气蒸馏，用碱加热肌肉组织，从酰胺中生成氨。它破坏性强、效率低、耗时长，不适合现代肉类加工业的现场检测。


技术实现要素：

5.为了克服现有技术中的上述缺陷，本发明的第一方面提出一种基于嗅觉可视化技术的海鲜新鲜度快速检测方法，步骤包括：
6.s1、对海鲜样本进行预处理并保存，预处理过的海鲜样本分为a组和b组；
7.s2、通过算法筛选得到色敏材料，并制成色敏传感器阵列，与a组海鲜样本voc反应；
8.s3、通过ccd相机记录色敏传感器阵列反应前后的图像，并将反应后的色敏传感器阵列进行红外信息采集；
9.s4、检测b组海鲜样本tvb-n含量；
10.s5、将检测结果通过算法构建出海鲜样本新鲜度分类预测模型。
11.进一步地，海鲜是牡蛎，预处理包括用蒸馏水清洗去除表面杂质，沥干并低温冷藏。
12.进一步地，通过aco、cars和vcpa三种算法进行变量筛选得到牡蛎近红外光谱检测的有效特征波长，通过特征波长可以更好的对海鲜的新鲜度进行红外信息采集。
13.进一步地，通过算法变量筛选得到的所述色敏材料为卟啉和吡咯，根据所检测的样品不同筛选出特异的色敏材料进行检测，提高检测的准确性。
14.进一步地，色敏传感器阵列是将色敏材料经超声处理，倒入硅胶板制成。
15.进一步地，色敏传感器阵列反应后的图像是在室温下进行15min集气操作所得，使气体与传感器阵列反应更充分，降低后续模型构建误差。
16.进一步地，步骤s4中通过全自动凯氏定氮仪对海鲜样本tvb-n含量进行检测。
17.进一步地，红外信息采集为将光谱检测模块封装在照明箱内，消除强反射光和杂散光的影响。
18.进一步地，通过标准正态变量变换、savitzky-golay平滑、一阶导数、二阶导数对通过红外信息采集得到的原始光谱数据进行预处理，可以消除环境噪音，对数据进行修正。
19.进一步地，通过ccd相机得到图像rgb信息得出的权重值分别与对应色敏材料的光谱数据相乘，然后将其组成一个全新的矩阵，并分别通过aco、cars、vcpa算法对变量进行筛选，分别建立最优pls模型。
20.进一步地，将色敏材料的最优pls模型模型进行融合建立全新的融合模型对海鲜样品进行新鲜度检测。
21.本发明将海鲜样品进行预处理，分组进行样品voc与色敏材料的反应和tvb-n含量的测定，将所得的tvb-n含量、红外信息和图像rgb信息分别处理，再进行融合得到海鲜样品新鲜度检测的最优模型，以达到在实际应用中无需通过对牡蛎进行破坏即可对其新鲜度进行判断，仅需15分钟即可完成对样品的检测，同时也可以对牡蛎的新鲜度进行预测。
附图说明
22.附图图示了实施例并且与描述一起用于解释本技术的原理。附图的元件不一定是相互按照比例的。同样的附图标记指代对应的类似部件。
23.图1为本发明一具体实施例中的海鲜样本新鲜度检测的步骤图；
24.图2为本发明另一具体实施例中的色敏传感器阵列图像；
25.图3为本发明另一具体实施例中的牡蛎新鲜度tvb-n含量的模型预测效果图；
26.图4为本发明另一具体实施例中的ccd相机拍照系统示意图。
27.图中附图标记：401-ccd相机，402-色敏材料传感器阵列，403-照明箱，404-数据处理电脑。
具体实施方式
28.以下描述本技术的示例以更好地理解本技术，通过以下的详细描述可以认识到其它实施例和实施例的很多预期优点。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括......”限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。实施例的部件可被定位于若干不同取向中，因此参考图的取向使用方向的术语，例如“顶”、“底”、“左”、“右”、“上”、“下”等来描述一些实施例。可以理解，为了图示的目的使用方向术语绝非限制。
29.图1为本发明一具体实施例中的海鲜样本新鲜度检测的步骤图，检测海鲜样本新鲜度的步骤包括：
30.s1、对海鲜样本进行预处理并保存，预处理过的海鲜样本分为a组和b组；
31.s2、通过模型筛选得到色敏材料，并制成色敏传感器阵列，与a组海鲜样本voc反应；
32.s3、通过ccd相机记录色敏传感器阵列反应前后的图像，并将反应后的色敏传感器阵列进行红外信息采集；
33.s4、检测b组海鲜样本tvb-n含量；
34.s5、将a组和b组的检测结果通过算法构建出海鲜样本新鲜度分类预测模型。
35.本实施例提出一种快速的检测海鲜新鲜度的方法，将海鲜中的挥发性气体与色敏材料反应，通过算法构建合适模型，在实际应用中，无需对被检测的海鲜进行预处理和破坏，不产生污染，以达到快速检测的效果。
36.在另一优选实施例中，s1中的海鲜样本选择牡蛎作为样本进行预处理，步骤包括：1、选择大小相似的新鲜牡蛎，每只牡蛎的重量约为60-70克/只；
37.2、将牡蛎用蒸馏水均匀洗涤以去除表面杂质，并在去皮后沥干2小时，沥干后置于4
°
c的冰箱中；
38.3、用于选择色敏材料的a组牡蛎样本为63个，被随机分配到9组，每组7个样本；在冰箱中放置0天、1天、2天、3天、4天、5天、6天、7天和8天；
39.4、b组牡蛎样本为170个，用于建立tvb-n模型。
40.通过预处理可以提高色敏材料筛选的准确度，提高红外光谱信息的准确性，进而提高了所构建的新鲜度检测模型的准确性。
41.在另一具体实施例中，为得到s2中色敏材料，将25种色敏材料制成传感器阵列，通过ccd相机采集色敏传感器阵列的图像rgb信息；将25种色敏传感器阵列与变质牡蛎的voc反应后，再次通过ccd相机采集色敏传感器阵列的图像rgb信息，通过比对反应前后色敏传感器阵列的rgb值，选取6个rgb值相差最大的色敏传感器阵列用于构建海鲜新鲜度快速检验模型。图2为本发明一具体实施例中的色敏传感器阵列图像，本实施例中选取反应前后rgb值相差最大的6个色敏材料用于检测模型的构建，rgb值相差大更容易进行比对，减小误差。
42.在另一具体实施例中，s2中筛选得到的6种色敏材料分别为：5，10，15，20-四苯基-21h，23h-卟啉铁(iii)氯化物；5，10,15,20-四苯-21h，23h-卟啉钯(ii)；8-(6-甲氧基-2-萘基)-4，4-二氟硼二吡咯烷；甲酚红；氯酚红和花青素。本方案选取6种色敏材料进行检测，可以避免单一色敏材料由于海鲜样品的voc的含量不同产生的误差。
43.在另一具体实施例中，为得到s2中的色敏传感器阵列，将选定的6种色敏材料进行处理制得色敏传感器阵列，步骤包括：
44.1、色敏材料以2mg/ml的终浓度溶于二氯甲烷中，并将选定的ph指示剂类和天然色素类化合物以2mg/ml的终浓度溶解于无水乙醇中。
45.2、将获得的色敏溶液超声处理10分钟。
46.3、用毛细管(0.5mm
×
100mm)将染料均匀分布在硅胶板上，在通风橱下形成传感器阵列。
47.在另一优选实施例中，s3中的色敏传感器阵列反应前后的图像是通过图像传感系统进行采集；图像传感系统从ccd相机开始，在与牡蛎的挥发性气体反应之前记录色敏传感阵列的图像，在25℃下进行15分钟的气体收集反应，然后用ccd相机记录反应之后的图像。然后使用特定的图像处理软件对图像进行处理和分析，以获得每种色敏染料在反应前后的r、g和b值，以及反应值之间的差异；利用pca算法分析求得原始图像rgb信息中每种色敏材料所占据的一个权重，六个色敏材料的权重分别为0.494218989，0.304269674，0.109931686，0.055338123，0.024570155，0.011671373。根据色敏材料的不同通过算法得出各色敏传感器阵列的所占的权重，减小新鲜度检验模型的误差，同时也可依照个人的口味对牡蛎进行分类。
48.在另一优选实施例中，s3中对反应后的色敏传感器阵列进行红外信息采集，为消除红外信息的环境噪音，如漫反射引起的散射效应，基线偏移，重叠峰值，以及对光谱数据中存在的信噪比；本方案将光谱检测模块封装在照明箱内，计算机通过光纤电缆连接到光谱范围为340.886
–
1074.36nm的便携式光谱仪。在反射模式下，积分时间设置为5ms，扫描次数为10次，像素平滑为5次。用光纤探针收集硅胶板上六个染料点的光谱数据，每个点收集三次以避免误差，平均值代表最终的光谱数据，同时使用标准正态变量变换(snv)、savitzky-golay(sg)平滑、一阶导数、二阶导数4种方法对原始光谱数据进行预处理。多次实验取平均值有利于实验数据的准确性，降低人为操作带来的误差，提高了光谱数值采集的准确性，保证数据严谨性；采用算法对背景噪音进行消除，优化数据，避免环境噪音带来的误差提高模型的准确度。
49.在另一优选实施例中，为检测s4中b组海鲜样本tvb-n含量，图3为本发明另一具体实施例中的牡蛎新鲜度tvb-n含量的模型预测效果图，总挥发性碱性氮(tvb-n)是评估海鲜产品质量的一个重要特征，也是海洋食品腐败最常见的化学指标，对牡蛎样品进行tvb-n的检测，采用全自动凯氏定氮仪测定tvb-n的含量。将10g切碎的牡蛎放入蒸馏管中，并用75ml蒸馏水浸泡30分钟。然后将1g氧化镁(mgo)加入到含有处理过的样品的蒸馏管中，并立即连接到蒸馏器。将20g/l硼酸接收溶液的浓度设定为30ml。加入10滴混合指示剂溶液(甲基红乙醇溶液：溴甲酚绿乙醇溶液＝1:5)，然后蒸馏3分钟。用0.1mol/l盐酸标准滴定剂滴定接收溶液。计算tvb-n含量，并以mg/100g表示。本方案中，检测tvb-n可以准确判断牡蛎腐败程度，测得样本tvb-n含量用于对牡蛎的新鲜度进行判断，同时也可以预测其可能的腐败日期，达到对产品的监控。
50.在另一优选实施例中，s5中的海鲜样品新鲜度分类预测模型通过蚁群优化算法(aco)、竞争性自适应加权算法(cars)和变量组合集群分析(vcpa)进行构建，将170个牡蛎样本在模型识别中被随机分为5组，其中3组作为训练集样本(102个样本)，2组作为预测集样本(68个样本)。本方案中，训练集样本和预测集样本是随机选择的，其中训练集样本用于模型建立，预测集样本用于评估模型预测能力的好坏，依据化学计量学中模型建立参考选择102个样品用以建立模型，68个样品用以评估预测能力，两种样品均按对其进行tvb-n检测和近红外光谱采集。
51.在另一具体实施例中，为了获得s5海鲜样本新鲜度分类预测的最佳模型，本技术进行了三次数据融合，三次数据融合为低中高级融合。
52.低级融合：将由图像rgb信息得出的权重值分别与对应6个色敏材料的光谱数据相
乘，然后将其组成一个全新的矩阵。并分别通过aco、cars、vcpa算法对变量进行筛选，建立最优pls模型。
53.中级融合：首先对6个色敏材料分别用aco、cars、vcpa三种算法进行变量筛选，然后获得6个筛选后结果最优的模型，再将这6个模型中的光谱变量提取出来乘以权重，再组合成新的矩阵，建立全新的融合pls模型。
54.高级融合：在上一步获得6个筛选之后最优模型之后，分别提取它们的模型结果，也就是提取训练集和预测集的数据，然后将其乘以权重，建立一个全新的融合模型。
55.在另一具体实施例中，图4为本发明另一具体实施例中的ccd相机拍照系统示意图，对待检测牡蛎图像信息收集装置包括，ccd相机401、色敏材料传感器阵列402、照明箱403及数据处理电脑404。采用ccd相机401对样品反应前后的色敏传感材料整列402进行图像信息采集，将所采集的图像rgb信息在数据处理电脑404中进行处理，将ccd相机封装在照明箱内，可以有效排除环境噪音。
56.以上为本技术的较佳实施例，显然，本领域技术人员在不偏离本技术的精神和范围的情况下可以作出对本技术的实施例的各种修改和改变。以该方式，如果这些修改和改变处于本技术的权利要求及其等同形式的范围内，则本技术还旨在涵盖这些修改和改变。

技术特征：
1.一种基于嗅觉可视化技术的海鲜新鲜度快速检测方法，其特征在于，包括：s1、对海鲜样本进行预处理并保存，所述预处理过的海鲜样本分为a组和b组；s2、通过算法筛选得到色敏材料，并制成色敏传感器阵列，与所述a组海鲜样本voc反应；s3、通过ccd相机记录所述色敏传感器阵列反应前后的图像，并将所述反应后的色敏传感器阵列进行红外信息采集；s4、检测所述b组海鲜样本tvb-n含量；s5、将检测结果通过算法构建出所述海鲜样本新鲜度分类预测模型。2.根据权利要求1所述的基于嗅觉可视化技术的海鲜新鲜度快速检测方法，其特征在于，所述海鲜是牡蛎，预处理包括用蒸馏水清洗去除表面杂质，沥干并低温冷藏。3.根据权利要求2所述的基于嗅觉可视化技术的海鲜新鲜度快速检测方法，其特征在于，通过aco、cars和vcpa三种算法进行变量筛选得到所述牡蛎近红外光谱检测的有效特征波长。4.根据权利要求3所述的基于嗅觉可视化技术的海鲜新鲜度快速检测方法，其特征在于，通过所述算法变量筛选得到的所述色敏材料为卟啉和吡咯。5.根据权利要求4所述的基于嗅觉可视化技术的海鲜新鲜度快速检测方法，其特征在于，所述色敏传感器阵列是将所述色敏材料经超声处理，分别倒入硅胶板制成。6.根据权利要求2所述的基于嗅觉可视化技术的海鲜新鲜度快速检测方法，其特征在于，所述色敏传感器阵列反应后的图像是在室温下进行15min集气操作所得。7.根据权利要求2所述的基于嗅觉可视化技术的海鲜新鲜度快速检测方法，其特征在于，步骤s4中通过全自动凯氏定氮仪对所述海鲜样本tvb-n含量进行检测。8.根据权利要求2所述的基于嗅觉可视化技术的海鲜新鲜度快速检测方法，其特征在于，所述红外信息采集为将光谱检测模块封装在照明箱内进行采集操作。9.根据权利要求8所述的基于嗅觉可视化技术的海鲜新鲜度快速检测方法，其特征在于，通过标准正态变量变换、savitzky-golay平滑、一阶导数、二阶导数对通过所述红外信息采集得到的原始光谱数据进行预处理。10.根据权利要求9所述的基于嗅觉可视化技术的海鲜新鲜度快速检测方法，其特征在于，通过所述ccd相机得到图像rgb信息得出的权重值分别与对应色敏材料的光谱数据相乘，然后将其组成一个全新的矩阵，并分别通过aco、cars、vcpa算法对变量进行筛选，分别建立最优pls模型。11.根据权利要求10所述的基于嗅觉可视化技术的海鲜新鲜度快速检测方法，其特征在于，将所述色敏材料的最优pls模型进行融合建立全新的融合模型对所述海鲜样品进行新鲜度检测。

技术总结
本发明提出一种基于嗅觉可视化技术的海鲜新鲜度快速检测方法，方法包括步骤：S1、对海鲜样本进行预处理并保存，预处理过的海鲜样本分为A组和B组；S2、通过模型筛选得到色敏材料，并制成色敏传感器阵列，与A组海鲜样本VOC反应；S3、通过CCD相机记录色敏传感器阵列反应前后的图像，并将反应后的色敏传感器阵列进行红外信息采集；S4、检测B组海鲜样本TVB-N含量；S5、将检测结果通过算法构建出海鲜样本新鲜度分类预测模型。该方案将海鲜中的挥发性气体与色敏材料反应，采集色敏传感器阵列的红外信息和图像RGB信息及样品的TVB-N含量，通过算法构建合适模型，在实际应用中，无需对被检测的海鲜进行预处理和破坏，不产生污染，以达到快速检测的效果。检测的效果。


技术研发人员：吴坚 陈全胜 王上 陈清敏 焦天慧 魏洁 陈晓梅
受保护的技术使用者：集美大学
技术研发日：2023.05.05
技术公布日：2023/8/24