定性无损快速检测花生新鲜度方法

摘要

本发明公开了一种无损快速检测花生新鲜度的方法。它包括如下步骤：选择外壳完好无破损的干净花生作为样品，用电子鼻对其生成的顶空气体进行检测。选择各传感器响应值的最大值作为原始数据，将新鲜花生响应值的原始数据定义为新鲜花生模块，陈年花生响应值的原始数据定义为陈年花生模块，将待测花生响应值的原始数据定义为未知模块。用数据处理软件对新鲜花生模块和陈年花生模块进行分析，并结合分析结果对未知模块中各待测花生的新鲜度进行判定。本发明通过直接在带壳情况下对花生气味进行检测，首次实现了真正意义上的花生新鲜度的快速、便捷、无损检测。

权利要求

1.一种定性无损快速检测花生新鲜度的方法，其特征在于它的步骤如下：

1）选择单个大小、重量接近的新鲜花生和陈年花生作为样本，用洁净水洗净花生表面杂质，擦干后挑选外壳完好的新鲜花生和陈年花生分别放于不同密闭容器中，再用电子鼻对密闭容器中的顶空气体进行检测；

2）电子鼻的多个传感器在间隔一定时间的响应值组成数据矩阵，选择数据矩阵中的响应值的最大值作为原始数据，将新鲜花生响应值的原始数据定义为新鲜花生模块，陈年花生响应值的原始数据定义为陈年花生模块，待测花生响应值的原始数据定义为待测花生模块，用数据处理软件对新鲜花生模块、陈年花生模块和待测花生模块进行分析后，获得待测花生的新鲜度；

所述的步骤1）为：将20-30g洗净完好的新鲜花生和一年陈花生分别放于200ml烧杯中，用封口膜在常温下密封，密封静置30-45分钟，抽取顶空气体，电子鼻检测时间为

150-180秒；

所述的步骤2）为：选择数据矩阵中的响应值的最大值作为原始数据时，因为每根传感器响应值达到最大值时的时间不相同，检测所得的原始数据分别用K最邻近算法分析、Fisher判别分析和Bayes判别分析进行分析，再用Wilks’lambda选择法对原始数据进行优化剔除数据矩阵中区分度不显著的传感器的响应值，进一步进行K最邻近算法分析、Fisher判别分析和Bayes判别分析，最后结合Wilks’lambda选择法对原始数据进行优化前和后的共六种分析结果对待测花生模块中的各待测花生新鲜度进行判定；Wilks’lambda选择法通过统计量Wilks λ最小值来选择变量；K最邻近算法依据最邻近的一个或几个样品类别来决定待测样品所属的类别，若一个样品在特征空间中的K个最相似的样品中的大多数属于某一个类别，则该样品也属于这个类别，选用欧氏距离法计算实例间的距离；

Fisher判别分析依据样品到每一类总体重心的距离来决定待测样品所属的类别，若一个样品在特征空间中到某一类总体重心的距离最短，则该样品属于这一类；Bayes判别分析依据样品划分到每一类的概率来决定待测样品所属的类别，若一个样品划分到某一类的概率最大，则该样品属于这一类；若上述六种分析结果中有五种分析法将待测花生判定为新鲜花生，则判定待测花生为新鲜花生；若分析结果中有五种分析法将待测花生判定为陈年花生，则判定待测花生为陈年花生，否则判定待测花生的新鲜程度在陈年花生与新鲜花生之间。

说明书

定性无损快速检测花生新鲜度方法

技术领域

[0001] 本发明涉及一种定性无损快速检测花生新鲜度的方法。

背景技术

[0002] 新鲜花生口感香甜且富含丰富的脂肪和蛋白质，随着时间的推移，花生的口感和营养价值开始逐渐降低，新鲜程度较低的花生还会出现酸败变质现象。新鲜程度不同的花生在带壳条件下，几乎无法用肉眼将其区分开来；而在脱壳条件下，虽然可以通过比较两组花生衣的颜色深浅进行区分，但实际操作难度较大。目前，国内外学者在对花生新鲜度进行检测时，普遍采用感官评定或综合测定酸价和过氧化值的方法。然而使用以上这些方法进行新鲜度检测时，都存在着一些问题：感官评定结果受个人和环境因素影响较大，难以形成统一的标准；而酸价和过氧化值测定耗时长、操作要求高，且仪器不易清洗。

发明内容

[0003] 本发明的目的是提供一种定性无损快速检测花生新鲜度的方法。

[0004] 定性无损快速检测花生新鲜度的方法，它的步骤如下：

[0005] 1）选择单个大小、重量接近的新鲜花生和陈年花生作为样本，用洁净水洗净花生表面杂质，擦干后挑选外壳完好的新鲜花生和陈年花生分别放于不同密闭容器中，再用电子鼻对密闭容器中的顶空气体进行检测；

[0006] 2）电子鼻的多个传感器在间隔一定时间的响应值组成数据矩阵，选择数据矩阵中的响应值的最大值作为原始数据，将新鲜花生响应值的原始数据定义为新鲜花生模块，陈年花生响应值的原始数据定义为陈年花生模块，待测花生响应值的原始数据定义为待测花生模块，用数据处理软件对新鲜花生模块、陈年花生模块和待测花生模块进行分析后，获得待测花生的新鲜度。

[0007] 所述的步骤1）为：将20-30g洗净完好的新鲜花生和一年陈花生分别放于200ml烧杯中，用封口膜在常温下密封，密封静置30-45分钟，抽取顶空气体，电子鼻检测时间为150-180秒。

[0008] 所述的步骤2）为：选择数据矩阵中的响应值的最大值作为原始数据时，因为每根传感器响应值达到最大值时的时间不相同，检测所得的原始数据分别用K最邻近算法分析、Fisher判别分析和Bayes判别分析进行分析，再用Wilks’lambda选择法对原始数据进行优化剔除数据矩阵中区分度不显著的传感器的响应值，进一步进行K最邻近算法分析、Fisher判别分析和Bayes判别分析，最后结合Wilks’lambda选择法对原始数据进行优化前和后的共六种分析结果对待测花生模块中的各待测花生新鲜度进行判定；Wilks’lambda选择法通过统计量Wilksλ最小值来选择变量；K最邻近算法依据最邻近的一个或几个样品类别来决定待测样品所属的类别，若一个样品在特征空间中的K个最相似的样品中的大多数属于某一个类别，则该样品也属于这个类别，选用欧氏距离法计算实例间的距离；Fisher判别分析依据样品到每一类总体重心的距离来决定待测样品所属的类别，若一个样品在特征空间中到某一类总体重心的距离最短，则该样品属于这一类；Bayes判别分析依据样品划分到每一类的概率来决定待测样品所属的类别，若一个样品划分到某一类的概率最大，则该样品属于这一类；若上述六种分析结果中有五种分析法将待测花生判定为新鲜花生，则判定待测花生为新鲜花生；若分析结果中有五种分析法将待测花生判定为陈年花生，则判定待测花生为陈年花生，否则判定待测花生的新鲜程度在陈年花生与新鲜花生之间。

[0009] 本发明通过直接在带壳情况下对花生气味进行检测，首次实现了真正意义上的花生新鲜度的快速、便捷、无损检测。

附图说明

[0010] 图1是本发明实施例1中传感器响应信号。

具体实施方式

[0011] 定性无损快速检测花生新鲜度的方法，它的步骤如下：

[0012] 1）选择单个大小、重量接近的新鲜花生和陈年花生作为样本，用洁净水洗净花生表面杂质，擦干后挑选外壳完好的新鲜花生和陈年花生分别放于不同密闭容器中，再用电子鼻对密闭容器中的顶空气体进行检测；

[0013] 2）电子鼻的多个传感器在间隔一定时间的响应值组成数据矩阵，选择数据矩阵中的响应值的最大值作为原始数据，将新鲜花生响应值的原始数据定义为新鲜花生模块，陈年花生响应值的原始数据定义为陈年花生模块，待测花生响应值的原始数据定义为待测花生模块，用数据处理软件对新鲜花生模块、陈年花生模块和待测花生模块进行分析后，获得待测花生的新鲜度。

[0014] 所述的步骤1）为：将20-30g洗净完好的新鲜花生和一年陈花生分别放于200ml烧杯中，用封口膜在常温下密封，密封静置30-45分钟，抽取顶空气体，电子鼻检测时间为150-180秒。

[0015] 所述的步骤2）为：选择数据矩阵中的响应值的最大值作为原始数据时，因为每根传感器响应值达到最大值时的时间不相同，检测所得的原始数据分别用K最邻近算法分析、Fisher判别分析和Bayes判别分析进行分析，再用Wilks’lambda选择法对原始数据进行优化剔除数据矩阵中区分度不显著的传感器的响应值，进一步进行K最邻近算法分析、Fisher判别分析和Bayes判别分析，最后结合Wilks’lambda选择法对原始数据进行优化前和后的共六种分析结果对待测花生模块中的各待测花生新鲜度进行判定；Wilks’lambda选择法通过统计量Wilksλ最小值来选择变量；K最邻近算法依据最邻近的一个或几个样品类别来决定待测样品所属的类别，若一个样品在特征空间中的K个最相似的样品中的大多数属于某一个类别，则该样品也属于这个类别，选用欧氏距离法计算实例间的距离；Fisher判别分析依据样品到每一类总体重心的距离来决定待测样品所属的类别，若一个样品在特征空间中到某一类总体重心的距离最短，则该样品属于这一类；Bayes判别分析依据样品划分到每一类的概率来决定待测样品所属的类别，若一个样品划分到某一类的概率最大，则该样品属于这一类；若上述六种分析结果中有五种分析法将待测花生判定为新鲜花生，则判定待测花生为新鲜花生；若分析结果中有五种分析法将待测花生判定为陈年花生，则判定待测花生为陈年花生，否则判定待测花生的新鲜程度在陈年花生与新鲜花生之间。

[0016] 上述步骤中的新鲜花生和陈年花生均可替换为新鲜程度较高的花生和新鲜程度较低的花生。

[0017] 实施例1

[0018] 本发明适用于花生新鲜度的检测。本发明实例以处理后的刚出产的新鲜花生、未处理的刚出产的新鲜花生和上一年的陈年花生为检测样品，以法国AlphaMOS公司的FOX4000型电子鼻为检测仪器做详细说明。本电子鼻系统由18个金属氧化物传感器组成，其型号与响应特性如表1所示：

[0019] 表1FOX4000各传感器的响应特性

[0020]

[0021] 用蒸馏水分别将当年新鲜花生和上一年陈年花生表面洗净，擦干水分后置于阴凉处，待水分蒸发完全后，挑选出表壳完好无破损的当年新鲜花生和上一年陈年花生备用。

[0022] 用蒸馏水将未处理的当年新鲜花生表面洗净，擦干水分后置于阴凉处，待水分蒸发完全后挑选出表壳完好无破损的当年新鲜花生，按照如下步骤进行电子鼻检测：取26g（9颗）新鲜花生置于200ml烧杯内，常温下用封口膜密封静置40分钟后，抽取2ml顶空气体，手动进样，检测时间设为170秒。选择各传感器响应值的最大值作为新鲜花生模块。按同样步骤使用电子鼻对上一年陈年花生进行检测，选择各传感器响应值的最大值作为陈年花生模块。

[0023] 另取当年新鲜花生和上一年陈年花生作为待测样品，具体操作步骤如下：取4份当年新鲜花生，编号1到4；取4份上一年陈年花生编号为5到8；另取2份当年新鲜花生，在高温高湿的人工气候箱中放置一段时间，加速新鲜花生变质，使得处理后的花生其新鲜度介于新鲜花生和陈年花生之间，编号为9到10详见表2。检测时，先将待检样品表面用蒸馏水洗净，擦干水分后置于阴凉处，待水分蒸发完全后，每份取26g（9颗）花生置于200ml烧杯内，常温下用封口膜密封静置40分钟后，抽取2ml顶空气体，手动进样，检测时间设为170秒。选择各传感器响应值的最大值作为待测花生模块。

[0024] 表2各待测样品编号及新鲜度

[0025]

[0026] 用K最邻近算法（KNN）、Fisher判别分析、Bayes判别分析和逐步判别分析对新鲜花生模块和陈年花生模块进行分析，并结合分析结果，对未知模块中各待测花生新鲜度进行评定，具体评定结果见表5。其中原始数据的K最邻近算法（KNN）分析结果如表3所示，分析时选择3作为K值。

[0027] 表3原始数据的K最邻近算法（KNN）的分析结果表（K=3）

[0028]

[0029] Fisher判别分析的判别方程sig值为0，判别能力显著，其具体表达式为：

[0030] D＝-36.144X1+422.088X2-581.765X3+56.669X4+2.728X5+385.306X6+19.336X7+77.27X8+127.47X9-17.707X10+135.461X11-87.106X12-177.656X13+35.09X14-29.698X15-23.939[0031] 其中D表示在特征空间中待测样品到陈年花生模块重心的距离与待测样品到新鲜花生模块重心的距离之差。若D小于0，则待测样品在特征空间中与陈年花生的距离更近，判定样品为陈年花生；反之，则判定样品为新鲜花生。Xi（i=1、2、……、18）依次对应表
1中序号为1、2、……、18的传感器。将各待测样本的传感器响应信号依次代入上述方程，得到评定结果，见表5。

[0032] Bayes判别分析各类样品的线性判别方程为：

[0033] D(新鲜花生)＝-18260X1+35520X2-31080X3-48920X4+1786X5+23560X6+22380X7+158000X8-68180X9-69360X10+20200X11-4487X12-16870X13-7110X14-9391X16-5229[0034] D(陈年花生)＝-17910X1+31360X2-25350X3-49480X4+1759X5+19760X6+22190X7+15
7300X8-69440X9-69190X10+18870X11-3629X12-15120X13-7456X14-9099X16-4993[0035] 其中D表示待测样品划分到新鲜花生或陈年花生的概率，Xi（i=1、2、……、18）依次对应表1中序号为1、2、……、18的传感器。将各待测样品的传感器响应信号依次代入上述两个方程，若D（新鲜花生）大于D（陈年花生），则判定样品为新鲜花生；反之，则判定样品为陈年花生。10个待测样品的评定结果如表5所示。

[0036] 逐步判别分析时，将18个传感器响应值优化至LY/G、LY/AA、LY/gCT、P10/1、P10/2和P30/1这6个传感器的响应值后，再分别进行K最邻近算法（KNN）、Fisher判别分析、Bayes判别分析。优化后的K最邻近算法（KNN）分析结果如表4所示，分析时选择3作为K值。

[0037] 表4优化数据的K最邻近算法（KNN）的分析结果表（K=3）

[0038]

[0039] 优化后的Fisher判别方程sig值为0，判别能力显著，其具体表达式为：

[0040] D＝439.578X2-550.37X3+341.404X6+112.693X8+88.038X9-189.279X18-23.692。

[0041] 其中D表示在特征空间中待测样品到陈年花生模块重心的距离与待测样品到新鲜花生模块重心的距离之差。若D小于0，则待测样品在特征空间中与陈年花生的距离更近，判定样品为陈年花生；反之，则判定样品为新鲜花生。Xi（i=2、3、6、8、9、13）依次对应表1中序号为2、3、6、8、9、13的六个传感器。将各待测样本依次代入上述方程，得到评定结果，见表5。

[0042] 优化后的Bayes判别方程的具体表达式为：

[0043] D(陈年花生)＝4023X2+391.261X3+8382X6+9239X8-2008X9-4011X18-821.282[0044] D(新鲜花生)＝8681X2-5441X3+12000X6+10430X8-1075X9-6071X13-1071[0045] 其中D表示待测样品划分到新鲜花生或陈年花生的概率，Xi（i=2、3、6、8、9、13）依次对应表1中序号为2、3、6、8、9、13的六个传感器。将各待测样品的传感器响应信号依次代入上述两个方程，若D（新鲜花生）大于D（陈年花生），则判定样品为新鲜花生；反之，则判定样品为陈年花生。10个待测样品的评定结果如表5所示。

[0046] 表5未知模块中各待测样品的评定结果（注：表中X表示新鲜，C表示陈年）[0047]

[0048] 综合比较表2与表5的结果发现，本发明的检测花生新鲜度的方法其准确率达到了100%。上述六种方法从不同的分析角度对原始数据进行了分类分析，结合六种方法的分析结果对待测样品进行整体判定，最后得出判定结果，因此，本发明在完全不破坏花生表壳的情况下，实现了对花生新鲜度的高准确率检测。

[0049] 实施例2

[0050] 本发明实施例如不具体说明，同实施例1。用蒸馏水将未处理的当年新鲜花生表面洗净，擦干水分后置于阴凉处，待水分蒸发完全后挑选出表壳完好无破损的当年新鲜花生，按照如下步骤进行电子鼻检测：取20g（7颗）新鲜花生置于200ml烧杯内，常温下用封口膜密封静置45分钟后，抽取2ml顶空气体，手动进样，检测时间设为150秒。选择各传感器响应值的最大值作为新鲜花生模块。按同样步骤使用电子鼻对上一年陈年花生进行检测，选择各传感器响应值的最大值作为陈年花生模块。

[0051] 另取当年新鲜花生和上一年陈年花生作为待测样品，具体操作步骤如下：取4份当年新鲜花生，编号1到4；取4份上一年陈年花生编号为5到8；另取2份当年新鲜花生，在高温高湿的人工气候箱中放置一段时间，加速新鲜花生变质，使得处理后的花生其新鲜度介于新鲜花生和陈年花生之间，编号为9到10详见表2。检测时，先将待检样品表面用蒸馏水洗净，擦干水分后置于阴凉处，待水分蒸发完全后，每份取20g（7颗）花生置于200ml烧杯内，常温下用封口膜密封静置45分钟后，抽取2ml顶空气体，手动进样，检测时间设为150秒。选择各传感器响应值的最大值作为待测花生模块。

[0052] 结合六种方法的分析结果对待测样品进行整体判定，最后得出判定结果，检测花生新鲜度的方法其准确率达到了100%。因此，本发明在完全不破坏花生表壳的情况下，实现了对花生新鲜度的高准确率检测。

[0053] 实施例3

[0054] 本发明实施例如不具体说明，同实施例1。取30g（11颗）新鲜花生置于200ml烧杯内，常温下用封口膜密封静置30分钟后，抽取2ml顶空气体，手动进样，检测时间设为180秒。选择各传感器响应值的最大值作为新鲜花生模块。按同样步骤使用电子鼻对上一年陈年花生进行检测，选择各传感器响应值的最大值作为陈年花生模块。

[0055] 另取当年新鲜花生和上一年陈年花生作为待测样品，具体操作步骤如下：取4份当年新鲜花生，编号1到4；取4份上一年陈年花生编号为5到8；另取2份当年新鲜花生，在高温高湿的人工气候箱中放置一段时间，加速新鲜花生变质，使得处理后的花生其新鲜度介于新鲜花生和陈年花生之间，编号为9到10详见表2。检测时，先将待检样品表面用蒸馏水洗净，擦干水分后置于阴凉处，待水分蒸发完全后，每份取30g（11颗）花生置于200ml烧杯内，常温下用封口膜密封静置30分钟后，抽取2ml顶空气体，手动进样，检测时间设为180秒。选择各传感器响应值的最大值作为待测花生模块。

[0056] 结合六种方法的分析结果对待测样品进行整体判定，最后得出判定结果，检测花生新鲜度的方法其准确率达到了100%。因此，本发明在完全不破坏花生表壳的情况下，实现了对花生新鲜度的高准确率检测。