方案摘要
方案下载应用领域 | 食品/农产品 |
检测样本 | 其他水果制品 |
检测项目 | 理化分析 |
参考标准 | GB NO. |
选取人工陈化山核桃(0 d、2 d、4 d和6 d)和自然陈化山核桃(0 y、1 y和2 y)作为研究对象,采用德国PEN2便携式电子鼻进行检测,在主成分分析(PCA)的基础上,采用概率神经网络(PNN)模式识别方法建立山核桃陈化时间鉴别模型,模型参数Spread和主成分数通过交互验证的方法优化。
《传感技术学报》
庞林江 王俊 王允祥 吴从元 何志平
浙江农林大学农业与食品科学学院,杭州,311300浙江大学生物系统工程与食品科学学院,杭州,310029杭州市农业机械管理站,杭州,310001
摘要: 选取人工陈化山核桃(0 d、2 d、4 d和6 d)和自然陈化山核桃(0 y、1 y和2 y)作为研究对象,采用德国PEN2便携式电子鼻进行检测,在主成分分析(PCA)的基础上,采用概率神经网络(PNN)模式识别方法建立山核桃陈化时间鉴别模型,模型参数Spread和主成分数通过交互验证的方法优化。结果标明,PCA基本可区分不同陈化时间的人工陈化和自然陈化的山核桃。当主成分数为4和Spread=0.1或Spread=0.2时,人工陈化山核桃所得识别模型最佳,校正集样本识别率为100%,预测集样本识别率为65%;当主成分数为2和Spread=0.1~0.6时,自然陈化山核桃所得识别模型最佳,校正集样本和预测集样本识别率均为100%。研究表明,基于主成分分析(PCA)和概率神经网络(PNN)的电子鼻技术可较好鉴别不同陈化时间的人工陈化和自然陈化的山核桃,且对自然陈化山核桃的识别效果要优于人工陈化山核桃。
关键词:电子鼻 陈化时间 主成分分析 概率神经网络 山核桃
10个不同品牌食盐的味觉差异分析
日本INSENT电子舌分析奶制品的味觉特征
质构仪技术应用于微针强度的测试和分析
相关产品
关注
拨打电话
留言咨询